Crear un equipo de ciencia de datos generalmente es difícil porque es una gran inversión inicial que es difícil de aprovechar adecuadamente. El negocio lucha por comprender cómo el equipo está proporcionando valor, mientras que los científicos de datos también luchan por mostrar su valor al negocio. Muchas veces esto se debe a que los equipos de ciencia de datos se centran en el código y en la creación de modelos con poca o ninguna consideración sobre cómo poner su trabajo en manos de la empresa de manera oportuna y útil.
He descubierto que el truco para construir un equipo que brinde valor al negocio es no enfocarse realmente en el modelado, demasiado. En cambio, estas son las áreas que he visto son los impulsores más críticos para construir un equipo de ciencia de datos exitoso (y los más difíciles de dominar):
1) Estar en el negocio de las ventas
- ¿Debo incluir kaggle en mi Cv?
- ¿Cuál es su opinión sobre el curso de ciencia de datos de la Asamblea General?
- Estoy en mi último año como estudiante de informática. ¿Qué pasos debo tomar para conseguir un trabajo en Data Science?
- ¿Cuáles son los problemas con big data?
- ¿Son necesarias las GPU cuando se trabaja con modelos gráficos probabilísticos?
- No esperes que nadie en la organización entienda exactamente el valor que aportarás y las cosas específicas en las que vas a trabajar para aportar ese valor. Es su trabajo arrojar luz sobre las áreas en las que puede ayudar a la empresa a innovar y aprovechar la ciencia de datos para tomar mejores decisiones comerciales o impulsar el producto. Esto se debe a que usted es el que está metido hasta la rodilla en los datos, por lo que podrá ver las oportunidades en las que los datos pueden ayudar y llevarlos al negocio
- Debe ser capaz de elaborar argumentos concretos y convincentes sobre por qué aportará valor; esto no puede ser un ejercicio teórico. Esto significa que debe usar datos de muestra, restringir su ejemplo a un subconjunto muy pequeño o caso de uso único, y probar su caso con un pequeño prototipo y luego construir la solución escalable una vez que haya comprado
- Y lo más importante, usted es la cara de la ciencia de datos en su empresa: tiene que creer, en esencia, que lo que está haciendo ayudará a llevar el negocio al siguiente nivel. Nadie más que tú va a hacer esto: tienes que ser el campeón de la ciencia de datos
2) Aprender a ser intérprete
- Una vez que la empresa comprende lo que puede hacer, a menudo no sabrá cómo usarlo adecuadamente. Recibirá un montón de solicitudes y puede terminar entregando cosas que en última instancia no son útiles. El “5 por qué” es un concepto extremadamente básico que pensarías que es obvio, pero no puedo contar la cantidad de veces que he visto a los científicos de datos repentinamente contraer el síndrome del “sí-hombre / mujer”, en lugar de preguntar por qué se necesita algo y el problema que realmente resolverá, se van con sus órdenes de marcha para simplemente entregar.
- El problema más inmediato es que trabajas en algo que no se usa y que desperdicia el tiempo de todos. Pero el problema más importante que se agrava con el tiempo es que el negocio comienza a cuestionarse qué valor realmente está proporcionando su equipo de ciencia de datos porque nunca se llega a proporcionar soluciones que realmente resuelvan el problema real. Entonces, usted y su equipo deben ser REALMENTE buenos para identificar cuál es realmente el problema y la oportunidad.
3) Pensar como un CEO
- Debe asegurarse de que está trabajando en lo que realmente impulsará el negocio: objetivamente, ¿qué es lo mejor para el negocio? Esto significa aprender a decir “No” y practicar. Una excelente manera de hacerlo es jugar un rol; lleve a su equipo a una habitación y pídales que practiquen preguntar los 5 por qué y luego cuándo decir que no. Mi pregunta favorita es “¿Qué decisión se tomará con el trabajo que voy a hacer?”. No creerá la cantidad de veces que la respuesta ha sido “bueno, sería bueno saber” o “Yo”. No estoy seguro de que tomemos una decisión diferente ”. ¿Qué cambiará realmente en función de estos hallazgos, es decir, su socio comercial realmente cambiará la forma en que están haciendo algo? También está utilizando la respuesta a la pregunta para darle un sentido de prioridad: ¿Vamos a cambiar una forma fundamental de generar ingresos? ¿Vamos a cambiar una simple campaña de correo electrónico?
- De todas las cosas que está haciendo, debe aprender a priorizar lo que es una prioridad más baja o más alta para el negocio como TODO. Esto significa la capacidad de comprender la perspectiva comercial y ser una parte completamente objetiva en la sala. Otro punto que haré sobre esto es que verá que este concepto tiene diferentes niveles de dificultad dependiendo de dónde se sienta en la organización. Por ejemplo, si usted es un equipo centralizado, podría estar priorizando el trabajo entre Ventas vs Marketing vs Producto; estas compensaciones serán difíciles de realizar. Pero si está integrado, por ejemplo, dentro del marketing, es posible que tenga que aprender la capacidad de ver las cosas a través de una lente más estratégica sobre qué trabajo afectará a la empresa en lugar de dejarse atrapar por las necesidades tácticas del día a día. El motor de marketing.
4) Convertirse en el mejor amigo de los ingenieros de datos
- Lo interesante aquí es que existe una dependencia de Ingeniería sin la cual no puede hacer su trabajo. Lo ayudan a obtener acceso a los datos, lo configuran con las herramientas y la infraestructura para hacer su trabajo, y generalmente hacen que lo que hace sea útil para el negocio al ponerlo en producción (es decir, integrando su trabajo en herramientas de negocios, construyendo ejecuciones programadas regularmente) e implementar modelos en un producto). Pero generalmente están desconectados en gran medida del negocio y el impacto real que está teniendo su trabajo. Descubrí que una de las cosas más poderosas que puedes hacer es guiarlos a través de tu día a día para obtener empatía, literalmente hacer que se sienten contigo. Deben comprender cómo hace su trabajo, cómo está tratando de satisfacer las demandas del negocio y mostrarles sus flujos de trabajo para que realmente entiendan por qué necesita las herramientas que necesita.
- También necesitan ver que no solo estás caminando todo el día con la cabeza en las nubes, pensando en los grandes problemas que deben resolverse: estás impactando los objetivos comerciales
Entonces, en resumen, deja de buscar unicornios. Le costarán mucho dinero, es realmente difícil mantenerlos felices, y no estoy seguro de que realmente existan. El conjunto realmente es mayor que la suma de sus partes, así que busque personas que sean lanzadores de ventas naturales, intérpretes de problemas, pensadores de mini-estrategas / CEO o socialites de Ingeniería de Datos. Esto lo ayudará a desarrollar experiencia individual y crear influencia en un pequeño equipo en una startup.
La construcción de una operación de ciencia de datos se trata de personas, procesos y tecnología. En lugar de utilizar los escasos recursos de ingeniería para construirlo usted mismo, especialmente en una startup, hay mucho que una plataforma de ciencia de datos puede hacer para ayudarlo a centrarse en las cosas que realmente aportan valor y ponerlo en marcha rápidamente. En mi experiencia pasada como científico de datos en el ejército durante 9 años y luego de construir la organización de ciencia de datos en Eventbrite, consideraría una plataforma de ciencia de datos (en total divulgación, trabajo para Domino Data Lab).
