淄博市网站建设_网站建设公司_后端开发_seo优化

原文：towardsdatascience.com/leading-data-science-teams-to-success-8292fe67de4f?source=collection_archive---------8-----------------------#2024-07-31

数据科学咨询

在充满挑战的协作环境中成功交付项目的实用策略

https://medium.com/@hc.ekne?source=post_page---byline--8292fe67de4f--------------------------------https://towardsdatascience.com/?source=post_page---byline--8292fe67de4f-------------------------------- Hans Christian Ekne

·发表于 Towards Data Science ·阅读时间 11 分钟·2024 年 7 月 31 日

–

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/914a124920536007aa78fba006cba089.png

图片由作者使用 DALL-E 生成

引言

你是否曾经要求团队成员提供一个交付成果，却收到了完全不同的东西？或者曾经给客户项目经理发邮件，经过多次跟进后依然没有回应？

与团队一起交付产品有时会充满挑战，而如果你是团队的领导者，那么克服这些挑战并确保项目成功就是你的责任。这在数据科学咨询项目中尤为艰巨，因为与客户资源的协作至关重要。

此外，在提供端到端数据科学解决方案时，由于需要与客户基础设施的紧密集成、访问数据以及频繁的利益相关者反馈，意味着你通常需要与跨职能团队合作。这个团队可能包括业务分析师、数据科学家、DevOps 工程师、数据工程师、项目协调员和领域专家。每个成员都带来独特的技能和视角，但他们也面临各自的挑战。

克服这些问题的关键在于了解每个团队成员的能力、弱点和优势，做好规划并专注于目标的实现。作为团队领导者，你必须灵活，基于团队的优势和弱点调整计划，但有时也需要评估自己的行为，看看自己的行动是如何被感知的。下面，我将探讨数据科学项目中常见的一些团队挑战，并提供一些关键要点，确保项目的成功交付。

挑战与干预

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/8ced522f154ca3d0ce92868d842409db.png

图片由作者使用 DALL-E 生成

领导数据科学项目涉及克服各种挑战，从误解和缺乏商业洞察力，到低生产力和利益相关者的脱离。有效的干预通常需要反思、自省、适应性规划、一对一会议和亲自领导的结合。在这里，我将讨论我遇到的具体挑战以及我为成功解决这些问题所采用的策略。

缺乏理解和基础的商业洞察

挑战：在我早期的一个项目中，我负责管理几位正在努力完成项目的数据科学家。他们构建的算法得出的结果与预期完全相反。在这种情况下，他们的模型预测当价格上涨时，流失率会下降。项目中的咨询合作伙伴对此并不满意，并且需要一个客户可以接受的可行解决方案。

干预：我采取的第一步行动是明确我们直观上应当期望算法的表现。然后，我全身心投入到数据准备和流程中。（我完全支持一个常见的观点，即数据科学家花费 80% 的时间在清理和准备数据上，只有 20% 的时间用来生成洞察。）这帮助我发现问题出在数据从源数据准备和转化的过程中，模型中包含了哪些数据，以及他们在建模过程中做了哪些假设。

除了尝试以身作则并亲自处理数据外，我还经常与数据科学家进行一对一会议。这些会议让我能够明确我的期望，并更好地理解他们在建模和数据方面走错了路径的原因。此外，我还提供了如何纠正方向并回到正轨的反馈。不断提醒数据科学家项目的最终目标也是非常重要的。

过于学术化，没有聚焦于项目的最终目标

挑战：在数据科学和数据工程项目中，往往会有许多聪明的人参与。通常这很棒，但有时候，好的想法可能会阻碍目标的实现。我经常看到数据科学家——我自己也有过这种情况——在一个问题上深入探讨，可能会稍微失去对我们真正想要实现目标的关注。在繁忙的项目环境中，这个问题尤为严重，因为我们面临着预算、时间和资源的限制。

有一次，我让一位数据科学家开发一个预测客户流失的模型，但他在细节上卡住了，一直走在一个没有成果的分析路径上——尽管没有取得显著进展。该数据科学家在方法上非常严谨，却很难从更务实的角度看待问题。在这种情况下，我们也在寻找客户流失与价格之间的关系，然而数据的结构和应用的算法并不有利于最终目标的实现。

这个挑战不仅仅适用于团队成员，作为团队领导者，你自己也很容易陷入这个陷阱。在一个最近的项目中，我正在做一个商业案例，并确信自己找到了一个很好的方法来估算我们项目的投资回报率（ROI）。这个方法是严谨的、从下而上的，不需要任何不切实际的假设来展示我们的案例。然而，在做了几天之后，我发现这个方法对我们真正需要的东西来说，过于耗时且复杂。客户没有完全理解这种方法，显然我们需要一个更简单、更直观的方案。

干预：在这两种情况下，解决方案是自我反思与反思成果以及时间的使用。关于数据科学家的情况，我与他进行了一对一会议，以便对我们需要实现和交付的内容达成一致。我们的最终目标是什么。对我而言，通过听取团队的反馈并反思自己的时间消耗和进展，我能够进行调整，采用一种更简单的技术来纠正方向，这仍然满足了我们的目标，并让我们能够量化项目的投资回报率（ROI）。

低生产力的团队成员

挑战：并非所有团队成员在项目初期都能按预期产出结果。然而，作为顾问，你经常需要制定能够整合客户人员的开发计划——尽管事先无法评估他们的生产力。各种因素，比如项目过多或处理个人问题，可能会导致生产力降低。要警惕在不了解可用资源的情况下制定过于详细的计划，因为这可能会成为一个陷阱。

在一个项目中，客户方告知我他们将为我提供 2 名数据科学家全职员工（FTEs）、1 名业务分析师全职员工和 1 名数据工程师全职员工，帮助我交付项目。基于此，我尝试规划如何在给定的时间框架内交付项目。然而，到了交付时，我发现其中一名数据科学家全职员工有几周的计划假期，且没有人能够替代他。结果还发现，数据工程师全职员工的表现并不理想，无法产出我们项目所需的工作量。

干预：上述情况通过短期规划周期和快速适应变化的条件得以解决。我指派了一位更高效的全职数据科学团队成员来弥补空缺，并且我自己也变得非常亲自上阵。如果是长期且不易调整的计划，这种灵活性将会很难实现。

客户方项目经理缺乏参与感或不合作

挑战：在许多咨询项目中，客户方会有一位负责内部管理项目的人员。通常，这个人要么负责你正在构建的最终产品，要么是负责管理内部项目的人，知道如何推动项目的进展。

通常，在客户方有一个能够贡献并推动项目进展的人是很好的，尤其是当你需要与多个利益相关者对齐时。但有时候，你会遇到一个缺乏参与感或不合作的经理，他不回复电子邮件，反而成为了瓶颈，而非帮助。对于数据科学项目而言，你通常希望能够得到频繁的反馈，这种情况可能会带来问题。

干预：将定期会议安排到他们的日程中。如果你习惯了与其他经理每周开一次会议，考虑将频率增加到每周两次。即使他们不回复电子邮件，至少面对面交流的时间间隔不会太长。如果这些方法都无效，另一种策略可以是通过其他渠道与客户建立联系。在我的一个项目中，我们有一位咨询合作伙伴，虽然他并没有直接参与项目的日常运营，但他直接联系了客户方的首席营销官（CMO），促使项目经理采取更多行动。

再次强调，这也是一个反思和自省可能会有所帮助的情境。为什么项目经理会有这样的行为，是否有你的行为引发了这种反应？也许你做了某些事，或者以某种方式呈现了信息，导致了不良的印象？尝试进行一次一对一会议，解决任何误解，并将焦点重新对准项目的最终目标。

关键要点和指导原则

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/7e84fec36de7719517f40c89d168ae36.png

由作者使用 DALL-E 生成的图片

这可能不会让人感到意外；事实证明，我们上面讨论的许多干预措施与敏捷软件开发运动背后的原始原则有很多相似之处。在“敏捷宣言背后的 12 项原则”中，我们可以看到清晰地强调了“更倾向于较短的时间周期……”，同时也有关于反思的理念：“……反思如何变得更高效，并根据情况调整行为。”此外，还强调了与人见面和交流：“向开发团队传达信息的最有效方法是面对面的交谈。”由于敏捷最初是作为一种方法帮助软件团队改善开发流程，旨在响应当时流行的瀑布开发方法，因此它的许多原则也适用于数据科学项目。

我已尝试将我的干预措施整合为几个指导原则，当然，本文讨论的一些策略也适用于许多不同类型的项目，而不仅仅是数据科学项目。

采用短期迭代进行规划

如果过于依赖预先设定的大计划，你就有可能为失败埋下隐患。尤其是当你对团队并不十分了解时。这就是为什么拥有较短的开发周期，并能够迅速适应变化，会增加成功的机会。

始终牢记最终目标

这是一个非常强大的指导原则，我经常看到它是处理与团队成员之间问题和难题的好方法。特别是当他们的努力和分析偏离了我们试图实现的目标时。

在我参与的许多大型数据科学项目中，最终目标往往是将某种端到端的机器学习系统集成到客户的架构中。这可能是从定制的定价解决方案到一个完善的客户管理平台。例如，如果你正在开发一个进入终端客户定价功能的价格敏感度算法，那么你需要经常评估自己的努力和研究是否真的在推动项目的最终目标。

以身作则

在我参与的大多数项目中，我通过亲力亲为的方式与团队一起深入细节，取得了积极的经验。以身作则之所以有效，是因为它建立了信任和尊重。当领导者展示他们期望团队成员具备的行为和工作态度时，就设定了明确的标准，并激励其他人效仿。

以身作则在团队成员生产力较低时尤为重要。同时，它使得你在规划中更加灵活，能够更容易地介入开发中的各个环节，尤其是那些需要更多关注的部分。最终，我相信以身作则有助于创造一种正直、合作和互助的文化。

一对一会议

一对一会议在领导数据科学项目时尤为有益，因为它提供了个性化的沟通和专注于个人的空间。这些会议为经理与团队成员之间的深入理解创造了条件，允许在复杂任务上提供量身定制的支持和指导。尤其在你作为顾问，且不熟悉所有团队成员的情况下，这尤为重要。

当你需要与团队成员协调时，一对一会议提供了一个私密的空间，用于建设性的反馈，并确保个体贡献与项目目标之间的协调。

评估自己以及他人对你的看法

最后，解决问题并推动团队前进有时需要团队领导的自我反思。与新人合作可能具有挑战性，特别是当他们来自不同的国家和文化时。例如，我来自挪威，那里的沟通方式直接且非正式。而这与英国的沟通方式形成对比，后者往往更为微妙和礼貌。

我曾亲身经历过当时我过于专注于最终目标，假设每个人都在同一频道上，却没有停下来与团队协调的情况。此外，我有时在解释难题时会变得过于技术化。如果团队成员没有理解，他们可能会感到被排除在外并且沮丧，而你可能会显得像是自以为是或傲慢无礼。这在数据科学中尤为困难，因为复杂的话题常常需要快速地进行解释。

并非一切都如此黯淡

虽然本文主要聚焦于在数据科学团队中工作时面临的挑战，但它当然也有许多令人惊叹的方面，这也是我继续从事这项工作的原因。我遇到了一些非常聪明和富有吸引力的人，他们为我的数据科学之路做出了贡献，并教会了我宝贵的技能。此外，作为团队，我们共同实现了远超单个人能够做到的成就。

我不会没有那些经历，并且我很感激有机会参与到一系列多样化的项目中，结识有趣的人，并面对数据挑战。（我甚至在一个项目中遇到了我的未来妻子，也是我两个儿子的母亲！！）

结论

领导数据科学团队带来了独特的挑战。从应对不同的生产力水平，确保与客户资源的对接，到保持专注于最终目标并促进有效沟通，这个角色需要一种多才多艺和适应力强的方法。通过保持短期规划周期、以身作则，以及利用一对一会议提供个性化的指导，团队领导可以更有效地应对这些挑战。

虽然障碍可能很多，但与一个伟大的团队一起解决复杂问题的回报是丰厚的。这些经历促进了职业成长，并有助于个人发展以及建立有意义的人际关系。迎接挑战，从每个项目中学习，并继续作为领导者成长！

如果你喜欢阅读这篇文章，并希望获取更多我的内容，请随时通过 LinkedIn 与我联系，网址是https://www.linkedin.com/in/hans-christian-ekne-1760a259/，或者访问我的个人网站https://www.ekneconsulting.com/，了解我提供的一些服务。请随时通过电子邮件 hce@ekneconsulting.com 与我联系。