Cómo demostrarle a un empleador que soy un científico de datos valioso

En mi opinión, los científicos de datos valiosos generan ideas que son:

  • hacer dinero, y
  • procesable.

Una idea de hacer dinero es aquella que identifica inequívocamente una oportunidad impactante o una debilidad.

Una información es procesable si se puede implementar dentro de la esfera de control de la compañía dentro de un marco de tiempo específico.

En mi experiencia, las ideas accionables y que hacen dinero son aquellas que descubren frutas bajas.

Estas ideas son excelentes porque conducen a victorias rápidas y un alto retorno de la inversión.

También tienden a ser fáciles de obtener los compromisos de los equipos de negocios y ejecutivos, porque el obstáculo percibido es bajo.

Los análisis que identifican ideas para hacer dinero no necesitan ser sofisticados. Un simple análisis de RFM, por ejemplo, puede ser lo suficientemente bueno como para generar muchas ideas comerciales viables.

Las ideas complejas de estudios caros a largo plazo no solo son riesgosas sino que tienden a ser difíciles de implementar. También son más propensos a errores. Por supuesto, las empresas aún necesitan invertir en proyectos de análisis a largo plazo para descubrir ideas estratégicas más matizadas.

Tenga paciencia conmigo en una pequeña perorata y llegaré al punto.

Su pregunta plantea un problema que he discutido con personas que desean implementar análisis o crear equipos de análisis de datos / ingeniería / ciencia. El problema es que todos quieren hacerlo, pero muy pocas personas saben por qué.

¿Por qué las empresas quieren personas de datos? La respuesta lógica es ganar más dinero. Pero eso es un no objetivo. Un mejor objetivo sería “aumentar los ingresos en un x% para Qy 2016”, pero eso también presenta problemas, por ejemplo, ¿cómo separarán las empresas efectivamente las acciones de los equipos de datos de las acciones de otros equipos?

Mi conclusión es que la mayoría de las empresas no saben por qué o cómo aprovechar los equipos de datos.

Mi opinión al respecto es que las empresas tienen una estrategia y esa estrategia implica acciones para mover la aguja en algunos KPI. El trabajo de los equipos de datos es crear condiciones para que esas agujas se muevan. Ya sea por información, coloquialmente llamada insights, o acción, típicamente en forma de productos de datos.

Volviendo a su pregunta, paso a paso:

  1. ¿Sabes cuál es la estrategia y los KPI asociados? Sin este conocimiento, no puede medir el aumento que crea en esos KPI y, por lo tanto, no es posible probar o refutar su valor. Estos no tienen que ser financieros. Por ejemplo, para los editores de juegos como Miniclip, aumentar la retención no es financiero, sino que está estrechamente relacionado con la monetización.
  2. Si lo hace, ¿están alineados sus objetivos con la estrategia y los KPI? Si lo son, genial! Si no son … bueno … ¿cuál es el punto? ¡Desea afectar positivamente la estrategia de la empresa! De lo contrario, no hay valor en los equipos de datos.
  3. Si sus objetivos están alineados, ¿cumplió los objetivos? Si es así, está probado, si no, no está probado.

Espero que esto ayude.

Muchas habilidades y conocimientos difíciles son duramente ganados y desarrollados. Esto apunta directamente a la falta de talento analítico. Al igual que la fluidez de programación en muchos idiomas, el modelado estadístico y matemático y la contribución del dominio. Estos se vinculan con el aprendizaje automático o el análisis de datos que los empleadores quieren que realice.

Ellos son personas. Estas personas provienen de varios intereses departamentales y una misión general de la compañía. Su papel es uno entre muchos, pero la integración exitosa de sus habilidades demandadas en su empresa de trabajo, hace un progreso suave.

El campo de la ciencia de datos generalmente no se conoce bien, tomando el aprendizaje disciplinario de muchos. Todavía no ha alcanzado un estado estable de formación académica. Pronto, los profesores verán los resultados de los estudiantes en el aprendizaje y la colocación laboral, y rediseñarán el programa en consecuencia.

Su trabajo en esta etapa es, por supuesto, satisfacer la demanda, establecer buenas relaciones profesionales, enfocarse en la empresa obediente y atravesar la ambigüedad de un nuevo campo y trabajo. El mercado equilibrará las habilidades innecesarias o solicitará nuevas, ya que el trabajo de científico de datos se experimenta en muchas empresas.

Quora User golpeó el clavo en la cabeza con dos puntos simples. Ganar dinero y accionable. No soy un científico de datos ni los administro. La mayoría de mis consejos serán inútiles.

Hago; sin embargo, entienda cómo funciona el negocio básico. Tu empresa quiere ganar dinero. No me importa en qué campo te encuentres, ganar dinero es cómo mantenemos el puntaje.

Entonces, para agregar algunos puntos fuera de lo que John ha dicho, piense en estas cosas en relación con su desempeño laboral:

  1. ¿Cómo está tu jefe manteniendo puntaje en el rendimiento?
  2. ¿Estás excediendo las expectativas de rendimiento?

Su jefe puede estar haciendo un trabajo horrible diciéndole lo que se espera de su posición. Tal vez sea difícil decirle a un científico de datos qué debe hacerse en su función.

Paso uno: reúnete con tu jefe o jefes o con quien te diga lo que hay que hacer. Pregúnteles cómo mantienen su puntaje en su desempeño. Es así de simple.

Si comienzan a hacer dobladillos y hawing, entonces deberías comenzar a enloquecer un poco. Si él / ella no sabe, entonces estás condenado.

Si no obtienes respuestas directas, estás solo para mostrar el valor. Que esta bien. Aquí hay una fórmula simple:

  1. ¿Quien es tu cliente?
  2. ¿Cómo puede su trabajo mejorar la experiencia del cliente?
  3. ¿Cómo puede su trabajo crear nuevos productos para los mejores clientes?

Si su jefe no puede decirle cómo mantiene el puntaje en su desempeño, entonces tiene que resolverlo usted mismo.

Este es un problema común con todo tipo de empresas. Demonios, he sido culpable de no articular claramente lo que se espera de las personas que lidero.

Lo importante es que estás haciendo las preguntas correctas. Me siento mal por el tipo que continúa su camino alegre hasta que se reducen por no exceder las expectativas de rendimiento.