Мягкие навыки, которыми должен обладать каждый специалист по обработке данных

Необходимые навыки для специалистов по обработке данных

 

Я знаю одного парня, который является невероятным программистом. Он освоил Python для переключения карьеры, затем быстро освоил JavaScript, Go, SQL и еще несколько просто для удовольствия. И он хорош, не просто те люди, которые указывают языки программирования в своем резюме, но у них нет нужных навыков для работы в области науки о данных.

Но у него возникли проблемы с трудоустройством. Несколько недель назад мы встретились на кофе, и наш разговор вдохновил меня на написание этой статьи. Я не хотел оскорбить его сильно, но поднял вопрос о том, как прошло его последнее собеседование. Он немного опоздал, не отправил благодарственное письмо после него, и хотя он справился со всеми задачами по программированию, он не общался по вопросам на уровне доски и не раскрывал их дальше, чем просто давая правильный ответ.

«Кев», сказал я ему, «твой кодирование невероятно хорошее. Любая компания счастлива была бы иметь тебя в качестве научного сотрудника по данным. Но тебе нужно поработать над мягкими навыками».

Вот четыре ключевых мягких навыка, которые я рекомендую для каждого научного сотрудника по данным, независимо от того, хотите ли вы попасть в эту область, продвигаться по карьерной лестнице или просто выполнять работу лучше.

 

 

1. Коммуникация

 

Все думают, что это означает умение разговаривать. На самом деле, хорошая коммуникация включает внимательное прослушивание, особенно в науке о данных.

Представьте себе такую ситуацию: заинтересованное лицо, может быть, вице-президент по маркетингу, обращается к вам с вопросом о кампании, которую она хочет запустить. Она взволнована и имеет видение, но не уверена, как измерить ее влияние или какие данные ей нужны. Вместо того, чтобы сразу вдаваться в подробности о том, как вы можете получить данные или какие модели можно использовать, вы сначала слушаете. Вы позволяете ей объяснить свои цели, заботы и то, что она надеется достичь с помощью кампании.

Активное прослушивание позволяет вам понять более широкий контекст ее запроса. Возможно, она не просто ищет простой анализ, а хочет понять поведение клиентов или сегментировать аудиторию так, как она не рассматривала раньше. Слушая вначале, вы можете предложить решение, которое соответствует ее реальным потребностям, а не только исходной задаче.

Коммуникация является ключевым элементом в науке о данных. Вы не будете работать в темном подвале, набирая код на клавиатуре весь день; вам будут поступать запросы, и вам придется составлять презентации и общаться с людьми. Как и в навыках аналитика данных, чтобы достичь успеха, вы должны уметь общаться.

 

2. Приспособляемость

 

Опрос разработчиков StackOverflow 2023 года на самом деле является отличным примером приспособляемости. Авторы впервые представили 3. Командная работа и сотрудничество

 

 

Помните, как я подчеркивал важность коммуникации? Командная работа и сотрудничество входят в этот же аспект. Как специалист по обработке данных, вы работаете не только с другими специалистами по данным. Все любят все, основанное на данных, поэтому вам могут поступить запросы на создание презентаций в PowerPoint, отчетов и графиков.

Для успешной работы вам нужно уметь находить общий язык с другими людьми. Проекты по обработке данных часто включают работу с поперечными командами, включающими в себя бизнес-аналитиков, инженеров и менеджеров продукта. Умение эффективно сотрудничать обеспечивает соответствие решений, основанных на обработке данных, бизнес-задачам.

Например, в одной из моих предыдущих должностей команда продукта хотела внедрить новую функцию в наше приложение. Очевидно, им понадобились данные в подтверждение своего решения. Они обратились ко мне и к остальной команде по обработке данных за информацией о поведении пользователей в отношении подобных функций.

В то же время команда маркетинга хотела знать, как это новое свойство может повлиять на вовлеченность и удержание пользователей. Между тем, команде технической поддержки следовало понять технические требования и влияние на процессы обработки данных.

Наши команды стали центральными в этом. Нам приходилось собирать требования от команды продукта, предоставлять информацию команде маркетинга и работать с командой инженеров, чтобы обеспечить бесперебойный поток данных. Это требует не только технической экспертизы, но и способности понимать потребности каждой команды, эффективно общаться – и иногда посредничать в случае противоречий интересов.

 

4. Любопытство

 

В этом случае я выбираю не использовать понятие решения проблем в качестве основной “мягкой навык”, так как считаю, что оно избито. Но, по сути, любопытство означает то же самое.

Как специалист по обработке данных, мне, наверное, не нужно говорить вам, что вы будете сталкиваться с множеством проблем. Но на самом деле все проблемы в их основе – это вопросы.

“Наши пользователи не совершают покупки” превращается в “Как сделать этот продукт более привлекательным?”

“Моя модель дает неточные предсказания” превращается в “Что можно изменить, чтобы моя модель стала более реалистической?”

“Наша продажа снизилась в последний квартал” превращается в “Какие факторы повлияли на снижение продажи и как мы можем с этим справиться?”

Каждая из этих проблем, когда к ним подходят с любопытным настроем, превращается в вопрос, направленный на понимание и улучшение. Любопытство побуждает исследовать глубже, не принимая вещи как должное, и постоянно искать лучших решений.

Кевин, о котором я упоминал вначале, был любопытным человеком в общем. Но по какой-то причине, когда дело дошло до обработки данных, он закрыл глаза. Каждая проблема стала гвоздем, который должен был быть забит молотком кода. И реальность состоит в том, что не так много работы в области обработки данных можно сделать таким образом.

Он привел мне пример того, что ему недавно задали на собеседовании: “Команда поддержки клиентов получала жалобы на процесс оформления заказа на сайте. Как вы бы справились с этим?”

Кевин подробно рассказал, как бы он исправил техническую ошибку. Но ответ, который хотел услышать его собеседник, был вопрос вроде: “Почему пользователи считают процесс оформления заказа неудобным?”

В реальном мире специалист по обработке данных должен задать этот вопрос, чтобы решить проблему. Возможно, пользователи из определенного региона испытывают проблемы из-за интеграции местного платежного шлюза. Или, возможно, мобильная версия сайта не так удобна для пользователей, что приводит к покиданию корзины.

Формулируя проблему в виде вопроса, специалист по обработке данных не только определяет проблему, но и углубляется в ее причины. Такой подход не только приводит к более эффективным решениям, но также открывает более глубокие инсайты, которые могут определять стратегические решения.

 

Заключение

 

Существует множество других мягких навыков, о которых я не упомянул здесь, таких как эмпатия, устойчивость, управление временем и критическое мышление, чтобы назвать несколько. Но если подумать, они все входят в эти категории.

Общайтесь с людьми. Умейте адаптироваться. Будьте способны работать с другими. И подходите к проблемам с любопытством. Обладая этими четырьмя мягкими навыками, вы сможете справиться с любой проблемой, собеседованием или ошибкой, которая попадется на вашем пути.  

****[Нейт Росиди](https://twitter.com/StrataScratch)**** является специалистом по обработке данных и продуктовой стратегией. Он также преподает анализ данных в качестве внештатного профессора и является основателем StrataScratch, платформы, помогающей специалистам по обработке данных подготовиться к собеседованиям с реальными вопросами от ведущих компаний. Свяжитесь с ним на Twitter: StrataScratch или LinkedIn.