數據科學家老司機的30個經驗之談，教你如何在公司內獲得認同，帶你繞過他們曾經踩過的坑。

作為一名數據科學家，即便你技術再牛逼，不懂職場社交也會成為你晉升之路上的天花板。

為此，我們創建了一份能夠確保數據科學團隊獲得成功的秘訣top 30榜單。不管你的數據科學團隊是新組建的，還是經驗豐富的，這份榜單都很適用。作為數據科學家，我們希望把更多的時間用在分析問題上，而花更少的時間處理公司政治的問題。

在管理層與數據科學團隊之間常有不和的情況下，我們該如何處理呢？處理不當會導致信任的缺失，項目執行不力和支持匱乏，進一步則會導致數據科學團隊的失敗。如果你覺得我們的top 30榜單有所遺漏，也歡迎補充。

1. 獲得管理層的認同

獲得管理層的認同對任何項目來說都是最關鍵的因素之一。作為數據科學項目經理或數據科學家，努力讓你的領導相信你的項目是你的職責所在。沒有他們的認同和資金支持，你的項目是無法進行下去的。當你的老板發現你的數據科學項目有助于推動他的戰略目標，他們會不遺余力地支持你的項目。

技術牛逼也要懂點社交：數據科學家公司生存指南TOP30秘訣

2. 大膽一點，用數據告訴你的老板他們錯了

經理和管理者也只是人類，他們一次只能處理那么多的信息，看到那么一些相關性。而你，作為一個數據科學家，可以利用你的專業知識和工具在相同時間內處理100倍的數據，精確地發現成千上萬的相關性。使用這一知識，勇敢地向你的老板展示他們錯了。不，但我們并不是讓你得理不饒人。我們是讓你支持你的老板。幫助TA，讓TA帶著正確的結論去參加會議。他們會為此感激你。不過，這就要求你指出他們的錯誤。

3. 取得你同事的信任

根據我們與不同的團隊合作的經驗，我們發現很多領導甚至不相信他們的數據。然而，他們想要新的數據可視化模式，新的數據科學團隊和新的一切。但如果你連你的數據都不相信，這些又有什么意義呢？福爾摩斯說過，數據是思考分析的基石。如果這是真的，而你又對自己的基石沒有信心，那么你在此基礎上所做的所有努力都終將土崩瓦解。所以，努力讓你的領導和同事相信你和你的數據吧！

4. 從成功實現簡單項目起步

我知道，所有人都希望開發下一個Google或Facebook算法。誰不想呢？那多酷，多有影響力，而且每年還能賺取數不清的利潤。不過，如果你的團隊才剛剛起步，而你想要它獲得成功，那就從小的項目起步吧。別擔心，即使是簡單的東西，只要做得好，也能給你的領導帶來不可逾越的價值。一旦你取得了第一次勝利，你的領導們就會在所有事情上尋求你的幫助。接下來你只要確保你的項目能夠不斷地接到各種任務，或者至少你做的項目都有用處。

5. 展現你的項目的價值

取得管理層認可的一種方法是成為一個推銷員。怎么做？告訴他們為什么他們需要這個項目，創造這樣的需求。數據科學仍是一門新興科學，許多管理者還不知道他們為什么需要數據科學，以及在什么地方可以使用它。那就推銷給他們看！這是你的職責！向他們展示如何使用數據科學以及將它轉化為節約下來的資金、資源等等。

6. 將你的數據科學過程標準化

數據科學有許多需要特別洞察力的很酷的技術和工具。然而，就像軟件工程一樣，即使你可以做到所有那些很酷的事情，如果沒有過程，你會跟不上項目，做出來的產品表現也不好，并且不能維護已經完成的項目。這意味著你需要把你的過程寫成文檔。這看起來好像是在浪費時間，但等你的項目出現內部故障的時候你就知道記錄過程有多重要了。所以確保你從一開始就有很棒的數據科學過程。

技術牛逼也要懂點社交：數據科學家公司生存指南TOP30秘訣

7. 不要把你的數據科學團隊框住

不要用你的知識范圍來限制你的數據科學團隊。挑戰你的團隊，問問他們怎么想的，問問他們的建議，不要限制他們的發展。讓他們知道你支持他們并且相信他們的能力。數據科學家都是十分聰明的人，他們只是需要知道你相信他們（就像小叮當一樣）。

8. 計劃、計劃、計劃…但是不要計劃太多

如果要說我們從不同的經歷和項目中學到了什么，那就是——你需要計劃。這確保你不會超出范圍，保證你對所有的數據源和要求有一個很好的掌握，還保證你能成功。不過，如今在商業中事物變化得很快，所以你不能花一年的時間去計劃一個項目。當一個項目提上了日程，你就得趕緊去獲得這個項目的具體要求 。只是別把所有時間都用來計劃而從來不開發項目。

9. 和別的部門打好關系

每個企業都像是一個團隊性運動。你的團隊需要和會計處、財務處、運營部、銷售部和其他所有部門一起工作。他們通常都有自己的數據倉庫，而你需要那些數據。如果你夠幸運的話，會有一個中心團隊管理所有的數據庫。不過即使確實有這樣的一個中心團隊，你依舊需要來自各個團隊的專家。此外，所有這些團隊可能都會想要對你的項目提出一些要求。所以，確保和他們好好相處。

10. 向盡可能多的行業專家（SME）學習

像我們在上一點中提到的，你會想要向不同部門的人學習盡可能多的專業知識。數據科學家不是藥劑師或醫生，也不是會計或財務經理。我們需要從對某一行業或領域了解最透徹的人那里獲得一些洞見。當一個新項目開始時，列一份你所需要的數據和相關主題的清單，然后去請教那些行業專家。

11. 消除公司中的偏見

然而，即使你要去征求行業專家的建議，不要讓他們的偏見阻礙新的洞見。這種情況一直都在發生。很多時候管理層和其他團隊成員對商業模式有固有或者過時的認知，他們會認為提升業務無非是那幾個要素。接著，你的團隊得出了一個全新的結論。由于這一結論與現狀相違背，你的團隊把這一新的洞見掩藏了起來，而沒有把它提交給經理。這不是你作為一個數據科學家的工作。你的職責是挑戰現狀！不過是在正確的前提下。

12. 挑戰現狀

作為一個數據科學家，你有數據站在你旁邊支持你。這就意味著當你是對的，那你確確實實就是對的。你對的時候也不能得理不饒人。我們的意思是你要敢于說出真相，不要被你的經理或主管牽著鼻子走。 其實，他們想要你的意見。你的領導想要你提供給他們能夠自信地帶去見他們的老板的信息。歸根結底，你的老板也有自己的老板。當他們向自己的老板匯報的時候，他們的感受和你的一模一樣。所以，用數據巧妙地去挑戰你老板的觀點吧。

13. 利用數據驅動你的項目

我們相信現在你已經看到了一個主題。利用數據！這其中蘊藏了太多的力量。這甚至不是一個新的想法。人們一直都在使用數據證明一些事情。科學就是依賴于重復利用數據證明理論的這一套方法論，即使是那些我們今天認為是正確的理論。對你的每個項目也做同樣的事情。你為什么做這個項目？是什么在驅動著它？最好是數據。

14. 建立一個原型以獲得早期認同

你如何才能獲得早期的認同？構建一個原始模型（當然，用python）。向你的團隊和領導展示它能做什么。人們想要的是行動，而不僅僅是理論和言語。構建一個原始模型，如果可以的話，獲得真實的數據輸入進去。如果做不到的話就給它提供一些其他數據，但是要確保它的功能性還是存在的。讓這一原型足夠靈活、具有交互性和實用性。

15. 設計要有穩健性和可維護性

這點非常重要。不論建立什么儀表板，設定什么過程，或者開發什么算法，都要確保它是可持續的 。如果你明天離職，項目還能正常運轉嗎？你的同事們會不會背后罵你？說真的，如果你一點記錄都沒留下，從沒分享過你的代碼，那你在老同事中就會留下差評。

16. 把無聊的工作自動化

停止無聊的手動處理數據再加工和品質監控。快快停止。在剛開始設計系統的時候，確保把盡可能多的無聊基礎工作自動化。不要擔心，你的公司永遠有做不完的數據科學項目。讓計算機自動完成而不是一周花費兩個小時來上傳數據會讓你感覺更好。

17. 獲取外部數據科學指導

有很多數據科學咨詢公司可以給你的團隊提供數據科學指導。他們通過獲知你的團隊現在的狀態，并和團隊一起工作來了解如何提高工作效率。這點經常被很多團隊忽略了，所以引入外部幫助是很有用的。

技術牛逼也要懂點社交：數據科學家公司生存指南TOP30秘訣

18. 寫自己的數據科學指南

或許你的團隊里面有個超贊的數據科學家，不僅能完成自己的工作，也能給你的團隊寫很好用的工作手冊，其中包括上載、程序示例、系統文檔等等。如果是這樣，讓他們放手來做。相信我們，沒有比親自到崗和獲得系統文檔更有幫助的了。你可以知道之前發生了什么，建立新的解決方法并且快速的解決問題。這可以給你的公司省錢，也讓數據科學顧問感到開心。

19. 在項目開始前，學習創造性的收集和分類數據

你知道什么是壞主意嗎？讓20個分析師用一個月分類50000個數據點。這時對資源和資金的巨大浪費。當你開始一個項目時，試著開發一個不需要分析師的數據分類器。可以試著進行眾包，提供服務器，設計新產品，嘗試任何可以實現收集并分類數據的辦法。但要嘗試避免你的團隊陷入單調乏味的工作。

20. 首先建立系統來合理的收集數據

有時候，你會很幸運的參與首創性的項目。采集系統將會在半年內為你采集分析所用數據。當你開始建立系統的時候，一定要未雨綢繆。考慮你需要哪些數據，希望它和哪些其他系統交互，等等。不要只建立一個功能系統，在事后才把數據采集組件添加進來。

同時，數據是從不同的數據源來的。可以從內部倉庫、外部API或者任何其他地方獲得。收集盡可能多的數據，確保數據處理過且干凈。

21. 做一個會講故事的人

說到底，我們都有老板，并且我們都需要說服老板我們是對的。作為一個數據科學家，你需要時常去做這件事。為什么，因為你要傳達的基于數據觀點可能非常枯燥。在跟你的上級匯報時，只要講到百分比和標準差，你就能看出來他們已經走神。相反的，你應該建立一個信息圖，一個PPT，一大堆干巴巴的數字之外的任何形象化展示。你希望引起大家的熱情和共鳴。獲得更多在第一點提到的。更多的管理層買賬，代表著更多的資金和更多成功的可能性。

22. 與管理者溝通數據科學在內部和外部的價值

數據科學有影響消費者和員工的能力。告訴你的上司數據科學如何工作以及它的價值。這一點將會在這份清單中不斷重復。不論如何，從越多的角度告訴管理人員你的項目能夠節省成本效果越好。數據科學家喜歡談論具體算法，比如如何計算一個人在翻看facebook時抓鼻子的概率。但是，商業團隊只關心他們能從那個信息中掙多少錢。否則那個信息有什么用？

23. 學習管理流程

你的團隊需要知道管理者如何工作。你的項目需要通過幾道評審，他們多長時間見一次，他們希望看見什么？你對上級管理者如何工作知道的越多，就能越好的幫助把工作引入正規。并且，也會更加容易獲得資金和讓項目通過監督。

24. 明白高管的策略和他們疑慮

高管有自己的政治生涯，自己的處理流程和策略。很多員工根本不知道背地里公司管理層發生著些什么。我們一直在努力爭取讓數據科學家和高管之間有更多開放的討論，不只是一個而是一群高管。一旦你了解高層發生了什么，就能更容易的開始開發符合他們策略的項目和程式。

25. 能夠跟上級解釋你的失誤

這世界失敗常常發生，特別是在數據科學領域。確保你能向你的領導解釋為什么失敗，并且在需要時向他們請求幫助。不要只因為你被需要外部介入的問題卡住，而讓項目半路擱淺。這會損失更多人的利益。

26. 必要時尋求外部介入

有時尋求外部介入是必要的。這包括雇傭咨詢團隊，或者新員工。有時項目會擴張或者有更多的項目被批準。雇一些臨時員工來保證規定時間完成不是一件壞事。在一個能節省上百萬的項目上花費一些成本是值得的。

27. 閱讀足夠多的外部新聞來獲得靈感

太多的外部新聞可能會讓人陷入混亂。它可能會引起對落后的擔心，因為你的項目可能沒能達到巨頭的水平。不要擔心，只要閱讀足夠的內容來啟發你前進，而不用去讀太多那些你覺得自己水平無法達到的文章。

技術牛逼也要懂點社交：數據科學家公司生存指南TOP30秘訣

28. 質疑你做的每一個項目

如果一個管理者提議你去做一個項目，盡管有其他副總裁或者高管的支持，也要對項目究根問底。為什么要做這個項目，它能在哪些地方起作用，它能節省多少成本？你可能是需要去發現這些問題答案的人，但是確保你知道問題的答案。不然，你可能做了一個毫無用處的項目。

29. 積極面對

“積極面對”是一句雞湯，同時也是真理。你很容易失去希望，特別是如果你是一個數據科學項目管理員。或許你的團隊的發現沒有太多價值，或許甚至沒有任何發現。其實這樣的情況很多見。不是每一個項目都會立刻成功。保持耐心和積極。如果你的數據是干凈正確的，并且數據科學方法是可靠的，最終總會有成果產生。

30. 做一個決定，提出一個實際的觀點

作為一個數據科學家，你有自己的力量。你有數據，這代表你可以充滿信心的做出論斷。不要忘記這點。請多多使用下面的語句：

最好的決定是……

我建議我們可以……

我知道……

讓我們嘗試方案xxx，因為……