為什麼我們的數據科學團隊無法產生價值

• 2019 年 11 月 11 日
• 筆記

本文轉載自 AI公園 作者：Joel Nantais 編譯：ronghuaiyang

導讀

領導數據團隊的重要一課。

我坐在老闆的辦公室里，向他簡要介紹我們新報表的情況，這將極大地增加組織中每個成員對數據的訪問。此外，新數據的品質比以往任何時候都要高，這個設計將使最不懂技術的用戶也能對數據進行有意義的控制。

然後，就像臉上挨了一記耳光，老闆告訴我，他對我們數據團隊的印象是，我們得不到任何有意義的數據。

說這件事讓我措手不及還是保守的。我知道這個團隊工作有多努力。此外，他們在這一年裡還設計和發起了若干其他重要和複雜的項目。

然而，我的老闆告訴我，他對我們的數據沒有信心，也對團隊在許多需要數據和分析的情況下提供價值的能力沒有信心。

我無法釋懷，因為我真的很困惑。因此，我探索並了解到，我老闆的經驗和觀點是獨一無二的，與我不同。

他的數據需求常常圍繞著緊急的響應性數據請求，以滿足遲來的外部需求。在他能列舉的幾乎每一個案例中，他都得到了我們無法提供數據的回應。

然而，到目前為止，數據團隊的重點和優先順序都集中在我們的商業智慧、機器學習和預測工具和產品上。這些東西將讓我們的能力達到我們需要的程度，並且證明最近增加的資源是值得的。我們是完全按照這個來做的五年計劃！

作為一名管理者和數據科學團隊的一員，這對我來說是一個警鐘。

委派是一個有趣的命題。作為一名主管，我常常擔心自己是否在事無巨細地管理員工。

為什麼？因為每個人都知道你的團隊不想被微管理。當然不是，你也不想被微管理。

通常會發生什麼？我經常發現項目沒有完成。或者他們沒有達到我的期望。

在與老闆的會議後，我意識到，我委派的許多任務和項目是由團隊「不可能」決定的。這種情況經常發生在數據請求和特殊分析中。這讓我可以把更多的時間花在其他項目上。

「我們沒有數據」、「這不是我們能找到的報告」、「我們以前嘗試過，但沒有成功」是我聽到的一些典型的回答。

在許多方面，我都信任這個團隊。他們在一起的時間比我監督他們的時間還長。事實上，我從他們身上學到了很多，我經常發現自己也在用同樣的方式來抵抗任務，向同事解釋我們不能做的事情。

我花了一些時間重新考慮所發生的事情。在這期間，我學到了一些東西，這些東西把我帶到了一個非常不同的方向，幫助我更好地理解我的團隊和組織的需求。

幾個月來，我一直在聽取我的團隊關於我們的新報表、ML項目和其他長期計划進展的穩定和定期報告。團隊很驕傲和興奮，我自己也很專註，互相影響。

這是自動構建的，直到臨時數據請求不再是優先的了。只有那些我們可以隨時訪問數據的請求才會被滿足。任何其他的事情都會分散我們有限的和「寶貴的」資源，讓我們無法從事真正「重要的」項目。

當你在一個反應型的組織中，你需要為那個使命奉獻資源。

這意味著困難的數據任務被拒絕了……通常會解釋說我們沒有數據。

我決心改變老闆對我們團隊的看法，以及我們滿足他對數據要求的能力。很明顯，我對短期數據分析需求產生了盲點，這種需求往往超過了領導對我們新產品的長期計劃。

當你在一個反應型組織中，你需要為這個任務投入資源。我還確保整個團隊都明白，我希望培養一種「說『是』」的文化，無論付出什麼努力。這絕對意味著重新確定項目的優先順序，但這也意味著我們所有人都要對彼此負責，如果我們有動力對某個請求說不，我們會對自己和數據提出尖銳的問題。

經過一些搜索和一些實例，我了解到現實是團隊並不總是處在默認探索的心態。這是我的錯。我委派了具體的任務和要求，而沒有花時間與團隊一起設定任務的期望級別。

此外，我相信他們的專業知識(正確)，但當他們拒絕請求(錯誤)時，我沒有花時間和他們探討「為什麼」。

作為一個領導者，僅僅建立正確的團隊是不夠的。你還必須形成正確的團隊態度和文化。你的職責是確保組織的需求是設定優先順序的首要因素。

怎樣才能扭轉局面？現在回想起來，我發現自己處於這種情況並不奇怪。我們的數據團隊與組織的大部分部門隔離。雖然我們最近增加了it資源，但是絕大多數來自於組織之外，並且由於他們在數據科學方面的專業知識而被僱傭，如果這種情況對於你工作的地方來說聽起來很熟悉的話，我推薦以下實踐。

五個為什麼 – 我最喜歡的一個工具已經成為「五個為什麼」。有時它可能看起來很煩人，但它幫助我了解了很多關於我們的團隊和組織的東西，而且它允許我通過一些特別複雜的請求來指導團隊— 經常把它們變成我們可以完成的可管理的任務。

干係人參與 – 我們了解到，在許多情況下，我們必須花大量時間與提出請求的人溝通，以了解他們究竟需要什麼，並與更大的干係人團隊溝通，以找出獲取數據的方法。在許多情況下，這些並不是我們正常的報告，但是如果我們花時間去鑽研，我們經常會發現，我們要麼確實有數據，要麼只需要一點額外的工作就可以得到它。

領域知識 – 因為我們的團隊非常了解數據科學，但是不了解公司的工作，所以我們必須使討論成為雙向的。它幫助我們向領域專家展示我們的資料庫表並遍歷我們的查詢邏輯。它還幫助我們讓他們帶我們了解前端系統，這樣我們就可以建立一個共享的理解，了解他們試圖實現什麼，這樣我們就可以理解政策和流程。

外部意識 – 這對團隊的每個成員都很重要，尤其是領導。離開你的辦公室，忘記你的項目圖表和你的scrums。與公司其他部門溝通，了解他們的需求。也許你團隊的級別會達到這些，也許不會。也許你會給他們一個完美的解決方案，但是在你的開發還在進行的時候，他們需要一些短期內不完美的東西。

在不以數據科學為基礎的公司中，那些從事數據工作的人需要特別小心地理解我們的工作是如何對整個公司的使命做出貢獻的。

我們必須記住，我們是一個支援角色，而不是核心職能。我們必須真正關注公司的需求和問題，並理解我們的工具如何提供解決方案。我們必須能夠平衡長期解決方案和短期需求。

重要的是要記住，今天的問題比一年後的問題重要得多。