Что, если они обнаружат, что вы невежественны?

Синдром самозванца - настоящий слон в лаборатории анализа данных. Он есть у всех, никто не думает, что он есть у других, и никто об этом не говорит.

Меня удивляет, что все больше людей не обсуждают это открыто. Я работаю в стартапе по наставничеству в области науки о данных, где, вероятно, провожу 20% своего времени, помогая специалистам по обработке данных преодолеть синдром самозванца и неуверенность в себе, которая с ним связана. Я видел, как это сдерживает больше честолюбивых специалистов по данным и инженеров по машинному обучению, чем я могу сосчитать.

Я многое узнал из сотен разговоров о синдроме самозванца, и из того, что я видел, лучший способ преодолеть его - это понять его. И об этом весь этот пост.

Симптомы и причины

Самым странным в синдроме самозванца является то, что он положительно коррелирует с техническими навыками: наиболее способные специалисты по данным и инженеры машинного обучения, с которыми я общаюсь, часто бывают самыми самокритичными.

Сначала меня это сбивало с толку: почему самые знающие специалисты по данным страдают от самой неуверенности в себе?

Затем я вспомнил о том, что называется эффектом Даннинга-Крюгера. DKE - это хорошо изученный феномен, когда люди, которые не справляются с задачей, сильно переоценивают свои способности в этой задаче.

Например, если вы дадите людям тест по физике и попросите их предсказать, как они справились (их «грубая оценка») и насколько они уверены в своем прогнозе («достоверность предмета»), вы обнаружите, что люди, которые худшие, как правило, думают, что справились хорошо, большое вам спасибо:

Синдром самозванца - это противоположность эффекта Даннинга-Крюгера. Точно так же, как некомпетентные люди склонны переоценивать свою работу, компетентные люди склонны ее недооценивать.

В каком-то смысле это имеет смысл. Если вы ничего не знаете о задаче, возможно, вы не знаете достаточно, чтобы понять, что это сложно. Подумайте обо всех кабинетных тренерах, которые проводят 30% финалов НБА, крича на экранах своих телевизоров о том, что они бы справились лучше, чем профессиональный персонал профессиональной баскетбольной команды.

С другой стороны, как только вы получите твердое представление о проблеме, вы будете лучше знакомы с проблемами, которые вам нужно будет преодолеть, чтобы ее решить. Вы также можете увидеть, где находятся дыры в вашем понимании.

Это подводит меня к науке о данных.

Да, в науке о данных хуже

Каждый день изобретаются новые алгоритмы, новые библиотеки и новые рабочие процессы. Так что количество дыр в вашем понимании никогда не будет равно нулю. На самом деле, поскольку мы ежедневно создаем больше знаний, чем может усвоить любой человек, дыры в вашем понимании будут расти вечно. И чем лучше вы разбираетесь в науке о данных, тем больше вероятность, что вы об этом знаете.

Поскольку в науке о данных невозможно избежать незнания, вы должны управлять этим. Хорошие новости: ни одна компания никогда не нанимала специалиста по обработке данных или инженера машинного обучения из-за того, чего они не знали или не могли сделать. Компании нанимают людей для того, что они умеют делать.

И это ключ к преодолению синдрома самозванца.

Как думать о синдроме самозванца

Если вы чувствуете себя самозванцем, потому что не знаете всего о науке о данных, для начала измените свое представление о том, что такое специалист по данным: дело не в знаниях, а в полезности.

Если вы можете извлечь точную информацию из данных или создать модели, достаточно подходящие для практических целей, тогда вы будете полезны. Ты не самозванец. Вы добавляете ценность. Большинство специалистов по данным никогда не касаются нейронных сетей, большинство не занимается кластеризацией и не использует KNN на повседневной основе. Незнание того, как делать что-либо из этих вещей, не мешает им быть полезными.

Суть в том, что не знать всего - это нормально, если вы можете делать одну вещь действительно хорошо. Если вы можете, тогда вам следует определить свою личность как специалиста по данным в отношении этого предмета. например, «Я специалист по данным, специализирующийся на использовании древовидных моделей для регрессии», а не «Я специалист по данным». Вы всегда можете найти выход из синдрома самозванца, реалистично оценив роль, которую вы ожидаете от себя.

Что делать, если вы * самозванец?

Это не будет популярным, но ...

Может быть, вы самозванец. Не в том смысле, что вы не принадлежите к науке о данных, а только в том смысле, что вы еще не готовы к работе. Быть хорошим специалистом в области науки о данных сложно, и планка поднимается с каждым годом.

Опасность самодиагностики синдрома самозванца заключается в том, что это ужасно заманчивый диагноз: говоря себе, что у вас синдром самозванца, вы можете представить себе, что у вас уже есть все навыки, необходимые для успеха, и что ваше чувство неполноценности не оправдано. Иногда это правда. Но иногда тревога «я чувствую себя ужасно невежественной» в наших головах не зря.

Поэтому, если вы думаете, что страдаете синдромом самозванца, а не правильно диагностируете собственное невежество, первым делом лучше спросить кого-нибудь, кто знает, что он делает. Вот где могут быть полезны наставники и информационные интервью: вы можете поговорить за чашкой кофе с подключением к LinkedIn или сходить на местную встречу.

И когда вы это сделаете, всегда помните этот ключевой руководящий принцип - неважно, что вы знаете; все, что имеет значение, - это то, что вы можете сделать.

Если вы хотите пообщаться, не стесняйтесь связаться со мной в Твиттере. Я @ jeremiecharris!