Data science

ข้อความที่ตัดตอนมาจากหนังสือ: Minding the Machines

บทความต่อไปนี้เป็นข้อความที่ตัดตอนมาจากหนังสือเล่มใหม่ Minding the Machines: Building and Leading Data Science and Analytics Teams โดย AI และผู้เชี่ยวชาญด้านกลยุทธ์การวิเคราะห์ Jeremy Adamson จัดพิมพ์โดย John Wiley & Sons, Inc. จัดระเบียบ วางแผน และสร้างการวิเคราะห์ข้อมูลที่ยอดเยี่ยม ทีมภายในองค์กรของคุณ ในชื่อใหม่นี้ Adamson นำเสนอแผนงานที่เข้าถึงได้และชาญฉลาดเพื่อจัดโครงสร้างและนำทีมวิเคราะห์ที่ประสบความสำเร็จ หนังสือเล่มนี้สำรวจงาน กลยุทธ์ วิธีการ และกรอบงานที่จำเป็นสำหรับองค์กรที่เริ่มต้นการโจมตีครั้งแรกในพื้นที่การวิเคราะห์หรืองานที่กำลังรีบูตทีมเป็นครั้งที่นับไม่ถ้วนเพื่อค้นหาความสำเร็จ ในหนังสือเล่มนี้ คุณจะค้นพบ: มุ่งเน้นไปที่สามเสาหลักของกลยุทธ์ กระบวนการ และบุคลากร และบทบาทของพวกเขาในการสร้างทีมวิเคราะห์ซ้ำซากและต่อเนื่อง เน้นย้ำหลักการสามประการตามด้วยทีมวิเคราะห์ที่ประสบความสำเร็จ: เริ่มตั้งแต่เนิ่นๆ ทำงานช้าและมุ่งมั่นอย่างเต็มที่ ความสำคัญของการสร้างเป้าหมายและวัตถุประสงค์ที่ชัดเจนเมื่อสร้างหน่วยวิเคราะห์ใหม่ในองค์กร เหมาะสำหรับผู้บริหาร ผู้จัดการ หัวหน้าทีม และผู้นำธุรกิจอื่นๆ ที่ได้รับมอบหมายให้วางโครงสร้างและนำทีมวิเคราะห์ที่ประสบความสำเร็จ Minding the Machines ยังเป็นทรัพยากรที่ขาดไม่ได้สำหรับนักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์ที่ต้องการทำความเข้าใจให้ดีขึ้นว่าความพยายามของแต่ละคนเหมาะสมกับผลลัพธ์โดยรวมของทีมอย่างไร ข้อความที่ตัดตอนมา: ปัจจัยความสำเร็จอันดับต้นๆ สำหรับนักวิทยาศาสตร์ข้อมูล ความสามารถทางเทคนิค และโดยเฉพาะอย่างยิ่งสัญชาตญาณทางเทคนิคที่แท้จริง ถือเป็นเดิมพันตารางสำหรับผู้ปฏิบัติงานด้านการวิเคราะห์ งานของทีมวิเคราะห์จะเสร็จสิ้นเมื่อนิ้วอยู่บนแป้นพิมพ์ และสมาชิกในทีมแต่ละคนตั้งแต่นักวิเคราะห์รุ่นเยาว์ไปจนถึงหัวหน้างานจะต้องชำนาญในการฝึกฝน เครื่องมือ ภาษา และท้ายที่สุดในการประยุกต์ใช้ ทฤษฎีวิทยาศาสตร์ข้อมูลกับปัญหาทางธุรกิจ ด้านทฤษฎีและด้านเทคนิคนี้จำเป็นต้องมีความสมดุลกับแรงผลักดันสัญชาตญาณไปสู่การสร้างมูลค่า แต่ไม่ใช่แค่เป็นเทคโนโลยีเพื่อประโยชน์ของเทคโนโลยี สมาชิกในทีมต้องมีความสมดุลระหว่างบุคคลที่มุ่งมั่นเพื่อความรับผิดชอบในการจัดการในระดับที่สูงขึ้นกับผู้ที่พบความพึงพอใจอย่างลึกซึ้งในงาน การเลือกบุคคลที่มีความกระตือรือร้นในด้านนี้และการพัฒนาตนเองในขณะที่ยังคงมุ่งมั่นที่จะมีบทบาทสำคัญต่อความมั่นคงของทีมและการส่งมอบโครงการระยะยาวที่ประสบความสำเร็จ โดยทั่วไป ความสำเร็จเป็นเรื่องของความสมดุลที่เหมาะสมระหว่างเสาของเทคโนโลยีเหล่านี้กับธุรกิจ และตัวขับเคลื่อนที่สูงเมื่อเทียบกับผู้สนับสนุนหลัก ลักษณะของนักวิทยาศาสตร์ข้อมูลที่ประสบความสำเร็จอาจแตกต่างกันอย่างมากระหว่างองค์กร ผู้ปฏิบัติงานที่ให้คำปรึกษา มีการศึกษาในวงกว้าง และเป็นผู้ใหญ่สามารถประสบความสำเร็จในสภาพแวดล้อมแบบเดิม เช่น บริการทางการเงินและภาครัฐ นักเขียนโค้ดที่มีพลังและความรู้เชิงลึกในด้านการปฏิบัติเฉพาะสามารถประสบความสำเร็จเท่าเทียมกันในการเริ่มต้นหรือองค์กรด้านเทคนิค อย่างไรก็ตาม ความสำเร็จโดยทั่วไปในสาขานี้มักจะเกิดขึ้นสำหรับผู้ที่อยู่ตรงกลางของสองขั้วสุดโต่ง โดยปรับให้เข้ากับวัฒนธรรมองค์กรและบรรทัดฐานของอุตสาหกรรมที่เฉพาะเจาะจง แม้ว่าจะเป็นเรื่องยาก (และมักจะต่อต้าน) ในการพยายามกลั่นกรองบุคคลให้เป็นชุดคำคุณศัพท์และคุณลักษณะ แต่ก็มีคุณลักษณะอื่นๆ อีกหลายประการที่สำคัญสำหรับทีมที่ประสบความสำเร็จ ควรสังเกตว่าไม่มีใครมีลักษณะเหล่านี้ทั้งหมด ทีมเป็นการผสมผสานระหว่างบุคคล ซึ่งมักมีลักษณะที่แตกต่างกัน ซึ่งส่งผลให้เกิดการเสียดสีที่ก่อให้เกิดความคิดสร้างสรรค์และความก้าวหน้า มีคุณสมบัติที่อ่อนนุ่มแปดประการสำหรับผู้ปฏิบัติงานด้านการวิเคราะห์ที่มีความสำคัญต่อความสำเร็จ: อยากรู้อยากเห็น นักวิทยาศาสตร์ข้อมูลที่แข็งแกร่งและผู้เชี่ยวชาญด้านการวิเคราะห์ทุกคนจะแสดงความอยากรู้อยากเห็นอย่างเป็นธรรมชาติเกี่ยวกับงานและโลกรอบตัวโดยไม่มีข้อยกเว้น พวกเขาจะกลายเป็นภาพเคลื่อนไหวเมื่ออภิปรายเกี่ยวกับชุดข้อมูลภายนอกและคาดเดาอย่างกระตือรือร้นเกี่ยวกับตัวขับเคลื่อนพฤติกรรมผู้บริโภค พวกเขาจะสังเกตเห็นสิ่งที่คนอื่นไม่เห็น และพวกเขาจะมองเห็นความสัมพันธ์ที่คนอื่นไม่เห็น ในกรณีส่วนใหญ่ ความอยากรู้อยากเห็นเชิงลึกและสัญชาตญาณที่ผลักดันพวกเขาไปสู่อาชีพด้านวิทยาศาสตร์ข้อมูล นักวิทยาศาสตร์ด้านข้อมูลที่ไม่มีความอยากรู้อยากเห็นเป็นเหมือนเชฟอายุมากหรือนักคณิตศาสตร์ประกันภัยที่มีปัญหาด้านการคำนวณ ซึ่งมีความสามารถทางเทคนิคแต่เสียเปรียบอย่างไม่มีการลด ปรับตัวได้ ผู้ประกอบวิชาชีพที่เข้มแข็งทุกคนจะปรับตัวได้อย่างเต็มที่อีกครั้งโดยไม่มีข้อยกเว้นในวิธีการจัดการกับปัญหา พวกเขาจะหาวิธีที่จะทำให้สิ่งต่าง ๆ ทำงานโดยไม่คำนึงถึงอุปสรรคและพบความพึงพอใจส่วนตัวอย่างมากในการทำเช่นนั้น พวกเขาจะไม่รอคำแนะนำโดยละเอียดหรือประณามโครงการที่เป็นไปไม่ได้ พวกเขาจะถูกกระตุ้นด้วยความท้าทายและปรับวิธีการของพวกเขาอย่างมีความสุข ที่ปรึกษา พวกเขาสามารถสร้างความสัมพันธ์กับคนสำคัญและเห็นว่าเป็นส่วนหนึ่งของบทบาทของพวกเขาอย่างเป็นธรรมชาติ ความสำเร็จก่อนหน้านี้ของพวกเขาจะยกระดับความสัมพันธ์ให้มากที่สุดเท่าที่เทคโนโลยี พวกเขาจะสนุกกับการทำงานเป็นทีมและโครงการความร่วมมือ ขี้ระแวง พวกเขาไม่ถือเอาสิ่งต่าง ๆ ตามมูลค่าที่ตราไว้และจะไม่เชื่อฟังวิทยาการสำนึกและวิธีดั้งเดิมในการเข้าหาปัญหาโดยสัญชาตญาณ พวกเขาจะพยายามหักล้างสมมติฐานและเชื่อถือข้อมูลมากกว่าสัญชาตญาณ ในเวลาเดียวกันพวกเขาจะปรับตำแหน่งของตนเองโดยไม่ต้องสำรองต่อหน้าหลักฐานที่น่าสนใจ ความคิดสร้างสรรค์ พวกเขาจะชอบปัญหาปลายเปิดที่สามารถสร้างโซลูชันของตนเองได้ พวกเขาจะพอใจกับปัญหาเดิม ๆ และมักจะมีงานอดิเรกส่วนตัวที่สร้างสรรค์หรือโครงการรอง พวกเขาไม่ได้ถูกกระตุ้นด้วยเงิน แต่มาจากความหลงใหล มุ่งเน้นธุรกิจ พวกเขามักจะมีแรงจูงใจในการแก้ปัญหาทางธุรกิจประยุกต์ พวกเขาไม่จำเป็นต้องรู้จักธุรกิจอย่างเต็มที่ แต่จำเป็นต้องพัฒนาความสนใจในปัญหาของธุรกิจและเรียนรู้ที่จะพูดภาษาของธุรกิจ เสมอภาค พวกเขาจะมองว่าการวิเคราะห์เป็นความพยายามของทีมและทำงานด้วยมากกว่าที่จะเป็นหัวหน้างานโดยตรง พวกเขาไม่เคยใช้ตำแหน่งเป็นตัวแทนของอำนาจและไม่ได้มองว่าลำดับชั้นเป็นตัวบ่งชี้ถึงความฉลาด พวกเขาแสวงหาทางออกที่ดีที่สุด และท้าทายผู้คนอย่างมีศิลปะเพื่อปกป้องแนวทางและสถานที่โดยไม่คำนึงถึงตำแหน่งของพวกเขา แข่งขันได้ แม้ว่าเพื่อนร่วมงานจะอยู่ในกลุ่มและเอาใจใส่เพื่อนฝูงเป็นการส่วนตัว แต่พวกเขาจะแข่งขันกันภายนอกได้ ขับเคลื่อนโดยความจำเป็นในการบรรลุและส่งมอบคุณค่า พวกเขาจะได้รับแรงจูงใจส่วนตัวในการหาวิธีดำเนินการในโครงการโดยไม่คำนึงถึงประเด็นเกี่ยวกับการพึ่งพาหรืออำนาจที่เป็นทางการ ลักษณะเด่นเหล่านี้คือความอยากรู้อยากเห็นและความสามารถในการปรับตัว หากไม่มีสิ่งเหล่านี้ คนอื่น ๆ ทั้งหมดจะไม่สามารถส่งเสริมความสำเร็จได้ และสิ่งอื่น ๆ ทั้งหมดจะเกิดขึ้นตามธรรมชาติหากทั้งสองมีอยู่ มีการแบ่งแยกอย่างลึกซึ้งระหว่างธุรกิจและฟังก์ชันการวิเคราะห์เนื่องจากขาดความเข้าใจร่วมกัน ปัญหาและโครงการต่าง ๆ ถูกตีความผิด และบ่อยครั้งที่กลุ่มมีความสนใจและลำดับความสำคัญที่แตกต่างกัน ซึ่งนำไปสู่ผลลัพธ์ที่ไม่สามารถดำเนินการได้ ตัวอย่างเช่น ฝ่ายการตลาดอาจขอแบบจำลองการแบ่งส่วน ซึ่งข้อความย่อยที่ไม่ได้พูดคือพวกเขาต้องการเข้าใจลูกค้าในที่สุด ฟังก์ชันการวิเคราะห์ที่ไม่เข้าใจเนื้อหาย่อย ตอบสนองด้วยการแสดงตารางผลลัพธ์ที่เพิ่มความแตกต่างทางพฤติกรรมผ่านการจัดกลุ่มแบบรวมกลุ่ม ซึ่งเหมาะสมทางเทคนิคแต่ไม่เพียงพอสำหรับความต้องการพื้นฐานของผู้มีส่วนได้ส่วนเสีย การไม่มีฐานความรู้ทั่วไปอาจทำให้โครงการตกรางได้อย่างรวดเร็ว ความแตกต่างพื้นฐานเหล่านี้สามารถขยายไปสู่ความขัดแย้งโดยปราศจากความเข้าใจซึ่งกันและกันและไม่มีนักแปลที่สามารถทำหน้าที่เป็นตัวกลางระหว่างทั้งสองค่ายได้ แน่นอนว่าทีมที่มีความรอบรู้ต้องการผู้เชี่ยวชาญที่มีความรู้เชิงลึกในด้านที่เกี่ยวข้อง แต่บุคลิกภาพแบบผสมผสานควรเป็นบรรทัดฐาน ผู้ที่มีความรู้ความเข้าใจมากขึ้นมักจะประณามมุมมองนี้ โดยชี้ไปที่คนนอกรีตที่มีชื่อเสียงในวงการ และถึงแม้จะเป็นความจริงที่ทุกงานต้องการ Wozniak แต่ก็จริงเท่ากันที่ Wozniak ทุกคนต้องการงาน ปราชญ์ผู้บูดบึ้งตามแบบฉบับซึ่งความขมขื่นของพวกเขายอมทนเพราะทักษะที่ขาดไม่ได้ของพวกเขาได้หายไปแล้ว ในอดีตสิ่งนี้ถือเป็นสัญญาณของความน่าเชื่อถือ—ว่าผู้ที่มีพรสวรรค์ด้านเทคนิคอย่างแท้จริงจำเป็นต้องดูแปลกไปเล็กน้อย และเป็นค่าใช้จ่ายในการทำธุรกิจกับปราชญ์ผู้ลึกลับเหล่านี้ ผู้ปฏิบัติงานด้านข้อมูลและการวิเคราะห์สมัยใหม่จำเป็นต้องเป็นมืออาชีพและเพื่อให้ธุรกิจผ่านแนวทางการให้คำปรึกษาและเป็นผู้ใหญ่มากกว่าการประยุกต์ใช้เทคโนโลยีแบบดิบ ปรมาจารย์ได้แลกเปลี่ยนเสื้อฮู้ดของพวกเขากับอ็อกฟอร์ด ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com

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

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

    Back to top button