優れたデータサイエンティストまたはデータアナリストになるために必要なスキルに関する記事はたくさんありますが、成功するために必要なスキルについて説明している記事はほとんどありません。本日は、データサイエンティストおよびデータアナリストとしての彼女の個人的な経験と、成功を収めるために彼女が学んだことを著者が共有したい資料を紹介します。
私は幸運でした。データサイエンスの経験がなかったときに、データサイエンティストのポジションを提供されました。私がこのタスクをどのように処理したかは別の話であり、私は仕事に就く前にデータ科学者が何をするかについて漠然とした考えしか持っていなかったと言いたいです。
私は、データエンジニアとしての以前の仕事に関連して、データパイプラインの作業に雇われました。そこでは、データ科学者のグループが使用する予測分析データマートを開発しました。
データサイエンティストとしての私の最初の年は、機械学習モデルをトレーニングするためのデータパイプラインを作成し、それらを本番環境に実装することでした。私は目立たず、モデルのエンドユーザーであるマーケティング関係者とのミーティングの多くには参加しませんでした。
会社での2年目に、マーケティングを担当するデータ処理および分析マネージャーが辞任しました。それ以来、私は主人公になり、モデルの開発やプロジェクトの期限についての議論に積極的に関わってきました。
関係者とのコミュニケーションの中で、データサイエンスは人々が聞いたことがある漠然とした概念であることに気づきましたが、特に上級管理職に関しては、それを完全には理解していません。
私は100を超えるモデルを作成しましたが、最初にマーケティングからモデルが要求されたにもかかわらず、その価値を示す方法がわからなかったため、使用されたのは3分の1にすぎませんでした。
私のチームメンバーの1人は、上級管理職がデータサイエンティストチームの価値を実証すると感じたモデルの開発に数か月を費やしました。このモデルが開発されたら、このモデルを組織全体に拡張し、マーケティングチームに適用を促すというアイデアでした。
機械学習モデルが何であるかを誰も理解できず、そのアプリケーションの価値を理解できなかったため、これは完全な失敗であることが判明しました。結局、誰も望んでいないことに何ヶ月も無駄になりました。
そのような状況から、私は以下に与える特定の教訓を学びました。
, , -
1. , .
会社のインタビュー中に、データの文化と、意思決定に採用および使用されている機械学習モデルの数について質問します。例を求めてください。データインフラストラクチャがモデリングを開始するように設定されているかどうかを確認します。生データを引き出してクリーンアップすることに時間の90％を費やすと、データサイエンティストとしての価値を実証するためのモデルを構築する時間がほとんどまたはまったくなくなります。データサイエンティストとして初めて採用する場合は注意してください。これは、データの文化に応じて、良いことも悪いこともあります。会社がとして知られることを望んでいるという理由だけで上級管理職がデータサイエンティストを雇う場合、モデルを実装するときに多くの抵抗に直面する可能性がありますデータサイエンスを使用してより良い決定を下しますが、それが実際に何を意味するのかわかりません。さらに、データ主導の会社を見つけたら、それとともに成長します。
2.データと主要なパフォーマンス指標（KPI）を把握します。
最初に、私はデータエンジニアとして、データサイエンティストチームのために分析データマートを作成したと述べました。自分でデータサイエンティストになった私は、以前のポジションで生データを集中的に扱っていたため、モデルの精度を高める新しい機会を見つけることができました。
キャンペーンの1つの結果を提示することで、より高いコンバージョン率を生成するモデルを（パーセンテージで）表示することができ、次にKPIの1つを測定しました。これは、マーケティングを関連付けることができるビジネスパフォーマンスモデルの価値を実証しました。
3.利害関係者にその価値を示すことにより、モデルの受け入れを確保する利害
関係者がモデルを使用してビジネス上の意思決定を行わない場合、データサイエンティストとして成功することはありません。モデルの受け入れを確実にする1つの方法は、ビジネスの問題点を見つけて、モデルがどのように役立つかを示すことです。
営業チームと話をしたところ、2人の担当者がフルタイムで働いており、会社のデータベース内の数百万人のユーザーを手動でスキャンして、チームライセンスに切り替える可能性が高いシングルライセンスユーザーを特定していることに気付きました。選択には一連の基準が使用されましたが、担当者が一度に1人のユーザーを確認したため、選択に時間がかかりました。私が開発したモデルを使用して、営業担当はチームライセンスを購入する可能性が最も高いユーザーを選択し、より短い時間でコンバージョンの可能性を高めることができました。これにより、営業チームが関係する可能性のあるKPIのコンバージョン率が向上し、時間の効率的な使用が実現しました。
数年が経ち、同じモデルを繰り返し開発し、新しいことは何も学ばなくなったと感じました。私は別のポジションを探すことにし、データアナリストのポジションを取得することになりました。私がマーケティングに戻ったとしても、責任の違いは、私がデータサイエンティストだったときと比べてそれほど重要ではありませんでした。
A / B実験を分析し、すべてを見つけたのはこれが初めてでした実験がうまくいかない方法。データサイエンティストとして、実験チームのために予約されていたため、A / Bテストにはまったく取り組みませんでした。私は、プレミアムコンバージョン率の向上からユーザーエンゲージメントやチャーン防止まで、マーケティングの影響を受けた幅広い分析研究に取り組んできました。私はデータのさまざまな見方を学び、結果をまとめて利害関係者や上級管理職に提示することに多くの時間を費やしました。データサイエンティストとして、私は主に1つのタイプのモデルに取り組み、ほとんど話をしませんでした。数年早送りして、アナリストとして成功するために学んだスキルに進みましょう。
成功するデータアナリストになるために学んだスキル
1.データでストーリーを伝える方法を学ぶ
KPIを単独で見ないでください。それらを結び付け、ビジネス全体を見てください。これにより、相互に影響する領域を特定できます。上級管理職はレンズを通してビジネスを見て、このスキルを発揮する人は、昇進の決定をするときに気づかれます。
2.実用的なアイデアを
提供する問題を解決するための実用的なアイデアをビジネスに提供します。最優先の問題に取り組んでいるとすでに言われる前に、積極的に解決策を提案するとさらに良いでしょう。
たとえば、マーケターに言うと、「最近、ウェブサイトの訪問者数が月ごとに減少していることに気づきました」。..。これは彼らがダッシュボードで気づいたかもしれない傾向であり、あなたは観察したと主張しただけなので、アナリストとして価値のある解決策を思い付かなかった。
代わりに、データを調べて原因を見つけ、解決策を提案してください。より良いマーケティングの例は次のとおりです。「最近、当社のWebサイトへの訪問者数が減少していることに気づきました。最近の変更によりGoogle検索のランキングが下がったため、オーガニック検索が問題の原因であることがわかりました。」このアプローチは、会社のKPIを追跡し、変更に気づき、原因を調査し、問題の解決策を提供したことを示しています。
3.信頼できるアドバイザーになる
あなたは、あなたの利害関係者があなたがサポートする仕事のラインについてのガイダンスや質問のために最初に頼る人である必要があります。これらの能力を発揮するには時間がかかるため、近道はありません。重要なのは、エラーを最小限に抑えて高品質の分析を一貫して提供することです。次回分析を送信するときに、人々が自問する可能性があるため、計算を誤ると信頼性ポイントが失われます。前回間違っていた場合、今回も間違っている可能性がありますか？ ..。常にあなたの仕事を再確認してください。また、分析について疑問がある場合は、送信する前に上司や同僚に番号を確認するように依頼しても問題ありません。
4.
繰り返しますが、効果的なコミュニケーションを学ぶための近道はありません。それは練習が必要です、そして時間とともにあなたはそれで良くなるでしょう。重要なのは、やりたいことの要点を特定し、分析の結果、利害関係者がビジネスを改善するために実行できるアクションを推奨することです。あなたが企業のはしごの上にいるほど、コミュニケーションスキルはより重要になります。複雑な結果を伝えることは、実証する必要のある重要なスキルです。私はデータサイエンティストおよびデータアナリストとして成功の秘訣を何年も学びました。人々はさまざまな方法で成功を定義します。 「アメージング」と「スター」のアナリストとして特徴付けられることは、私の目には成功です。これらの秘密を知った今、あなたの道があなたをより早く成功に導くことを願っています、しかし、あなたはそれを定義します。
そして、成功への道をさらに速くするために、HABRプロモーションコードを保持してください。これにより、バナーに示されている割引にさらに10％を得ることができます。
- データサイエンスのオンラインブートキャンプ
- データアナリストの職業をゼロからトレーニングする
- データ分析オンラインブートキャンプ
- データサイエンスの専門家をゼロから教える
- Python forWeb開発コース
その他のコース