В этом выпуске The Artists of Data Science у нас есть возможность услышать от Эрика Вебера, математика и специалиста по данным, который учится на протяжении всей жизни. Он развил страсть делиться своей работой и опытом с другими, чтобы помочь им увлечься наукой о данных, а также обучать руководителей всем аспектам науки о данных. Он дает представление о своем видении обучения, о том, как стать лидером в области науки о данных, и о важных навыках, которые необходимо развивать специалистам по данным.
Эрик делится с нами тем, что привлекло его в этой области, и его переходом от академических кругов к деловой стороне науки о данных. В этом выпуске рассказывается о путешествии и успехе человека, который с самого начала наблюдал за развитием отрасли и постоянно совершенствовался с течением времени. Я думаю, что из этого разговора можно многому научиться!
Некоторые заметные фрагменты шоу
[4:43] Как Эрик перешел из академических кругов в бизнес-контекст
[11:40] Что отличает хорошего специалиста по данным от великого
[20:59] Советы по эффективному общению с командой
[24:07] Является ли наука о данных искусством?
[34:52] Важные социальные навыки, которые вам могут не хватать
[41:15] Как ориентироваться в безумных объявлениях о вакансиях
Где послушать передачу
Слушайте выпуск на Apple Podcasts, Spotify, Overcast, Stitcher, Castbox, Google Podcasts, TuneIn, YouTube или на вашей любимой платформе подкастов.
Путь Эрика в науку о данных
Эрик объясняет, что его путешествие в науку о данных началось, когда он был в академии, преподавая статистику и программирование. Он помнит, как ему позвонил его отец, и они обсудили рост «больших данных», и этот удар начал увлечение Эрика. Эрик уже был знаком с большинством концепций и идей, основанных на науке о данных, но теперь у него появилась возможность работать с данными в больших масштабах.
Эрик также получил возможность изучить, как наука о данных может использоваться в бизнес-контексте. Ему пришлось научиться переходить от классной обстановки к деловой, что было для него открытием.
[4:43] «На самом деле он существует уже несколько лет, но путешествия людей в него продолжают меня удивлять. Они все разные. Не существует единого способа оказаться в должности специалиста по науке о данных. Что касается меня, то я был в академическом мире, преподавая статистику и программирование, экспериментальный дизайн и тому подобное, вплоть до 2013, 2014 годов. И я отчетливо помню телефонный разговор с моим отцом, а он в то время был инженером в Объединенное здоровье. И он такой: ну, они говорят обо всех этих больших данных, о вещах типа бла-бла-бла, типа, разве вы не делаете что-то с данными? Как и я. Но я не знаю, делаю ли я что-то с большими данными. И это как бы положило начало моему увлечению.
Куда движется отрасль через 2–5 лет?
Поле движется в неравномерном направлении, что очень ценно для поля.
Науку о данных всегда предполагалось разделить на поддисциплины. Людей, которые являются экспертами во всем, очень мало, и на данный момент просто невозможно нанять кого-то, кто хорош во всем. Компании меняются в том, как они нанимают и каковы их ожидания, и специалисты становятся нормой.
Из-за недавнего экономического давления из-за COVID компании собираются все реально оценить. Настало время для науки о данных действительно доказать свою ценность в течение следующих нескольких лет.
[8:42] «Мне кажется, я вижу поле, идущее в неравномерном направлении. И я думаю, что, возможно, самое ценное, что у нас есть, это то, что наука о данных превратилась в то, чем она всегда, вероятно, должна была быть, это набор субдисциплин, точно так же, как идея сказать, что вы инженер данных или что вы инженер в целом. Существует так много разных инженерных разработок. Все они требуют различных наборов навыков. Очень мало людей, которые являются экспертами во всем. Так что, несмотря на то, что было много споров, я думаю, людям нравится, нужны ли нам специалисты или универсалы?
Я думаю, мы подошли к тому моменту, когда специальности стали нормой. Но это неплохо.
То, что вы сосредоточены на работе с временными рядами, вообще говоря, не означает, что вы не квалифицированы. То, что вы склонны сосредотачиваться на машинном обучении или проектировании систем, не означает, что вы не квалифицированы. На данный момент просто невозможно нанять кого-то, кто хорош во всем. Но это не только с точки зрения кандидата, но и с точки зрения компании. Они выясняют, что они делали в прошлом, а именно нанимали специалистов по данным и в основном возлагали на них ответственность за все, что связано с данными. На самом деле очень сложно понять, как их эффективно использовать.
Что будет отличать великих специалистов по данным от остальных?
Гибкость. Это означает возможность по-разному подходить к разным задачам, а не использовать одну и ту же единую методологию. Задачи науки о данных требуют разных навыков и моделей.
Кроме того, способность приносить ценность для бизнеса, а не только научную ценность. Это невероятно важно. Некоторые люди идут на работу в области науки о данных, думая, что это серия проектов и разработка хорошего кода. Но затем они передают это, как будто бизнес собирается волшебным образом использовать то, что они создали. Это не очень хорошее предположение.
Эта гибкость в выборе правильного подхода и способность действительно трансформировать бизнес с помощью ваших решений — вот что делает хороших специалистов по данным великими. Эти две вещи будут отличать специалистов по данным, которые останутся в компаниях, и специалистов по данным, которых будут рассматривать как просто «ученых».
[11:40] «Гибкость, такая как эта идея быть гибким, не означает, что вы можете справиться с целой кучей задач, поступающих одновременно. Это означает, что вы можете повысить свою гибкость, а не только гибкость. Я думаю, что лучший способ выразить это, знаете ли, это то, что требуется для выполнения различных задач. И вы не всегда используете единый подход ко всему. Задача по науке о данных, задача А, вероятно, всегда будет отличаться от задачи по науке о данных Б. И они, вероятно, потребуют разных навыков. Им потребуются разные модели. Они потребуют от людей понимания того, сколько на самом деле необходимо для решения проблемы. Вам не нужно создавать невероятно мощную модель для каждой ситуации, но вам нужно знать, что позволит бизнесу развиваться продуктивно.
Основные выводы из эпизода
Учись на протяжении всей жизни
[14:25] Думаю, мы часто ходим в школу и думаем о том, чтобы получить степень, и мы продолжаем совершенствоваться до тех пор, пока не получим сертификат. Но почти в каждом случае полученные навыки устареют. В науке о данных это происходит раз в два года, а то и реже.
Чтобы получить максимальную отдачу от вашего образования, сосредоточьтесь на энергии и желании попасть в неудобные ситуации. Вы хотите чувствовать себя некомфортно большую часть дней.
Вы должны работать над вещами, которые не являются ясными или легкими.
Важные мягкие навыки
[35:14] Возможность общаться с людьми с четким общением. Большинство людей говорят много, но на самом деле ничего не говорят. Можете ли вы сообщить что-то полезное в понятной форме? Это единственное, что имеет значение в контексте бизнеса.
Что делать с этими сумасшедшими описаниями вакансий
[41:32] Вы должны быть довольны тем, какую ценность вы можете принести. Если вы считаете, что ваш набор навыков и ваш опыт могут принести пользу этой компании на этой должности, то дерзайте. Компании часто публикуют информацию, потому что они видели, что их конкуренты используют аналогичные объявления о вакансиях, или они просто собрали все слова из всех объявлений о вакансиях, которые они видели. Это не значит, что они знают, что ищут.
Наука о данных — это искусство или наука?
[24:07] Наука в целом — это искусство. Любая наука, сделанная правильно, требует технического мастерства, но в том, как вы делаете вещи, есть много серой зоны. По мере того, как вы становитесь лучше в науке о данных, вы начинаете видеть, что существует множество способов решения проблем. Не всегда очевидно, что делает одного специалиста по данным лучше другого. Как правило, это не в модели, которую они строят. Это то, как они определяют вопрос, а затем ищут ответ.
Как справляться и работать с неоднозначностью реальных проектов по науке о данных
[27:32] Проблема в том, что пошаговое решение проблем не работает в реальном мире. В реальном мире решение проблем происходит в непрерывном цикле разработки. Многие люди с трудом приспосабливаются к такому способу решения проблем.
Что значит быть хорошим лидером
[30:52] Быть хорошим лидером — это выяснить, как раскрыть, усилить и развить людей вокруг вас. Большинство компаний оценивают лидерство по вашему влиянию, а ваше личное влияние может быть огромным. Вы можете облегчить работу всей вашей организации. Так что дело не всегда в титулах. Это сводится к вашему влиянию и тому, как это помогает людям вокруг вас.
Памятные цитаты
[6:35] «…моё путешествие было связано с выяснением двух вещей. Во-первых, как работать с данными в масштабе. Во-вторых, что значит заниматься наукой о данных в бизнес-контексте. И эти две вещи очень, очень важны…»
[12:17] «Вам не нужно создавать невероятно мощную модель для каждой ситуации, но вам нужно знать, что позволит бизнесу развиваться продуктивно».
[19:48] … «выживать — это не долгосрочное решение для создания ценности для бизнеса, потому что то, что вы делаете сейчас, чтобы выжить, вероятно, будет автоматизировано через несколько лет…»
[23:50] «Ты не всегда будешь экспертом в этой комнате. И если да, то вы, вероятно, находитесь не в той комнате».
Единственное, что Эрик хочет, чтобы вы узнали из его истории
[47:16] Ты должен быть довольно упорным, если хочешь быть хорош в чём-то. Если вы хотите оказать влияние, вам придется делать вещи, которые доставляют вам дискомфорт. Я начал публиковать сообщения в LinkedIn два года назад где-то в этом диапазоне. Я боялся публиковать сообщения в социальных сетях, потому что я, вообще говоря, не люблю социальные сети. Но я начал делиться вещами, и люди находят способ откликнуться на это. И это становится сверхмощным и удивительным. Если вы просто думаете об этом правильно, но у вас должен быть правильный настрой. Если вы собираетесь делать большие дела, вы должны быть готовы быть настойчивыми и готовыми потерпеть неудачу.
Из молниеносного тура
Лучший совет, который Эрик когда-либо получал
Быть скромным. Если вы скромны в том, что вы делаете, это, естественно, привлекает людей к вам. И дело не только в общении с людьми. Это о том, чтобы оставаться скромным. Как только вы начнете думать, что вы лучший, вы окажетесь в положении, которое не будет хорошим для вас в долгосрочной перспективе. Недостаточно быть скромным в своей речи и внешнем общении, вам нужно быть скромным в своем уме. Поймите, что вы никогда не станете самым искусным в том, что вы делаете. Если вы думаете, что да, то вы проводите время не с теми людьми.
Совет, который Эрик дал бы себе 20-летнему
Если бы Эрик мог вернуться в прошлое, он бы приказал себе продолжать делать то, что делаешь ты. В 20 лет он встал на академический путь, мечтая стать учителем; и если бы он не ушел в академический мир, он бы не нашел своего пути в науке о данных. Именно благодаря этому путешествию по академическим кругам он смог проложить собственный путь в науке о данных и стать таким положительным образцом для подражания для нашего сообщества.
Что мотивирует Эрика
Эриком движет желание учиться, расти и приобретать сегодня больше знаний, чем вчера.
[53:24] Мне нравится знать больше, чем я знал вчера или что-то в этом роде, что иногда это в работе, иногда нет. Иногда это больше узнать о себе, чему неудобно учиться, и это похоже на то, как будто я что-то делаю или знаю или понимаю что-то, чего я не совсем понял вчера. И я думаю, что иногда это маленькое, иногда это большое.
Тема за пределами науки о данных, которую должны изучать все специалисты по данным.
Без колебаний Эрик считает, что всем специалистам по данным следует уделять больше времени изучению социальных наук.
[48:17] Я думаю, что понимание мира, в котором вы живете и работаете, а также динамики и поведения людей, это в конце дня, которые действительно имеют дело с большинством дел. Если вы не понимаете более широкий контекст, в котором они живут и работают, и присутствующие там стрессоры. Трудно понять, кто ваши пользователи и для чего вы что-то создаете.
Рекомендуемая книга
Мигание: сила мышления без размышлений Малкольма Гладуэлла
Книги и другие средства массовой информации, упомянутые в этом выпуске
Мультипликаторы: как лучшие лидеры делают всех умнее, автор Лиз Уайзман, Грег МакКаун.
Думай быстро и медленно Даниэля Канемана.
Клуб 5 утра в исполнении Робин Шарма
Найдите Эрика онлайн
Расшифровка эпизода
Вы можете поделиться приведенной ниже расшифровкой (до 500 слов) в статьях СМИ (например, The New York Times, LA Times, The Guardian), на своем личном веб-сайте, в некоммерческой статье или сообщении в блоге ( например, Medium) и/или в личной учетной записи в социальной сети для некоммерческих целей, при условии, что вы указываете авторство The Artists of Data Science и ссылаетесь на https://theartistsofdatascience.fireside.fm/articles. » URL.
Для ясности средствам массовой информации с рекламными моделями разрешается использовать выдержки из стенограммы в соответствии с вышеизложенным.
Стенограмму этого эпизода можно найти здесь.
