Как я построил лабораторию по анализу данных и ушел в творческий отпуск
Несомненно, существует огромный спрос на аналитику данных, и почти каждая компания хочет, чтобы ее считали управляемой данными и способной извлекать полезную информацию, которая в конечном итоге может поставить ее перед конкурентами. С целью использования искусственного интеллекта и машинного обучения в качестве инструментов, подразделения по науке о данных уже будут продолжать распространяться в организациях независимо от их размера и отрасли.
Тем не менее, создание такого подразделения определенно является проблемой из-за его исследовательского и инновационного характера со всеми вытекающими последствиями и необходимыми капиталовложениями. Необходимые наборы навыков в настоящее время трудно найти на рынке, но, получив поддержку, собрав и организовав нужную команду, вам могут быть гарантированы успех и прибыльность.
JLL, как компания, занимающаяся корпоративной недвижимостью (Fortune 500), управляет большим портфелем зданий для наших клиентов и, как следствие, генерирует большой объем данных. В прошлом эти данные в основном использовались для визуализации и отчетности, но был поднят вопрос: можем ли мы сделать что-то более продвинутое, применив науку о данных и извлекая более значимую полезную информацию на благо наших клиентов? Помня об этой цели, мы начали свой путь, который привел нас к созданию Лаборатории науки о данных, которая до сих пор состоит из шести специалистов по обработке данных и инженеров, которые предоставляют инновационные передовые аналитические решения в области рабочего места, энергетики. & устойчивость и управление объектами.
Многие такие устройства выходят из строя или испытывают большие трудности на ранних этапах, и наш старт ничем не отличался. Это была ухабистая дорога с кругами, но в течение нескольких месяцев нашей команде удалось создать хорошо работающую лабораторию. Ниже вы найдете некоторые из моих наиболее важных нетехнических советов, которым вы, возможно, захотите следовать, чтобы сэкономить время и деньги, срезать углы и избегать ошибок, которых можно избежать. В них представлены наиболее распространенные проблемы, с которыми сталкиваются новые команды, и решения, которые могут помочь любой команде по анализу данных стать более успешной.
1. Получите поддержку от тех, кто рядом с вами
Без должной поддержки и поддержки ваш проект никуда не денется. Прежде всего, ваши спонсоры должны понимать, что создание подразделения по науке о данных во многом похоже на финансирование стартапа: для получения прибыльности требуются инвестиции и время. Необходимое время зависит от многих переменных и ограничений, но должно быть четко определено в плане вашего проекта, поскольку обычно требуется 9–18 месяцев, чтобы начать показывать положительные результаты.
Хотя это очень важно, прибыльность не должна быть единственной целью подразделения, поскольку создание правильной команды приносит с собой другие ощутимые преимущества, в том числе создание инновационного имиджа на основе данных для вашей компании. которые могут приносить доход в других отраслях бизнеса и помогать компании опережать конкурентов. Не каждый клиент готов к полноценным решениям для науки о данных, но всегда есть место для более простых продуктов, таких как управление данными, отчеты или визуализации.
Создание подразделения по науке о данных может быть похоже на катание на тех же американских горках, которые испытывают большинство стартапов. Следовательно, для достижения успеха требуются доверие и свобода ваших спонсоров, а также гибкость для принятия собственных решений по мере вашего прогресса и адаптации к потребностям меняющейся среды.
Кроме того, подразделение должно быть расположено внутри организации как можно ближе к ИТ-директору / директору по CDO, чтобы обеспечить достаточное финансирование, влияние и поддержку других подразделений. Создание команды по анализу данных - это не работа одного человека, но требует активного участия заинтересованных сторон, особенно тех, которые прямо или косвенно получат выгоду от существования вашего подразделения.
2. Находите талантливых людей и хорошо их организуйте
Создание команды может быть непростым делом и часто требует множества компромиссов, таких как нахождение правильного баланса между: бюджетом и заработной платой, твердыми и мягкими навыками, специализацией и обобщением, правильным сочетанием личностей или компетенций в отношении данных и позиции. Хорошо начать все заново с новой командой, которая будет предана своему подразделению и вашим целям. Прежде чем нанимать новый персонал из рыночного пула, ищите доступные таланты внутри своей организации, а затем найдите лучших извне, которые привнесут нестандартное мышление и не будут предвзяты или запуганы корпоративной культурой.
Из-за высокого спроса набор хороших специалистов по анализу данных может быть довольно сложной задачей. Чтобы получить помощь извне, не стесняйтесь использовать для этой цели профессиональные сети своей собственной и других членов команды, встречи и конференции по науке о данных, поскольку они могут быть наиболее эффективным средством найма.
Сколько специалистов по анализу данных и инженеров требуется для запуска подразделения? Начните с малого и расширяйте по мере необходимости. В зависимости от размера вашей организации обычно вы можете начать с 3–4 специалистов по обработке данных и расширять их по мере появления нового бизнеса на горизонте.
Обратной стороной ажиотажа в области ИИ и науки о данных является нехватка квалифицированных специалистов по данным. Не ждите, что вы найдете точное соответствие вашим требованиям. Существуют большие различия в технических навыках, и компании по-разному воспринимают необходимые компетенции специалистов по анализу данных и обучают их в соответствии со своими потребностями, но всегда есть способные кандидаты, гибкие, готовые к обучению и готовые к новым приключениям.
Твердые навыки очень важны, но помните, что если потенциальному кандидату не хватает в определенных областях, его всегда можно обучить, чтобы оправдать ваши ожидания. При приеме на работу сосредоточьтесь на самых важных навыках, таких как машинное обучение, кодирование на R / Python и создание визуализаций в Shiny или Tableau. Однако вашим фокусом должны быть мягкие навыки, личность и способность кандидатов согласовываться с вашей командой. Желательно собрать смешанную команду личностей, которая уравновесит настроение команды - и по моему личному опыту я предлагаю вам также включить бунтаря! Они часто помогают стимулировать необходимые изменений, не боятся рисков и готовы много работать, когда это необходимо.
Независимо от культуры вашей организации, творчество является фундаментальным элементом любого инновационного подразделения. Важно поощрять случайную стартовую настройку специалистов, у которых общая цель - совместная разработка подразделения. Это поможет поддерживать гибкость команды, нестандартное мышление, сотрудничество, совместное использование культуры, открытость и целостность. Не забывайте развивать свою команду, используя индивидуальный подход к обучению, который должен включать онлайн-курсы и посещение конференций.
3. Сосредоточьтесь на получении ощутимой выгоды
Значительное количество отделов науки о данных, общих исследований и инноваций в определенный момент терпят неудачу из-за чрезмерной инженерии предоставленных решений. Всегда помните о необходимых усилиях, времени и затратах на разработку, поскольку в большинстве случаев решения, даже основанные на механизме правил, часто соответствуют ожиданиям клиентов, и, возможно, нет необходимости развертывать глубокое обучение. где угодно. Старайтесь выбирать самые простые, которые можно быстро развернуть и легко поддерживать.
Поскольку наука о данных - это относительно новая концепция (со старыми корнями), многие клиенты могут не иметь конкретных потребностей и просто полагаться на вас в предоставлении полезных решений. Проведите академические и производственные исследования, обсудите варианты использования со своей командой, проконсультируйтесь с экспертами и вашим клиентом, а для подтверждения концепции выберите только те, которые приносят ощутимую пользу вашему клиенту. (быстрые победы). Конечно, я имею в виду… деньги! Итак, сосредоточьтесь на решениях, которые обеспечивают экономию затрат, повышают производительность, увеличивают доход или приводят к конкурентному преимуществу.
При запуске инициативы в области науки о данных, независимо от того, является ли ваша отправная точка исследованием, PoC или пилотным, всегда используйте подходы к управлению проектами и разработке программного обеспечения. Чтобы реализовать исследовательский характер таких проектов, адаптируйте и адаптируйте гибкие методологии, включая схватку, быстрое прототипирование и непрерывную поставку, которые обеспечат успешное завершение.
Рассматривайте развитие своего подразделения с точки зрения проекта без ограничения даты окончания. Ваш конечный продукт должен быть доставлен в виде промежуточных этапов, которые вы определили в дорожной карте. Это должно служить генеральным планом с горизонтом не менее 2–3 лет и вместе с вашей миссией и видением (или эквивалентом) должны быть определены как можно раньше (при необходимости изменять по мере продвижения).
4. Поощрение исследований и творчества
Это легко сказать, но как реально вызвать в команде любопытство, обучение и творческий подход? Это фундаментальные факторы успеха для каждого подразделения Data Science. Вы часто будете перемещаться по неизведанным водам, исследуя новые методы и впервые применяя их к темам. Следовательно, вам нужна команда, которая способна работать вместе, обмениваться идеями, проводить мозговой штурм и находить решения - но как это сделать?
Важно не перегружать свою команду проектами и оставлять им место для исследований и саморазвития. Вы даже можете установить особое время, например посвящать каждую пятницу творческим занятиям, изучению новых технологий, изучению выбранных тем и т. Д.
Разнообразие - еще один ключевой элемент по отношению к команде и ее проектам / обязанностям. Сочетание разных личностных качеств внутри одного подразделения определенно может инициировать конструктивное обсуждение.
Укрепляйте общение, продвигая открытую, неформальную культуру, обмен знаниями и знакомя с творческими занятиями или практическим сообществом, что может расширить границы каждого члена и команды. Кроме того, смешивая проектные команды, меняя области фокуса и ответственности, команды получат более широкое представление о бизнесе и смогут рассматривать темы с разных сторон.
Роль лидера также состоит в том, чтобы представить видение и определить цель предпринимаемых инициатив. Предоставление членам команды более широкого взгляда на цели организации, внушает команде, что они являются неотъемлемой частью более крупного проекта, и помогает им понять, как их личная работа вписывается в общую стратегию.
Члены команды также должны обладать автономией и доверием, чтобы вести проекты и принимать собственные решения. Оставьте место для неудач и при необходимости проведите инструктаж. В результате у вас должны быть инициативные и творческие специалисты по данным, которые могут исследовать тему, определять необходимую методологию PoC и вести проект от начала до конца.
5. Маркетинг и UX
В сфере недвижимости мы любим говорить - местоположение, местоположение, местоположение. В случае обеспечения успешного старта подающего надежды подразделения науки о данных я считаю ключевыми словами - маркетинг, маркетинг, маркетинг. Даже самое сложное решение, которое может принести огромную экономию, не сможет адаптироваться без надлежащего маркетинга. Поэтому вкладывайте значительные средства в упаковку своих решений как продуктов с маркетинговыми материалами, включая веб-сайт, используя социальные сети и другие доступные каналы. Поскольку вы не можете быть экспертом во всех областях, обратитесь за поддержкой к специалистам по маркетингу и продажам.
Тем не менее, ключевой фактор успеха любого решения для науки о данных - это то, как информация доставляется конечному пользователю и как он может взаимодействовать с решением. Поэтому не ограничивайте себя только визуализацией данных в Tableau, Shiny или других подобных продуктах, а лучше инвестируйте в разработку надлежащего пользовательского интерфейса и веб-приложений на Java-скриптах.
Наймите специалистов или консультантов и обучите остальных специалистов по обработке данных современному UI / UX дизайну, потому что именно ваш интерфейс отражает потребности клиентов, обеспечивает удобство использования и доставляет удовольствие, что увеличит аппетит ваших клиентов к большему и значительно увеличит ваши продажи. В конце концов, ключом является визуальное восприятие.
А как насчет творческого отпуска?
Когда я пишу эту статью, я нахожусь в Шарлоттсвилле, зеленой родине многих президентов США и месте многих противоречий. За последние несколько месяцев наша семья расширилась, моя жена получила престижный исследовательский грант в Университете Вирджинии, и мы решили, что мы втроем проведем 4 месяца в США. Итак, сейчас я нахожусь в творческом отпуске / отпуске по уходу за ребенком, сосредоточившись на семье и исследованиях, которыми я недавно пренебрегал - написании академической статьи, встречах с исследователями и расширении своего кругозора.
Решение покинуть мою команду на этапе расширения было определенно непростым, но я потратил недели на их подготовку к этому случаю. Большая часть моей команды - это опытные, самостоятельные специалисты по данным, которые могут не обращать внимания на свои проекты и продолжать создавать новый бизнес. Тем не менее, я принял во внимание, что особенно творческий аспект команды может пострадать из-за отсутствия четкого руководства и исследовательского руководства. Поэтому в настоящее время подразделение сосредоточено на распространении существующих продуктов среди новых клиентов, а не на разработке новых решений. Однако в краткосрочной перспективе эффект моего отсутствия должен иметь ограниченное влияние и, скорее, способствовать созреванию команды.
В качестве последнего совета - будьте настойчивы в создании своего подразделения по науке о данных. Вы столкнетесь со многими препятствиями, но помните - если вы не сделаете этого, этого никто не сделает. Как и большинство из нас, вы также можете не быть экспертом в каждой теме, поэтому, хотя это может быть сложно, постарайтесь окружить себя людьми, которые восполнят ваши пробелы в знаниях или опыте - желательно людьми более образованными, чем вы, в определенных областях.
Будьте настойчивы, и у вас все получится - желаю вам удачи!
Конечно, статья просто царапает поверхность. Поэтому, пожалуйста, оставляйте комментарии из собственного опыта, просмотрите тему или свяжитесь с нами в LinkedIn.
