By テッサ謝、Cruiseのシニアデータサイエンティスト.

による写真 ブルース・マーズ on Unsplash.

金融からデータサイエンスに最初に移行したとき、私は世界のトップにいるように感じました。夢の分野で仕事を得て、キャリアトラックが設定されました。頭を下げて一生懸命働きます。何がうまくいかない可能性がありますか？ ええと、いくつかのことがありました…データサイエンティストとしての翌年、キャリアの早い段階で自分が犯したことに気付いて良かったいくつかの間違いがありました。 このようにして、手遅れになる前に熟考し、コースを修正する時間がありました。 しばらくして、私はこれらの間違いがかなり一般的であることに気づきました。 実際、私は自分の周りの多くのDSがまだこれらの間違いを犯しているのを観察しましたが、長期的にはデータのキャリアを損なう可能性があることに気づいていません。

もし私の "マッキンゼーが教えてくれた5つのレッスンで、より優れたデータサイエンティストになります」は私が最高の経験から学んだものであり、この記事の教訓は私が苦労して学んだものであり、同じ間違いを犯さないように支援できれば幸いです。

間違い1：自分を思考パートナーではなく足の兵士と見なす

成長して、私たちは常に、特に学校で、規則や命令にどれだけ従うことができるかに基づいて評価されてきました。 教科書を読んで試験を練習し、一生懸命勉強すれば、あなたはトップの学生になります。 多くの人がこの「歩兵」の考え方を職場環境に持ち込んでいるようです。 私の意見では、これは多くのデータサイエンティストが影響力を最大化し、仲間から目立つことを妨げている正確な考え方です。 私は多くのDS、特にジュニアのDSを観察しましたが、それらは意思決定プロセスに貢献するものは何もないと考えており、むしろバックグラウンドに戻って、彼らのために行われた決定を受動的に実装したいと考えています。 これは悪循環を開始します。これらの議論への貢献が少なければ少ないほど、利害関係者が将来の会議に参加する可能性が低くなり、将来貢献する機会が少なくなります。

モデル開発の場合の歩兵と思考パートナーの違いの具体例を挙げましょう。 データ収集と機能ブレーンストーミングの会議では、昔の私は利害関係者の提案について受動的にメモを取り、後で「完全に」実装できるようにしました。 誰かが私たちがデータを持っていないことを知っている機能を提案したとき、私は彼らがより年長であり、彼らは私が見落とした何かを知っているに違いないという仮定に基づいて何も言いません。 しかし、何を推測します、彼らはしませんでした。 後で、ブレインストーミングした機能の50％で追加のデータ収集が必要になり、プロジェクトの期限が危険にさらされるという状況に直面しました。 その結果、私はしばしば、悪いニュースを伝えるメッセンジャーの望ましくない立場にいることに気づきました。 今日は思考のパートナーを目指して、会話の早い段階で自分自身を巻き込み、データに最も近い人物としての独自の立場を活用しています。 このようにして、私は早い段階で利害関係者の期待を管理し、チームが前進するのに役立つ提案をすることができます。

これを回避する方法：

• データの観点から何かを貢献できる会議に参加しないように注意してください。利害関係者の測定基準の定義は、測定したいものに対して十分ですか。 一連の指標を測定するためのデータはありますか？ そうでない場合、私たちが持っているデータのプロキシを見つけることができますか？
• インポスター症候群 特にジュニアDSの間では本物です。 これを認識していることを確認し、「他の人がすでに考えているかもしれない」ことを言うべきか、「愚かな明確な質問」をするべきかを質問するときはいつでも、あなたはすべきです。
• 他の人が取り組んでいることに好奇心のレベルを維持します。 会社のデータを理解していないために他の人が見落としているかもしれないギャップに気づき、付加価値を付けられる機会がたくさんあります。

間違い2：データサイエンスの特定の領域に身を投じる

データエンジニアまたはデータサイエンティストになりたいですか？ マーケティングと販売のデータを処理しますか、それとも地理空間分析を行いますか？ この記事では、これまでDSという用語を多くの一般的な用語として使用していることに気付いたかもしれません。 データ関連のキャリアパス （例：データエンジニア、データサイエンティスト、データアナリストなど）。 これは、最近のデータの世界、特に中小企業では、これらのタイトル間の境界線が非常にぼやけているためです。 多くのデータサイエンティストは、自分たちをモデルを構築する唯一のデータサイエンティストと見なしており、データパイプライン化のみに焦点を当て、で行われているモデリングについて何も知りたくないビジネス面やデータエンジニアには注意を払っていません。会社。

最高のデータ人材は、複数の帽子をかぶることができるか、少なくとも他のデータの役割のプロセスを理解できる人材です。 これは、機能がまだ専門化されていない可能性があり、柔軟性があり、さまざまなデータ関連の責任をカバーすることが期待される、初期段階または成長段階のスタートアップで作業する場合に特に便利です。 明確に定義された職務プロファイルを使用している場合でも、時間の経過とともに経験を積むにつれて、別のタイプのデータロールへの移行に関心があることに気付く場合があります。 このピボットは、自分自身とスキルセットをXNUMXつの特定の役割の狭い焦点にピジョンホールしなかった場合、はるかに簡単になります。

これを回避する方法：

• 繰り返しになりますが、他のデータロールが取り組んでいるプロジェクトについて興味を持ってください。 同僚との定期的な会議をスケジュールして、興味深いプロジェクトについて互いに話し合ったり、さまざまなデータチームに作業やプロジェクトを定期的に共有させたりします。
• 職場で他のデータの役割に触れることができない場合は、自由な時間に使用しないデータスキルを維持/実践するようにしてください。 たとえば、データアナリストであり、しばらくモデリングに触れていない場合は、Kaggleコンテストなどの外部プロジェクトを通じてスキルを練習することを検討してください。

間違い3：現場での開発に追いついていない

自己満足キル

すべての兵士はこれを知っており、すべてのDSもそうすべきです。 データスキルに満足し、新しいスキルを学ぶために時間を割かないことは、よくある間違いです。 データサイエンスは比較的新しく、まだ劇的な変化と発展を遂げている分野であるため、データ分野でこれを行うことは他のいくつかの分野よりも危険です。 常に新しいアルゴリズム、新しいツール、さらには新しいプログラミング言語が導入されています。

2021年にSTATAの使い方しか知らないデータサイエンティストになりたくない場合は（彼は存在し、私は彼と一緒に仕事をしました）、この分野の発展についていく必要があります。

これをあなたにさせないでください（GIF GIPHY 著）。

これを回避する方法：

• オンラインクラスにサインアップして、新しい概念やアルゴリズムについて学習したり、すでに知っているが仕事でしばらく使用していないものをブラッシュアップしたりします。 学ぶ能力は誰もが練習し続けるべき筋肉であり、生涯学習者であることはおそらくあなたがあなた自身に与えることができる最高の贈り物です。
• DSニュースレターにサインアップするか、MediumでDSブロガー/出版物をフォローし、DSの「ニュース」に従う習慣を身に付けてください。

間違い4：分析筋を過度に曲げる

あなたが持っているのがハンマーだけなら、すべてが釘のように見えます。 すべてにMLを使おうとするDSにならないでください。 私が最初にデータサイエンスの世界に入ったとき、私は学校で学んだすべての素晴らしいモデルにとても興奮し、現実の問題でそれらすべてを試すのが待ちきれませんでした。 しかし、現実の世界は学術研究とは異なり、 80 / 20ルール 常に活躍しています。

前回の記事で「マッキンゼーが教えてくれた5つのレッスン、」モデルの精度の余分な数パーセントポイントよりも、ビジネスへの影響と解釈可能性が重要な場合があることについて書きました。 仮定駆動型のExcelモデルの方が、多層ニューラルネットよりも理にかなっている場合があります。 そのような場合は、分析筋を過度に曲げたり、アプローチをやりすぎたりしないでください。 代わりに、ビジネスの筋を曲げて、ビジネスの洞察力も持っているDSになりましょう。

これを回避する方法：

• 単純なExcelから高度なMLモデリングスキルまで、武器庫にあらゆる分析スキル/ツールが含まれているため、状況に応じてどのツールを使用するのが最適かを常に評価でき、銃をナイフで戦わせる必要はありません。
• 分析を掘り下げる前に、ビジネスニーズを理解してください。 利害関係者は、MLモデルが一般的な概念であり、MLモデルで何ができるかについて非現実的な期待を抱いているため、MLモデルを要求することがあります。 DSとしてのあなたの仕事は、期待を管理し、目標を達成するためのより良い、より簡単な方法を見つけるのを助けることです。 覚えて？ 歩兵ではなく、思考のパートナーになりましょう。

間違い5：データ文化の構築は他人の仕事だと思う

私の記事では「優れたデータ文化を構築するための6つの重要なステップ」私は、会社に優れたデータ文化がない場合、データサイエンティストの生活がいかに恐ろしく非生産的になる可能性があるかについて書きました。 実際、利害関係者が自給自足で簡単に処理する必要がある非生産的なアドホックデータ要求について多くのDSが不満を言っているのを聞いたことがあります（たとえば、Lookerで集計を月次から日次に変更します。これは文字通りXNUMX回のクリックで構成されます）。 ）。 その文化を変えることが他人の仕事だとは思わないでください。 変更を確認したい場合は、変更を加えてください。 結局のところ、データサイエンティスト自身よりも、データカルチャーを構築し、データについて利害関係者を教育するのに適した立場にあるのは誰でしょうか。 会社のデータ文化の構築を支援することで、将来のあなたの生活や利害関係者の生活がはるかに楽になります。

これを回避する方法：

• 分析以外の利害関係者向けのトレーニングを実施し、セルフサービスのリソースを開発するのはあなたの責任です。
• 説教していることを実践し始め、クエリをスライドにリンクし、真実のデータソースをドキュメントにリンクし、コードとデータベースのドキュメント化を開始するようにしてください。 一晩でデータ文化を構築することはできないので、それは間違いなく忍耐が必要です。

私はあなたのキャリアで間違いを犯しても大丈夫であることを指摘したいと思います。 最も重要なことは、それらの間違いから学び、将来それらを回避することです。 またはさらに良いことに、他の人が同じ間違いをしないようにそれらを書き留めてください。

元の。 許可を得て転載。

バイオ： テッサ謝 MITで金融工学を専攻した修士号を取得した後、強力なエンジニアリングのバックグラウンドを持つ、データサイエンス、SQL、R、Python、消費者調査、経済調査に精通した経験豊富な高度な分析コンサルタントです。

関連する

• 3 つのミスが XNUMX 年間のデータ サイエンスの旅をどのように無駄にしたか
• データサイエンティストは、データが最大の問題であると考えています。 彼らが間違っている理由はここにあります。
• 3つのビッグデータサイエンスのキャリアミスから学ぶ