数据科学家可能需要帮助来理解商业文化

我曾经看过一位大学数据科学家的采访，他在一个项目组工作了七年，一直试图解决遗传学中的一个复杂问题。 研究小组得出结论，它无法通过研究得出答案，因此决定解散。

在大学环境中，追求理论研究和分析是可以接受的，而不一定会得出有影响的结果。 这也是为什么重要的是要使数据科学家适应更严格的结果导向和企业的实际应用。

哈佛商业评论显然也这么认为。 数据质量解决方案总裁Thomas C.Redman质疑数据科学家是否理解他们商业工作背后的“原因”。

Redman说：“广义的数据科学已经存在很长时间了。 但大数据项目，特别是人工智能项目的失败率仍然很高，令人不安。 尽管大肆宣传（例如，“数据就是新石油”），但公司还没有引用数据科学对其底线的贡献。

企业本身并不了解数据科学的学科是什么，数据科学家的工作背景，以及如何使这些训练有素的数据工程师适应企业的运作方式和需求。

许多数据科学家生活在由大学资助的环境中，使他们能够追求高度理论的项目，这些项目都是关于寻求答案，但不一定是为了找到明确的解决方案，为什么客户突然倾向于另一个品牌，或者为什么你的制造产品突然经历了更多的失败。

SEE：在Git集线器上托管的机器学习的前10种语言(免费PDF)(Tech Republic)

公司还在努力将数据科学家与现有业务和IT工作人员相结合。 通常，现有的业务单元和IT与数据科学家几乎没有共同之处，并且没有现有的工作流可以帮助他们学习如何最优地一起工作。

另一个问题是，企业并不总是确定什么（以及什么时候）会从他们的大数据项目中期望分析和结果。 大多数行业都有成功的用例，但公司仍然不能很好地了解数据科学或分析项目何时向前推进，何时停滞不前。

以下是一些公司可以解决这些问题的方法，这样他们就可以提高数据科学的性能。

SEE：为什么数据科学家需要了解业务(Tech Republic)

东方数据科学家对企业的心态。 将数据科学家定位于企业的目标、要求和期望-这可能比大学研究环境中的目标、要求和期望更严格-应该是商业的第一顺序。 这些差异也应该在求职面试中提出，因为它让申请人有机会决定他们是否想在商业环境中工作，或者解释他们对公司生活有多熟悉。

期望结果，并阐明这些期望。 公司会比大学和研究机构更早地预期结果。 应为数据科学和分析项目设定时间表和预期结果。 如果一个项目不能交付，它应该被审查和潜在的终止。

SEE：描述性分析：内部人士指南(免费PDF)(Tech Republic)

不要让数据科学成为一个孤岛。 当数据科学家与已经了解业务需求的业务人员和IT专业人员持续互动时，他们与业务保持同步。 这鼓励部门间合作，有助于取得积极的业务成果。

记住数据科学不是IT。 虽然企业将对数据科学提出比大多数数据科学家所习惯的更严格的要求，但对企业来说，记住存在差异仍然很重要。 数据科学学科是一门关于数据、分析和算法的交互式练习，直到结果达到95%的准确性。 走到这一点并不总是可以预测的，而且会有挫折和失败。 这就是人与软件推理的本质..

学习有关数据科学、大数据分析和人工智能的最新消息和最佳实践。 星期一交货