数据科学家的生产力提示

我一直坚信“更聪明地工作，而不是更努力地工作”，过去几年在快节奏公司的工作强化了这一信念。根据我作为一名数据科学家的观察，似乎有一个永久的差异在“缓慢”的分析(或工程)工作和快速的业务需要解决方案之间。

尽管这种紧张主要是由于f高技术工作具有水平的行为困难需要的水平精度这需要时间，但可以通过适当的涉众管理(我已经在其他几篇文章中讨论过)和使自己成为更有效和高效的数据科学家来部分缓解。我在过去几年学到的一些经验教训，希望能帮助你使作为数据科学家的工作变得“更聪明”。

如果您曾经遇到过这样的问题:“上个月我们有多少XX(交易、旅行等)?”(我称之为“数据Siri问题”)，你知道自己在这些看似微不足道的问题上花了多少时间，也知道它们有多令人沮丧。

不让这些小要求影响你的工作效率(和情绪)的最好方法是提高涉众的技能，这样他们就能在某种程度上自给自足。

与我共事过的大多数利益相关者都非常乐意在每周或每月的办公时间或数据团队主持的培训课程中学习分析的基础知识，因为没有人喜欢一直依赖他人来完成工作。

我多次观察到，当人们问“我们能否追踪XXX(与最近推出的产品或过程有关)?”，数据团队意识到数据是没有被正确跟踪或在所有．

我避免这种情况的方法是尽早“插嘴”谈话。当你在一个会议上，人们谈论建立一个新的产品和/或流程，如果你知道你最终将负责分析数据(这可能是你作为数据科学家参加会议的原因)，尽可能早地问“愚蠢的”问题“数据将存储在哪里?”，“我们决定了表的模式了吗?”“…

我曾经以为一定有人已经想过这些问题了。不要做这些假设。你会惊讶地发现，人们经常忘记事物的数据方面，即使是在以数据驱动为傲的公司中。

相信我，人们会感谢你在一开始就提出这些“愚蠢”的问题，因为这将避免未来发展的瓶颈。

能够吸收信息关于那些似乎不在你的直接范围内的事情被低估的能力在我看来。我一次又一次地意识到，我在Slack线程和群聊中看到的那些当时似乎与我无关的对话，包含了对我未来工作有用的信息。

如果你仔细想想，这并不奇怪。公司的每一项工作都是相互交织、相互联系的，因为在一天结束的时候，每个人都在朝着同一个目标努力。与你无关的事情变得与你相关只是时间问题;当他们这样做的时候，你有了一些基本的背景，知道已经做了什么，或者至少从哪里开始寻找信息。

所以要对别人正在做的事情保持好奇和好奇，不要在自己的范围内视野狭窄。未来的你会感谢过去的你捕捉到一些“无关紧要”的信息，并因此节省了大量的时间。

这一点与上面的一点直接相关，因为只有当你注意到周围发生的事情时，你才能把这些点连接起来。

能够吸收信息而且连接这些点是我在招聘员工时最看重的能力之一。我甚至无法描述我有多感激那些能告诉我“XX提到他/她做了YY，我认为这和这个新要求非常相似”的团队成员。

我在我的以前的文章当涉及到高影响的项目时，很可能有人在过去曾考虑过并做过类似的事情;所以，不要重复工作，而是在之前的工作基础上，这样可以节省很多时间，产生大量的协同效应。如果另一个团队目前正在积极地做一个类似的项目，你可以联合起来，或者简单地调整优先级，在他们为你解决问题时做其他事情(假设时间线和输出与你的需求一致)。

除非你有一个非常微观管理的经理，否则你通常可以控制你的工作优先级。多年来我学到的提高效率的最佳技巧是在正确的时间瞄准容易实现的目标，并通过批量处理类似的工作来降低转换成本。

即使你成功地提升了所有利益相关者的技能，你也不可避免地会遇到一些“数据Siri”问题，这些问题不应该占用你太多的大脑空间，所以当你感觉大脑被炸了，无法真正集中注意力的时候，或者当你在一个无聊的会议上，你可以同时处理多个任务时，利用这些问题来填补你的时间。

批量处理工作是提高工作效率的另一种方法，因为在不同的主题之间来回切换可能会分散注意力，导致效率低下和进度缓慢。所以我通常把类似的任务分组在一起，一次完成尽可能多的任务。把所有的会议安排得一个接一个，并在会议结束后预留几个小时给戴着耳机、头朝下、高效的编程时间。你的大脑会感谢你没有在短时间内把它往各个方向拉。

不要让别人解决问题的方法成为你思考过程的“框框”。跳出思维定势。我的意思是，如果你的利益相关者有一个分析请求，他们对你如何处理它有一些想法，那很好，听听他们的想法;但不要让它成为你必须如何对待它的圣经。

作为一名数据科学家，您应该具备数据方面的专业知识，并能够帮助人们决定该做什么最有效的解决问题的方法是从数据的角度出发。不要害怕挑战方法和提出建议。

关键外卖:

下面有几种方法可以让你成为一名更高效的数据科学家:

喜欢这篇文章吗?订阅我的邮件列表，这样你就不会错过未来的任何文章!不知道接下来该读什么?以下是一些建议: