Soft Skills Every Data Scientist Needs - KDnuggets

Republicat de Platon

Urmaritori: 0

Abilități soft de care are nevoie orice cercetător de date
Imagine de autor

Îl cunosc pe acest tip care este un codificator incredibil. El a luat Python pentru schimbarea carierei sale, apoi a stivuit rapid JavaScript, Go, SQL și alte câteva doar pentru a le juca. Și e bun, de asemenea, nu doar unul dintre acei oameni care își pun limbile pe CV cu nr abilități de data scientist pentru a le sustine.

Dar îi este greu să se angajeze. L-am întâlnit la o cafea acum câteva săptămâni, iar conversația noastră a inspirat acest articol. Fără să vreau să-l insult prea mult, am adus în discuție cum a decurs ultimul lui interviu. Apăruse puțin târziu, nu trimisese un e-mail de mulțumire după aceea și, deși a reușit să rezolve orice problemă de codificare, nu sa implicat cu întrebările de pe tablă albă decât să scuipe un răspuns perfect corect.

„Kev”, i-am spus, „codarea ta este incredibil de bună. Orice companie ar fi norocoasă să te aibă ca cercetător al datelor. Dar trebuie să-ți lucrezi abilitățile soft.”

Iată cele patru abilități soft cheie pe care le recomand fiecărui om de știință de date, indiferent dacă doriți să intrați în domeniu, să avansați în carieră sau pur și simplu să faceți o treabă mai bună.

Abilități soft de care are nevoie orice cercetător de date
Imagine de autor

Toată lumea crede că asta înseamnă să știi să vorbești. Este invers: o bună comunicare înseamnă să știi să asculți, mai ales în știința datelor.

Imaginează-ți acest scenariu: o parte interesată, poate un VP de marketing, vine la tine cu o întrebare despre o campanie pe care dorește să o desfășoare. Este încântată de asta și are o viziune în minte, dar nu este sigură cum să măsoare impactul acesteia sau de ce date are nevoie. În loc să vă scufundați imediat în detaliile tehnice ale modului în care puteți extrage datele sau ce modele puteți utiliza, mai întâi ascultați. O lași să-și explice obiectivele, preocupările și ceea ce speră să obțină cu campania.

Ascultând activ, puteți înțelege contextul mai larg al cererii ei. Poate că nu caută doar o analiză simplă, ci vrea să înțeleagă comportamentul clienților sau să segmenteze publicul într-un mod pe care nu l-a luat în considerare. Ascultând mai întâi, puteți oferi o soluție care este adaptată nevoilor ei reale, nu doar sarcinii inițiale.

Comunicarea este cheia în știința datelor. Nu veți lucra într-un subsol întunecat tastând codul pe o tastatură toată ziua; veți primi solicitări și va trebui să puneți împreună prezentări și să aveți de-a face cu oamenii. Ca în abilități de analist de date, trebuie să știi să comunici pentru a reuși.

Sondajul StackOverflow 2023 pentru dezvoltatori este de fapt un exemplu excelent de adaptabilitate. Autorii au prezentat pentru prima dată o secțiune AI, arătând o adaptabilitate remarcabilă la un peisaj de dezvoltare în schimbare.

AI este doar un exemplu. Știința datelor este o ilustrare atât de grozavă a acestui vechi zical: singura constantă este schimbarea. Pentru a fi un om de știință al datelor de succes, trebuie să fii gata să te rostogolești cu pumnii.

Acest lucru poate însemna multe lucruri diferite. Cea mai evidentă aplicație este posibilitatea de a învăța cu ușurință noi tehnologii. Tehnologia cloud este nouă. AI este nou. FastAPI este nou. Trebuie să ții pasul cu toate.

O altă aplicație ține pasul cu scena angajării. Tendința în ultima vreme nu este doar să fii un cercetător de date în sensul tradițional; mulți angajatori se așteaptă să porți multe pălării. De asemenea, trebuie să fii inginer de date, inginer de învățare automată și, uneori, chiar expert în domeniu. Limitele dintre aceste roluri se estompează, iar oamenii de știință moderni de date se trezesc adesea jongland cu sarcinile care erau cândva împărțite în roluri separate.

Puteți, de asemenea, să înțelegeți și să înțelegeți și să integrați feedback-ul. Ca oameni de știință ai datelor, deseori construim modele sau soluții bazate pe anumite ipoteze sau seturi de date. Dar nu funcționează întotdeauna așa cum era de așteptat. A fi adaptabil înseamnă a lua acest feedback cu pasiune, a itera modelele tale și a le îmbunătăți pe baza rezultatelor din lumea reală.

Posibil cea mai proastă, dar cea mai importantă aplicație, este adaptabilitatea la concediere sau concediere. 2021 și 2022 au fost ani ciudați pentru forță de muncă, cu tone de mari companii care au concediat o mulțime de angajați cu puține avertismente. Este o idee bună să anticipați acest rezultat potențial și să fiți pregătiți pentru el.

Abilități soft de care are nevoie orice cercetător de date
Imagine de autor

Îți amintești cum am vorbit despre comunicare? Munca în echipă și colaborarea se încadrează în aceeași categorie. Ca om de știință de date, nu lucrezi doar cu alți oameni de știință ai datelor. Toată lumea iubește orice lucru bazat pe date, așa că vei fi destinatarul oricărui număr de solicitări de a produce prezentări PowerPoint, rapoarte și grafice.

Pentru a face acest lucru cu succes, trebuie să te joci frumos cu ceilalți. Proiectele de știință a datelor implică adesea lucrul cu echipe interfuncționale, inclusiv analiști de afaceri, ingineri și manageri de produs. Capacitatea de a colabora eficient asigură că soluțiile de știință a datelor se aliniază cu obiectivele de afaceri.

De exemplu, într-unul dintre rolurile mele anterioare, echipa de produs a dorit să introducă o nouă funcție în aplicația noastră. Evident, erau necesare date pentru a susține decizia lor. Ei m-au abordat pe mine și pe restul echipei de știință a datelor pentru informații despre comportamentul utilizatorilor legat de caracteristici similare.

În același timp, echipa de marketing a dorit să știe cum ar putea afecta această nouă caracteristică implicarea și păstrarea utilizatorilor. Între timp, echipa de ingineri trebuia să înțeleagă cerințele tehnice și modul în care vor fi afectate conductele de date.

Echipa noastră a devenit esențială în acest sens. A trebuit să adunăm cerințele de la echipa de produs, să oferim informații echipei de marketing și să lucrăm cu echipa de ingineri pentru a asigura un flux fluid al datelor. Acest lucru necesită nu doar expertiză tehnică, ci și capacitatea de a înțelege nevoile fiecărei echipe, de a comunica eficient și, uneori, de a media între interese conflictuale.

Eu iau calea de ieșire și nu menționez de rezolvare a problemelor ca abilitate moale supremă pentru că cred că este suprautilizată. Dar sincer, curiozitatea echivalează cu același lucru.

Ca om de știință a datelor, probabil că nu trebuie să vă spun că veți întâmpina o mulțime de probleme. Dar, la baza lor, fiecare problemă este de fapt o întrebare.

„Utilizatorii noștri nu fac conversie”, devine „Cum putem face acest produs mai atractiv?”

„Modelul meu nu îmi oferă predicții precise”, devine „Ce pot schimba pentru a-mi face modelul mai realist?”

„Vânzările noastre au scăzut în ultimul trimestru”, devine „Ce factori au influențat această scădere și cum le putem aborda?”

Fiecare dintre aceste probleme, atunci când este abordată cu o mentalitate curioasă, se transformă într-o întrebare care urmărește înțelegerea și îmbunătățirea. Curiozitatea te determină să sapi mai adânc, să nu accepți doar lucrurile la valoarea nominală și să cauți continuu soluții mai bune.

Kevin, din introducerea mea, a fost o persoană curioasă în general. Dar, dintr-un motiv oarecare, când era vorba de știința datelor, avea ochiuri aprinse. Fiecare problemă a devenit un cui care trebuia rezolvat cu un ciocan cod. Și realitatea este că nu o mare parte din munca în domeniul științei datelor se poate face în acest fel.

Mi-a dat un exemplu de ceva ce a fost întrebat recent la un interviu: „Echipa de asistență pentru clienți a primit reclamații cu privire la procesul de finalizare a plății site-ului. Cum ai aborda asta?”

Kevin a continuat în detaliu cum ar remedia defecțiunea tehnică. Dar răspunsul pe care îl căuta intervievatorul său a fost o întrebare de genul „De ce utilizatorii consideră greoi procesul de plată?”

În lumea reală, un cercetător de date ar trebui să pună această întrebare pentru a rezolva problema. Poate că utilizatorii dintr-o anumită regiune se confruntă cu probleme din cauza integrării unui gateway de plată local. Sau poate că versiunea mobilă a site-ului nu este la fel de ușor de utilizat, ceea ce duce la abandonarea coșului.

Încadrând problema ca o întrebare, cercetătorul de date nu se oprește doar la identificarea problemei; se adâncesc în „de ce” din spatele lui. Această abordare nu numai că duce la soluții mai eficiente, dar descoperă și perspective mai profunde care pot conduce la decizii strategice.

Există o mulțime de abilități soft pe care nu le-am menționat aici, cum ar fi empatia, reziliența, gestionarea timpului și gândirea critică, pentru a numi câteva. Dar dacă te gândești bine, toate se încadrează în acele paranteze.

Comunicați cu oamenii. Aflați cum să schimbați. Să fii capabil să lucrezi cu alții. Și abordați problemele cu curiozitate. Cu aceste patru abilități soft, veți putea rezolva orice problemă, interviu de angajare sau bug care vă iese în cale.

Nate Rosidi este un om de știință de date și în strategie de produs. El este, de asemenea, profesor adjunct care predă analiză și este fondatorul StrataScratch, o platformă care îi ajută pe oamenii de știință ai datelor să se pregătească pentru interviurile lor cu întrebări de interviu reale de la companii de top. Conectați-vă cu el Twitter: StrataScratch or LinkedIn.