Лучшие специалисты по данным начинают с правильных вопросов.
Возможно, вы правы, если считаете, что ваш работодатель не ценит вас, но, возможно, не по тем причинам, по которым вы думаете. Ваша ценность для работодателя зависит от ценности, которую вы производите. Это не превращает их в злодеев. Просто так делается бизнес. Однако у специалистов по данным есть проблема с этим. Исследователей данных не учат приносить пользу бизнесу. Их учат использовать данные для подгонки моделей. Поскольку это относительно молодая область, работодатели часто не осознают, какую ценность могли бы добавить специалисты по данным, если бы они просто попросили. В типичном случае «не знаю, чего не знаешь» результат разочаровывает всех.
Наука о данных сейчас воспринимается работодателями как неудавшаяся затея. Тем временем недовольные специалисты по обработке и анализу данных покидают свои рабочие места в поисках тех, где их по-настоящему ценят. Когда это происходит, это ужасно, но так быть не должно. На самом деле изменить ситуацию не так сложно, как вы думаете. Ключ в том, чтобы сконцентрироваться на создании ценности. Вы можете начать с изменения вопросов, которые вы задаете себе и другим людям. Небольшие изменения в вопросах, которые вы задаете, могут оказать огромное влияние на то, насколько люди считают вас специалистом по данным.
Вопросы, которые нужно задать:
1. На какой именно вопрос вы хотите ответить?
Крайне важно, по крайней мере, иметь общее представление о теме, на которую вы хотите ответить, прежде чем запрашивать какой-либо сбор данных. Нежелательно проверять несколько гипотез, прежде чем решить, какие из них важны. Если бы вы это сделали, то столкнулись бы с проблемой множественной проверки гипотез.
2. Уверены ли вы в конкретной цели вашего измерения?
Как только вы осознаете проблему, которую хотите решить, вы должны решить, как это сделать. Выбор того, что измерять, является необходимым шагом в этом процессе. К одному и тому же вопросу часто можно подойти по-разному. Однако, если вы выберете для измерения неправильное влияние или переменную, вы не сможете должным образом решить свою проблему. Поэтому крайне важно тщательно оценить, является ли то, что вы хотите измерить, лучшим способом ответа на ваш запрос, вызывающий интерес.
3. Есть ли у вас соответствующая информация для ответа на ваш запрос?
Следовательно, вам нужно иметь данные для проведения этого измерения, когда у вас есть проблема, которую нужно решить, и знать, как оценить интересующий вас эффект. Самая важная и интригующая тема и переменная для изучения бесполезны, если у вас нет ресурсов для этого. Это. Довольно необычно иметь идеальный набор данных для точного ответа на запрос и оценки интересующего конкретного эффекта. Как специалист по данным, наличие неверных данных может быть довольно неприятным.
4. Знаете ли вы, как правильно собирались ваши данные?
Просто потому, что вы знаете, как определить свой эффект интереса и справиться с проблемой, вы думаете об этом, не означает, что вы должны расслабиться. Наборы данных не просто волшебным образом материализуются со всеми необходимыми деталями. Существует множество различных методов сбора данных. Обычно в них участвуют люди или машины, что оставляет место для ошибки. Постарайтесь учитывать как можно больше потенциальных причин совершения ошибки при анализе или, по крайней мере, осознавать их.
5. Есть ли какие-либо моральные вопросы, на которые нужно ответить?
Это важный запрос, который часто игнорируется. Этичны ли выводы, к которым вы пришли на основе вашего анализа? Вы можете быть озадачены идеей этических проблем в анализе. Кажется невероятным, что правильно собранные, изученные и проанализированные данные могут быть аморальными. Но на самом деле такие предрассудки, как сексизм и расизм, иногда проникают непреднамеренно. Особенно, когда реальность, для представления которой мы используем статистику, содержит такие элементы, как несправедливость и предвзятость.
6. Кто будет читать ваш анализ и насколько хорошо они разбираются в статистике?
Кто будет читать ваш анализ или получать его? Использует ли человек продукт или веб-сайт? команда в науке о данных? Группа продаж, команда по развитию бизнеса, команда маркетинга и т. д. Эти группы обладают рядом статистических знаний. Поэтому вам может потребоваться скорректировать свой анализ, чтобы он соответствовал вашей аудитории, в частности, методы, которые вы используете, то, как вы представляете свои результаты, и любые ограничения, которые они могут иметь. Как специалист по данным, вы должны убедиться, что правильно доносите свои выводы до целевой аудитории. Вы должны учитывать, какими статистическими знаниями обладает ваша аудитория.
7. Нужно ли вам быть готовым защищать или оспаривать стратегии, которые вы выбрали для ответа на ваш запрос?
Крайне важно учитывать, сколько знаний вам потребуется, чтобы иметь возможность критически изучить анализ или модель, которую вы разрабатываете, прежде чем выбирать метод для своего проекта по науке о данных. Иногда вам может понадобиться подробно описать каждое действие, которое вы совершили. Это детализирует все факторы, которые учитывались, и их значимость. Иногда точность является ключом к успеху. В таких случаях, пока модель делает прогнозы с минимальной неточностью, не имеет значения, что в нее вложено.
Сообщение Правильные вопросы делают хороших специалистов по данным! «Подготовьте себя» впервые появилось на .
