如何让数据科学家团队的工作效率迈上新台阶？

品觉导读:各公司做法不同。一些公司让所有的数据科学家坐在一起——无论他们从事什么工作，他们都能保持密切的沟通。一些公司甚至将数据科学家与公司其他部门完全独立，闭门解决问题，然后将解决方案移交给团队外的工程师。其他人则采用顾问模式，数据科学家临时空降到某个项目，分析问题，或回答一次性问题。你不能把目光局限于博士和研究人员。你需要的是那些多才多艺的人。他们更喜欢解决实际应用问题，而不是学习理论。如果你雇佣的人喜欢钻牛角尖，专注于实验，却看不到他们对产品的直接影响，结果会事半功倍。要成为一名有效的数据科学家，你必须意识到你的工作不仅仅是研究。你必须定量和定性你的工作，这样整个公司都能理解。原文翻译：五年前，戈登·里奥斯（GordonRios）潘多拉成为音乐服务提供商（Pandora）第一位正式数据科学家。他目睹了团队成长到原来的十倍以上，并开始在公司的每一个决策中发挥重要作用。考虑到潘多拉的许多服务与数据密切相关——帮助人们找到他们最喜欢的音乐，从维护著名的音乐基因组计划到创造更多的方式——这已经成为数据科学团队快速成长和学习发挥作用的最佳例子之一。里奥斯在潘多拉敏锐地观察了科学家的招聘和数据科学团队的形成。他能提供难得的见解，哪些做法可行，哪些不可行。目前，数据科学在大型科技公司和小型初创企业中的重要性日益突出。因此，知道如何在这方面最大限度地提高生产效率变得越来越重要。在这次采访中，里奥斯谈到了潘多拉数据科学工作的演变，以及如何分配资源，确保有效的管理和灵活的沟通，以促进数据科学工作的顺利发展。在这方面，有三个重要的经验可供参考。如果你问里奥斯，“全面集成”的数据科学家最激情的是什么，他首先想到的是科学和音乐。人们如何决定自己听什么，为什么要做出这样的决定，以及他们的口味和习惯如何改变，这些都让他着迷。因此，不难想象，他是潘多拉播放列表创建的核心贡献者之一。他利用机器学习方法，与工程师和其他科学家一起测试和改进播放列表的算法。值得一提的是，他是潘多拉“播放列表团队”的全职成员。他首先是团队的成员，其次是数据科学团队的成员——因为他致力于播放列表的建设，并试图使它完美。播放列表团队不仅包括工程师，还包括产品经理、设计师等，共同朝着这个方向努力。并非所有的数据科学工作都是这样进行的。因为这个领域比较新，公司的做法也不一样。一些公司让所有的数据科学家坐在一起——无论他们从事什么工作，他们都能保持密切的沟通。一些公司甚至将数据科学家与公司其他部门完全独立，闭门解决问题，然后将解决方案移交给团队外的工程师。其他人则采用顾问模式，数据科学家临时空降到某个项目，分析问题，或回答一次性问题。潘多拉发现，最好的效果是组建一个以功能为中心的团队，让数据科学家充当其中之一——里奥斯根据经验同意这种做法。“分配到一个小组后，数据科学家能够理解这个小组，成为它的一员，这是理想状态。“在被分配到播放列表团队后，你仍然会与其他数据科学家保持沟通，但你必须向播放列表团队的管理者报告工作。您全职为这个项目服务。潘多拉擅长用相对分散的人手做伟大的事情。事半功倍，已成为潘多拉的核心价值之一。“播放列表团队的使命是确保音乐能够找到他们的‘知己’。我们希望艺术家能收获观众和最好的体验。这取决于你是否能让人们尝试新的音乐。“这完全取决于实验、数据收集和算法设计，促使人们逐步走出自己的音乐舒适区。因此，里奥斯和他的团队面临着惊人的数据挑战：以用户行为数字为例，他们必须确定人们是否满意，用户跳过歌曲是因为他们不熟悉，还是根本没有胃口，还是厌倦了听。他们如何回答这些问题与每个观众在最微妙的体验有关。“对于这类项目，您需要运营、工程、产品人员和科学家同时参与，但他们对服务有共同的愿景。“顾问模式永远不会奏效，”里奥斯说。在我职业生涯的早期，当我第一次接触数据挖掘时，我经常担任顾问。这种模式很难在涉及面广的问题上取得进展。为了了解问题的方方面面，你必须成为团队的一员。正是因为这个原因，他建议数据科学家成为团队的永久成员，除非项目被取消或有其他令人信服的变化原因。数据科学家需要全身心地投入到项目中。“如果你把数据科学团队分开，他们就不能表现得最好。他们会感到无聊或效率低下。里奥斯说，最理想的情况是招募具有扎实工程技能的数据科学家。如果数据科学家能够生产产品，你不仅可以节省人力，还可以依靠他们将数据转化为有意义的产品。一旦你认为数据科学是你初创企业成功的核心，你就必须开始寻找这样的人才。在未来，你可以从各个方向发展专业人才，这也是非常重要的。理想情况下，公司最初应该有一个像里奥斯这样的数据科学家。里奥斯不仅可以测试假设，编写代码，还可以创建和部署算法，即“瑞士军刀”。里奥斯凭借之前在雅虎的工作经验和在Zvents搜索初创公司担任首席技术官的经验，带来了全栈编程能力、大数据领域和机器学习技术的经验。他还掌握了其他关键技能:能够独立工作，激励自己，承担责任，这是你第一个数据科学家需要具备的能力。该领域的第一批员工很少受到严格管理，但如果找到合适的候选人，即便如此也没关系。.里奥斯说，当你开始建立一个数据科学团队时，你应该保持灵活的态度。你不能把目光局限于博士和研究人员。你需要的是那些多才多艺的人。他们更喜欢解决实际应用问题，而不是学习理论。如果你雇佣的人喜欢钻牛角尖，专注于实验，却看不到他们对产品的直接影响，结果会事半功倍。与此同时，雇佣博士人才也很重要：他们训练有素，会主动学习一些问题，而解决这些问题将有助于提高你的竞争力。里奥斯说，最重要的变量是适当的管理。“在大多数情况下，良好的管理是统一员工的技能和公司的需求，但在数据科学方面，许多问题要求相关人员既有优秀的技能，又对问题感兴趣。“如果你找到的项目人员技术熟练，对解决问题非常感兴趣，你就相当于找到了金矿。“数据科学管理”当然，有时候，你必须咬紧牙关，携带那些无聊但对公司至关重要的项目，但如果你不缺乏人才，那么，将项目分配给最适合他们的人才，这基本上是数据科学管理的本质。里奥斯说：“优秀管理者和平庸管理者之间最大的区别是能否一直这样做。“现在，潘多拉有一个研究主管，负责播放列表的增长和保留，名叫奥斯卡·塞尔玛（OscarCelma），任何公司都应该寻找像他这样的数据科学家作为团队领导者。他是一名真正的计算机大师，一名医生，也是音乐推荐技术领域的领军人物。潘多拉计划将这种管理模式应用于包括广告科学在内的其他领域。为了使数据科学家团队的工作效率达到一个新的水平，管理者应该问自己以下问题：公司如何才能最快地朝着预期的方向前进？基于之前问题的答案，当数据科学家分配给功能导向团队时，如何确保团队的挑战对他来说并不大或不小？你想在哪个方向发展，你想培养什么样的技能组合？“专注于让有才华的人一起工作；一旦你这样做了，你就会看到非凡的创造力。“好的数据科学管理与师友合作密切相关，他说。虽然他建议将数据科学家纳入跨职能团队，但科学家也需要在和谐的工作氛围中合作，分享最好的做法、想法和解决方案。这是让优秀人才投身工作，不断成长的关键。随着数据科学家阵容的不断壮大，潘多拉在合作精神的指导下，建立了包括Slack在内的多种常规沟通渠道，这些渠道可以与所有数据科学家和任何相关人员联系。人们用它来提出问题，提供建议，甚至在内部传阅与正在解决的问题相关的学术论文。虽然他们大部分时间都不在一起工作，但数据科学团队会定期召开会议，经常聚在一起吃午饭，讨论大家在做什么，讨论一些非正式的想法。许多解决方案都来自于这样的讨论。如果稍微正式一点，他们会安排时间向同事展示项目和研究结果，借此机会提问或回答问题，并分享可能有助于其他实验的做法。关键是要使基础设施的发展与团队的步伐一致，共同努力，不要陷入积累的困境，同时保持沟通，一是鼓励相互学习，二是避免重复劳动。里奥斯说，相当一部分这些交流应该集中在团队成员擅长的技能上，尽管大多数人都是多才多艺的。“有的是传统的数据科学家，有的更擅长统计学，有的更擅长软件开发。”他说。知道谁擅长什么，有助于你选择合适的人才，从而更快地解决问题。“在一个成功的数据科学团队中，人们感到快乐、充实、具有挑战性，并能取得重要成就。此时，他们的表现处于最佳状态，提供了最多的价值。“由于种种原因，我们还雇佣了资历较浅、经验不足的数据科学家——因为他们适应得很快，学习得很快——但他们应该配备相应的管理和指导。他说，在考虑一个人能否胜任某项工作时，聪明与否从来都不是问题的关键。根据里奥斯的观察，无论在哪里，数据科学家的招聘过程都极其严格，聪明的头脑几乎是板上钉钉的。更不用说数据科学的领导者了。真正的问题是它们是否与需要解决的问题相匹配，是否与文化相匹配，以及它们是否能帮助团队中现有的科学家实现自我发展。“判断一个数据科学经理的质量取决于他管理的数据科学家的工作效率。里奥斯说。因此，在采访数据科学经理时，我们应该有高标准和严格的要求，并采取双重措施：1。他们必须在一定程度上了解被聘用的数据科学家必须理解和掌握的东西，包括创建复杂的模型，并指出特定产品中最具技术性的功能。他们的头脑必须像他们想要管理的数据科学家一样灵活，并像数据科学家一样快速学习新事物。2."他们来面试的时候，一定要人人都爱。“先看文化是否合适，再谈技能组合是否合适，”里奥斯说。他们必须真正热爱公司的产品，了解公司和公司想要解决的数据问题。很难通过申请获得这些职位，但这是正确的。“优秀经理或合作伙伴的标志是每个人都希望你参与他们的项目。要成为一名有效的数据科学家，你必须意识到你的工作不仅仅是研究。你必须定量和定性你的工作，这样整个公司都能理解。里奥斯说：“如果人们不互相交流，就很难取得全局性的好成绩。幸运的是，数据科学家在交流问题上有自己的超能力。利用自己的量化能力，可以衡量自己的成绩，以具体生动的方式向公司其他部门传达自己的工作。由于数据科学的快速发展，在这方面，由于数据科学的快速发展，明确而持续的沟通尤为重要。你一次又一次地做实验，得到结果，然后修改软件。在潘多拉，里奥斯和他的同事们不断假设如何吸引更多的观众，让更多的艺术家倾听。“我们提出修改意见，优先考虑一些实验，然后迅速向少数观众推出，看看是否有效。“歌曲推荐功能看起来像闪电和无缝连接，但它涉及许多不同的人负责的“活动部件”。“我们实际上有一个大的推荐策略集合。里奥斯解释说：“例如，我们可以在20世纪80年代播放更多的音乐，如辛迪·劳帕（CindyLauper）或雪儿（Cher）。根据用户的行为，我们可以看到他们想听80年代的流行音乐、LadyGaga或蕾哈娜（Rihanna）这些更新的音乐。幕后有许多不同的工作。"可以想象，当不同的团队在同一时间进行多次实验，同样的经验，事情就会变得相当复杂。所以，建立和维护一个先进的A/B测试平台是必不可少的。了解其它团队在做什么是很重要的，但是要支持多个工作组，还是要依靠平台。“我们想尝试成千上万的东西，但我们必须遵循我们对服务的愿景，而不是超出这个范围。里奥斯说，潘多拉的数据策略如此有效的原因之一是重视特殊技能及其应用。谁擅长推荐项目，谁擅长机器学习，谁擅长开发用户，这些都不是秘密。每次有新人加入，都要培养这种透明度，使之成为常规做法。“这就是为什么我们如此重视数据科学家的招聘，要求他们既要好奇，又要有创业精神。里奥斯说：“要在这样一个团队中取得成功，你必须全身心地投入到你特别负责的领域，并毫无保留地帮助团队需要你的才能。”