数极客首页

认为你的公司需要数据科学家?你可能错了

以为你的公司需求数据科学家?你可能错了

  • 作者  Talia Borodin
  • 编译  Mika
当我在15年前开端
从事数据工作时,我从未想过近年来数据科学家会如此备受追捧。往常
数据科学家被以为
是全球最抢手
的职位之一
,市场上对数据科学家的需求供不应求。创业公司在产品生命周期的早期招聘数据科学家的状况

并不稀有
。其实很多状况

下,他们并不需求
数据科学家。

作为一名数据科学方面的倡导者,为什么我会这么以为
呢?

第一
,我想声明的是雇用数据科学家的确

有很多益处

假定

运用
得当,
数据科学家将成为强大的商业武器。我想强调的是,数据科学当中触及
到大量的数据相关操作和技巧,这不是在短期培训中就能控制
的。

因而

,当企业需求
延聘
数据科学家时,需求
谨慎

思索
应该何时延聘
哪种数据科学家。

当企业打算延聘
数据科学家之前,能够

先试着问自己

以下四个问题:

1. 有多少数据?
假定

你是一家尚未启动的创业公司,那么你们可能并不需求
全职数据科学家。其实,假定

你的公司曾经
展开

的较为成熟,但只需

小范围
的客户、产品或会员基础

,那么你也不需求
数据科学家。以为你的公司需求数据科学家?你可能错了

为什么呢?显然数据科学家需求
数据。
不是任何数据都能够

。许多技术需求
至少数万个、致使

数百万个数据点才干
构建。

往常
,深度学习备受关注。在针对数据科学家的工作描画

中充溢
了神经网络、计算机视觉和自然言语
处置
等术语。而这类技术依赖于大量的锻炼
数据。谷歌翻译就是树立
在超越
1.5亿个词汇基础

上的神经网络。胜利

部署这型模型所需的数据量超越
了许多公司加起来的数据总量。

很多技术比深度学习运用
更少的数据,但是当中依然

需求
相当大的样本,还需求
能够

判别
何时运用
哪种办法

的学问
贮藏

。目前需求
大量的投入才干
创建

数据科学所需求
的环境,具有
资金和昂贵的资源是远远不够的。

2. 能否
有已制定的关键绩效指标(KPI)和商业智能报表?
假定

没有对企业驱动要素
的基本

了解

,那么将难以应用
先进技术。以为你的公司需求数据科学家?你可能错了

数据科学家能够

经过
机器学习中止

预测,例如哪些用户会流失、哪些用户很生动

。但是假定

缺乏对流失和高度生动

的定义,那么在构建预测模型之前会遇到问题。

此外,假定

没有足够的指标中止

评价
,那么将很难考证
模型。
a/b测试等其他技术需求
总体评价
规范

(OEC),这通常是业务驱动的KPI。

3. 数据科学家要做什么?
这是四个问题中最客观
和最有趣的问题,“你想让数据科学家做什么?” 我得到的最常见的答案是:“我们不知道

,这也是为什么我们需求
雇用一位。”以为你的公司需求数据科学家?你可能错了

在这种状况

下,我会通知
该企业这是行不通的。固然
延聘
数据科学家时,你并不需求
成为该方面的专家,但是你应该分明

哪些是可行的、哪些是不可行的,从而不会设定不真实

际的希冀

数据科学不是魔术,但也不是传统科学。数据科学是一门艺术,也是一门科学,这意味着当中技术和才干

的可变性很大。企业能够

思索
让现有团队的成员展开

成数据科学家。对现有剖析

师来说,进入数据科学范畴
的方式之一是对现有的KPI中止

预测。一方面,他们有机遇

学习熟习
的数据; 另一方面,对现有员工中止

投资意味着未来

市场招聘的需求减少。

4. 数据科学家有哪些内部支持?
假定

数据科学家在你的企业没有恰当
的支持,那么请不要为招募他们而投资。近年来,数据科学课程数据量
激增,但是
许多毕业生并没有准备益处

业务问题。绝大多数课程都让学生处置

预先清洁好的数据。在理想
世界中,洁净

的数据并不存在。以为你的公司需求数据科学家?你可能错了

在没有高级数据科学家指导的前提下,延聘
初级数据科学家并不明智,
初级数据科学家会遇到难题,而且常常
会招致
错误的剖析

。初级的数据科学家团队难以将业务问题转化为技术问题,而错误的剖析

会招致
任务难以完成。

延聘
高级数据科学家并不能完好

缓解这个问题,部分

缘由
在于很难证明雇仆人
员的水平

和资历。假定

你很侥幸

地延聘
到优秀的人员,他依然

需求
来自指导
团队的大量支持。比如

,创建

从未运用
过的模型;或者中止

a/b测试但结果被疏忽

。更糟的是,剖析

问题所需的数据并没有被搜集

通常,必要的第一步是强大的数据搜集
程序,
这需求
由工程师或数据库管理员提供,而不是数据科学家。在很多企业中,高级数据科学家需求
花大量时间完成数据需求和团队部署,而这很容易招致
高级数据科学家的流失。

结语
招聘和留住优秀的数据科学家的本钱
是很昂贵的。
但假定

能明白
何时聘用、怎样
聘用、聘用哪种人才,则能够

有效地减少本钱
。不要堕入
招聘广告的圈套
,那些只是对工作技艺
的简单罗列。不要奢望数据科学家会魔法。一定要明白
自身

的真实需求,假定

可能的话,在中止

招聘之前咨询专业人员。企业数据方面的胜利

取决于以上这几点。

原文链接:

https://www.entrepreneur.com/article/310505

发表评论

评论已关闭。

相关文章