Привет, друзья, в сегодняшней статье я поделюсь некоторыми советами, которые нужно знать, когда вы начинаете свой путь в науке о данных. Я ученый-самоучка, и я не ходил в школу и не изучал науку о данных. Так что многому мне пришлось научиться, выполняя работу, и я подумал, что эта статья будет хорошей идеей для меня, чтобы поговорить на эту тему и поделиться некоторыми своими знаниями. Так что для тех из вас, кто плохо знаком с наукой о данных, вы не делаете этих ошибок.

Не пытайтесь выучить все

Когда вы только начинаете, очень легко заблудиться, скажем, если вы похожи на аналитика данных или специалиста по данным, что бы вы ни пытались сделать. Это очень большой домен, поэтому в нем очень легко заблудиться. Перфекционист, кто-то вроде меня, который хотел бы изучить каждую вещь, которая является частью работы с данными. В конце концов, я усвоил на собственном горьком опыте, что мне не нужно учиться всему. Так что мой совет всем новичкам: не пытайтесь выучить все подряд, создавайте отсталый план. Например, если вы студент и пытаетесь понять, что вы должны изучить, я бы сказал, например, выяснить, что вы хотите делать. Если у вас есть идеальная роль, идеальная компания, изучите ее. Создайте план, работайте в обратном направлении, а затем сосредоточьтесь на вещах, которые, как вы выяснили, важны для вашей идеальной роли. Так что это поможет вам сузить круг того, что вам нужно изучить.

Не все проекты делают это

Второй самый важный и интересный — понять, что не вся ваша работа будет оценена по достоинству. Это то, чему я научился в моей последней компании, где я работал над множеством исследовательских проектов, предполагая, что, как только я закончу этот проект, бизнес-команда возьмет этот проект и реализует его. К моему удивлению, это было не так. В большинстве случаев проект не получил бы признания, поэтому, скажем, если бы я работал над пятью проектами, только два или три из них были бы оценены, и это немного обескураживает, когда вы работаете над чем-то супер крутым, что вы считаете потрясающим. не реализовать. Все нормально. Большая часть работы по науке о данных ориентирована на исследования. Поэтому, когда вы говорите об исследованиях, в исследованиях не все удается. Так что просто думайте, что это здорово, что вы работали над чем-то, но возможно, что это не будет реализовано. Один из способов избежать этого — начать работать в обратном направлении, с бизнес-проблемы, с бизнес-целью, а затем работать в обратном направлении, а затем решить проблему. Это единственный способ избежать этой проблемы. Понял, что проекты, в которых вы работаете с проблемой в первую очередь, в конечном итоге становятся более привлекательными, когда дело доходит до реализации и продуктивности проекта.

Пропагандируйте свою работу

Создавать что-то, делать что-то, работать над проектом по науке о данных — это здорово, но вы должны быть в состоянии защищать себя и свою работу. Выполнение работы — это половина работы, отстаивание своей работы еще более важно не только для того, чтобы ваш проект получил признание, но и когда дело доходит до оценки эффективности, развития карьеры, продвижения по службе и всех этих рейтингов и всего такого. . Защита вашей работы и подчеркивание того, как именно ваша работа помогла бизнесу, являются ключевыми. Таким образом, выполнение работы важно, но еще важнее подчеркивать работу, количественно оценивать ее воздействие.

Сменить команду и компанию

Мой последний совет и бонусный совет, который в основном предназначен для всех: не оставайтесь в компании, команде или в конкретной области продукта слишком долго. Есть несколько причин, о которых я говорю, одна из них связана с финансами, когда вы меняете работу, когда вы меняете компанию, логически ваша компенсация увеличивается. Вы проходите через такие обзоры производительности и прочее, и вы получаете некоторый толчок, но он никогда не будет эквивалентен тому, что вы получили бы, если бы сменили компанию. Так что с финансовой точки зрения имеет смысл поменяться местами.

Второе, что еще более важно, это аспект обучения. Когда вы меняете команду, когда вы знакомитесь с новыми областями бизнеса, новыми областями продукта, новыми областями внимания, новыми наборами данных, которые вы изучаете в ходе этого процесса, и смена команды может помочь вам в этом. Если вы работаете в крупной компании, где у вас есть возможность переключаться между командами, вы можете переключаться между командами и получать доступ к их бизнес-области, их продуктовой области, различным типам наборов данных и различным типам проблем, с которыми вы сталкиваетесь. будем решать. Это даст вам широту, что очень важно, особенно если мы говорим о роли науки о данных или даже роли аналитика данных. Кроме того, смена компании дает вам возможность познакомиться с другой рабочей средой, с другой культурой, особенно если вы новичок.

Большое спасибо за чтение, и я надеюсь, что у вас есть прекрасный день. Если вы нашли это полезным, помогите мне, нажав кнопку «Подписаться».