Data science

นักวิทยาศาสตร์ข้อมูล Lyft แบ่งปันคำแนะนำด้านอาชีพห้าชิ้น

ทรอย ชูแบ่งปันคำแนะนำของเขาในการเริ่มต้นบทบาทใหม่ การเป็นนักเล่าเรื่องที่ดีขึ้น การจัดการผู้มีส่วนได้ส่วนเสีย การจัดการ และสร้างที่ปรึกษา หมายเหตุบรรณาธิการ: โพสต์นี้เผยแพร่ครั้งแรกที่ Towards Data Science ซึ่งเป็นแนวคิด แนวคิด และรหัสที่เผยแพร่สื่อสิ่งพิมพ์ขนาดกลาง ปัจจุบัน Troy Shu เป็นนักวิทยาศาสตร์ข้อมูลที่ Lyft ซึ่งเป็นบริษัทขนส่งที่มีผู้ใช้มากกว่า 23 ล้านคน เขาอยู่ในนิวยอร์ก ซึ่งเขาช่วยสร้างธุรกิจมอเตอร์ไซค์และสกู๊ตเตอร์ งานของเขารวมถึงการร่วมมือกับวิศวกรข้อมูลเพื่อสร้างไปป์ไลน์ข้อมูลใน Airflow การสร้างแดชบอร์ด การทดสอบ A/B และการทำงานร่วมกับผู้จัดการผลิตภัณฑ์ในการวิเคราะห์ผลิตภัณฑ์ ก่อน Lyft เขาทำงานเป็นนักวิทยาศาสตร์ข้อมูลที่ Squarespace ดำเนินธุรกิจให้คำปรึกษาด้านวิทยาศาสตร์ข้อมูลของเขาเอง ทำงานเป็นวิศวกรซอฟต์แวร์ที่ Bond Street รวมถึงนักวิเคราะห์การวิจัยที่ AQR (ที่ Wes McKinney ได้สร้างและเปิดแหล่งที่มาของไลบรารี Pandas Python) เขาสำเร็จการศึกษาจากมหาวิทยาลัยเพนซิลเวเนียด้วยปริญญาสองปริญญาด้านวิทยาการคอมพิวเตอร์และเศรษฐศาสตร์ 1. ในการเริ่มบทบาทใหม่ เมื่อเริ่มต้นที่บริษัทใหม่ ทรอยแนะนำให้สร้างความเชี่ยวชาญด้านโดเมนก่อน วิธีที่ดีที่สุดในการสร้างความเชี่ยวชาญด้านโดเมนคือการพูดคุยกับผู้คนจำนวนมาก ทั้งในแผนกของคุณและนอกแผนก เมื่อเขาเข้าร่วม Lyft เป็นครั้งแรก เขาต้องแน่ใจว่าได้กำหนดเวลา 15 นาทีกับผู้คนจากแผนกต่างๆ เพื่อพยายามหาที่ดิน เขาเสริมการสนทนาเหล่านี้ด้วยการอ่านเอกสารให้มากที่สุดเท่าที่เขาจะทำได้ ระหว่างการประชุมเหล่านี้ เขาเน้นที่การถามคำถามมากมายเพื่อเร่งการเรียนรู้ของเขา เมื่อคุณสร้างความเชี่ยวชาญด้านโดเมนแล้ว คุณสามารถเริ่มระบุผู้ชนะอย่างรวดเร็ว โครงการที่โดยทั่วไปจะใช้เวลาน้อยกว่า 2 สัปดาห์ เพื่อสร้างความน่าเชื่อถือและความไว้วางใจ เพื่อให้แน่ใจว่าโครงการเหล่านี้สร้างผลกระทบได้ ก่อนอื่นให้เรียนรู้สิ่งที่สำคัญที่สุดสำหรับผู้จัดการของคุณ ผู้จัดการของผู้จัดการของคุณ และบริษัทโดยรวม อีกวิธีหนึ่งในการหาชัยชนะอย่างรวดเร็วคือการพิจารณาว่าทีมของคุณอยู่ในช่วงใด พวกเขากำลังพยายามสร้างบางสิ่งหรือกำลังพยายามคิดว่าจะสร้างอะไรต่อไป การตอบคำถามประเภทนี้จะช่วยแจ้งการตัดสินใจของคุณเกี่ยวกับประเภทของการชนะอย่างรวดเร็ว 2. การเป็นผู้เล่าเรื่องที่ดีขึ้น ในกรณีส่วนใหญ่ การเล่าเรื่องเป็นทักษะที่สำคัญที่สุดอย่างหนึ่งที่นักวิทยาศาสตร์ข้อมูลสามารถพัฒนาได้ นักเล่าเรื่องที่ดีที่สุดคือคนที่สามารถสร้างกระแสบางอย่างได้เมื่อนำเสนอข้อมูลเชิงลึก นี่หมายถึงการหลีกเลี่ยงความไม่ต่อเนื่องในการนำเสนอของคุณและใช้ประโยชน์จากโครงสร้างการเล่าเรื่องจากบนลงล่าง ซึ่งหมายความว่าเริ่มต้นด้วยข้อมูลเชิงลึกที่สำคัญที่สุด (อย่าฝังตัวผู้นำ!) การสร้างตัวตนของผู้ใช้ปลอมเพื่อแสดงให้เห็นว่าพวกเขาใช้ผลิตภัณฑ์อย่างไรเป็นอีกเรื่องหนึ่ง เทคนิคที่มีประสิทธิภาพในการเล่าเรื่อง ความสามารถในการทำให้ข้อมูลของคุณมีมนุษยธรรมสามารถทำให้ข้อมูลเชิงลึกน่าสนใจและน่าจดจำมากขึ้น องค์ประกอบสำคัญอีกประการของการเล่าเรื่องคือการสร้างภาพข้อมูล การสร้างภาพข้อมูลที่ดีสามารถสร้างหรือทำลายการนำเสนอได้ มันอาจจะถูกนำมาใช้ซ้ำในการนำเสนออื่น ๆ ทั่วทั้งบริษัท! ทรอยแนะนำให้อ่าน Storytelling With Data และไลบรารี Chartify python สำหรับผู้ที่ต้องการพัฒนาทักษะการสร้างภาพข้อมูล สุดท้าย ให้มองหาโอกาสในการทำงานร่วมกับนักวิจัย UX ไม่ว่าจะเป็นการร่วมมือกันในโครงการหรือใช้ประโยชน์จากงานที่มีอยู่ของกันและกัน การรวมข้อมูลเชิงลึกเชิงปริมาณและเชิงคุณภาพร่วมกันในเรื่องราวของคุณสามารถสร้างการผสมผสานที่ทรงพลัง 3. การจัดการผู้มีส่วนได้ส่วนเสีย การทำงานร่วมกับผู้มีส่วนได้ส่วนเสียที่หลากหลายหมายถึงความสามารถในการใช้มุมมองของพวกเขา ตัวอย่างเช่น หากคุณกำลังทำงานกับ Product Manager การแสดงความรู้สึกบางอย่างเกี่ยวกับผลิตภัณฑ์อาจเป็นวิธีที่แน่นอนในการสร้างความไว้วางใจ อีกเทคนิคหนึ่งที่อาจมีประโยชน์คือการใช้มุมมองของผู้ใช้ และใช้ประโยชน์จากหลักการออกแบบที่เน้นมนุษย์เป็นศูนย์กลาง กับดักที่ควรหลีกเลี่ยงเมื่อทำงานกับผู้มีส่วนได้ส่วนเสียกำลังตกหลุมกระต่ายและออกมาพร้อมกับการส่งมอบที่สวยงาม วิธีการนี้สามารถย้อนกลับได้อย่างง่ายดายหากปรากฎว่างานที่คุณทำไม่ใช่สิ่งที่ผู้มีส่วนได้ส่วนเสียคิดไว้ในใจ วิธีที่ดีกว่าคือการวนซ้ำและเพิ่มขึ้น ตัวอย่างเช่น การใช้ประโยชน์จากวิธีการเริ่มต้นแบบลีนเพื่อสร้างต้นแบบเบื้องต้นและรับคำติชมจากผู้มีส่วนได้ส่วนเสียเพื่อให้แน่ใจว่าคุณกำลังมาถูกทาง ประการสุดท้าย ให้คำแนะนำโดยตรงซึ่งควรเป็นรูปธรรมและชัดเจน เพื่อให้ผู้มีส่วนได้ส่วนเสียสามารถประเมินทางเลือกและตัดสินใจได้ พยายามอย่าครอบงำพวกเขาด้วยการวิเคราะห์ที่มีสาระสำคัญ ให้เลือกใส่ข้อมูลนั้นในภาคผนวกหรือละเว้นทั้งหมดเพื่อให้คุณสามารถมุ่งเน้นไปที่องค์ประกอบหลักของคำแนะนำของคุณ 4. การจัดการ หนึ่งในความสัมพันธ์ที่สำคัญที่สุดที่คุณจะจัดการในฐานะนักวิทยาศาสตร์ข้อมูลคือความสัมพันธ์ที่มีกับเจ้านายของคุณ การเรียนรู้ศิลปะของการจัดการเป็นสิ่งสำคัญ เพื่อให้คุณพร้อมสำหรับความสำเร็จ การฟังมากกว่าพูด และทำให้ผู้จัดการของคุณรู้สึกว่าได้ยินเป็นวิธีที่ยอดเยี่ยมในการสร้างสายสัมพันธ์ ไม่มีอะไรเลวร้ายไปกว่าความสัมพันธ์ของคุณกับผู้จัดการของคุณมากไปกว่าการขอคำแนะนำจากพวกเขา เพียงแต่ทำสิ่งที่ตรงกันข้ามกับสิ่งที่พวกเขาแนะนำ การพิจารณาว่าผู้จัดการของคุณได้รับการประเมินอะไร จากนั้นช่วยให้ผู้จัดการของคุณดูดีเป็นหนึ่งในวิธีที่ดีที่สุดในการสร้างความสัมพันธ์ที่ดีกับพวกเขา ในที่สุดชะตากรรมในอาชีพการงานของคุณอยู่ในมือของผู้จัดการของคุณ ดังนั้นอย่าลืมค้นหาว่าอะไรเป็นแรงจูงใจให้พวกเขา และทำอย่างไรจึงจะดีที่สุดด้วยรูปแบบการจัดการของพวกเขา 5. วิธีสร้างที่ปรึกษา สำหรับผู้ที่ต้องการทำงานนอกเวลาหรือสร้างที่ปรึกษาเต็มเวลา Troy มีคำแนะนำที่หลากหลาย อย่างแรกคือต้องมีวินัยในการกำหนดเวลาทำงานและสร้างกระบวนการสำหรับตัวคุณเอง นี่อาจหมายถึงการเช่าพื้นที่ทำงานร่วมกันซึ่งคุณสามารถจำลองสภาพแวดล้อมการทำงานแบบดั้งเดิมได้ การทำตามตารางเวลาที่คล้ายกับพนักงานที่ได้รับเงินเดือนสามารถช่วยสร้างแรงผลักดันเชิงบวกและสร้างกิจวัตรเชิงบวกได้ คำแนะนำอีกประการหนึ่งคือการฝึกฝนความสามารถในการเสนอขายและการขายของคุณ เวลาส่วนใหญ่ของคุณเมื่อคุณเริ่มต้นจะพยายามหางานของลูกค้า เมื่อชื่อเสียงของคุณเติบโตขึ้น คุณอาจเริ่มได้รับขาเข้า แต่ในระยะเริ่มแรก จะต้องมีการดำเนินการทางกฎหมายมากมายเพื่อให้ได้โปรเจ็กต์แรกๆ ในการจัดหาลูกค้า แนวทางหลักสามวิธีได้แก่ เครือข่ายส่วนบุคคล เครือข่ายชุมชน และพอร์ทัลออนไลน์ เช่น Upwork เครือข่ายส่วนตัวของคุณมีแนวโน้มว่าคุณจะประสบความสำเร็จมากที่สุดในการรับงานของลูกค้า ไม่ว่าจะเป็นอดีตเพื่อนร่วมงานหรือเครือข่ายศิษย์เก่าของวิทยาลัย เครือข่ายชุมชนประกอบด้วยชุมชนทางกายภาพ เช่น ที่พบใน Meetup หรือชุมชนออนไลน์ เช่น Reddit ในกรณีหลัง ทรอยสามารถหางานลูกค้าบางส่วนได้หลังจากทำการวิเคราะห์แบบครั้งเดียวอย่างรวดเร็วสำหรับใครบางคนในชุมชนวิทยาศาสตร์ข้อมูล Reddit แนวทางที่สามมีกำไรน้อยกว่าจากทั้งสามวิธี เนื่องจากคุณจะต้องแข่งขันกับฐานผู้มีความสามารถอิสระระดับโลก ซึ่งหลายๆ วิธีไม่มีปัญหากับการเสนอราคาต่ำเนื่องจากค่าครองชีพที่ต่ำ Data Minds เป็นซีรีส์ที่รวบรวมโปรไฟล์ของมืออาชีพที่ทำงานกับข้อมูล ในชุดนี้ คุณจะได้เรียนรู้เกี่ยวกับเรื่องราวในแต่ละวัน และคำแนะนำสำหรับคนอื่นๆ

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button