数据科学思维 ：打造健康数据驱动组织的 6 条原则

在运行尝试时，列出要做哪些工作：数据网络、整理、注释;阅读新的数据科学主题，实行新的算法或框架。全部这些勾当城市对你将来项目标乐成有所助益。提议可参考这几个数据科学网站：数据科学中心、KDnuggets、Revolution Analytics

原则 5：同一组织的数据科学愿景

从开始数据科学进程的第一天起，数据科学团队就应该与营业搭档举办交互。数据科学家和营业搭档不常常打仗办理方案。营业搭档但愿阔别技能细节，数据科学家也是想阔别营业。然而，为了领略并行模子的实现以构建模子，他们之间保持一连交互长短常重要的。大大都组织都难以解锁数据科学以优化其操纵流程，让数据科学家、说明师和营业团队回收同等的说话：差异的团队和数据科学流程经常是形成摩擦的来源。这种摩擦界说了新的数据科学铁三角，它基于的是数据科学、IT 运营和营业运营的和谐共同。

为了与客户配合完成这项使命，我们实验了以下步调:

要求 C 级别高管的支持采用这一愿景，并将其敦促至其他差异营业部门：那边有清楚的方针, 愿景和支持，就在那边先试点，最初的乐成或胜利，会刺激各人进一步试验和试探，这常常会导致多米诺效应，让各人发生起劲的转变。 营造一种尝试文化：纵然有了明晰的方针，但凡是仅凭这一点也不会带来乐成的营业转型。在很多组织中，一个重要的障碍是员工没有足够的权利来实现厘革。向员工充实授权有助于让员工参加进来，并让他们起劲地为配合的方针做出孝顺。 让每小我私人都参加到雷同中来：告竣共鸣会加强绩效示意。假如数据科学家在没有其他人参加的环境下孤独地事变，组织将缺乏配合包袱的愿景、代价观和配合的方针。跨多个团队的组织的配合愿景和配合方针，能带来协作的晋升。

原则 6：让人类参加个中

成为一家数据驱动型公司，更多的是一种文化转变，而不只仅是数字化：因此，任何数据科学办理方案的功效都应让人类参加评估，这很重要。人类 - 数据科学的团队相助将会获得比任何一个单独的团队更好的功效。

譬喻，在我们的客户案例中，我们团结数据科学与人类履历，辅佐他们构建、陈设和维护了一小我私人员陈设保举办理方案，为新项目提议最优的职员组合和具有对口履历和专业常识的职员，这经常会直接带来经济代价。在我们陈设了办理方案之后，我们的客户抉择与几个项目团队举办试点。他们还建设了一个数据科学家和营业专家的 v-Team，目标与呆板进修办理方案并行开展事变，从两个试点团队行使 Azure 呆板进修办理方案前后较量呆板进修在项目完成时刻、收入、员工、客户满足度等方面得出的功效。这种由一组数据和营业专家举办的线下评估对项目自己很是有益，这首要有两个缘故起因：

验证了该呆板进修办理方案可以或许为每个项目进步约 4% 到 5% 的孝顺边际; 该 v-Team 可以或许测试这个办理方案并建设一个靠得住的即时反馈机制，使他们可以或许不绝地监控功效并改造最终的办理方案。

在这个试点项目之后，客户乐成地将我们的办理方案集成到了他们的内部项目打点体系中。

在开始这种数据驱动的文化转变时，公司应该紧记以下几点准则：

并肩事变：业界领先的公司越来越熟悉到，当技能可以或许助力人类，而不是代替身类时，它们步崆最有用的。领略数据科学和人类为差异范例的事变和使命带来的奇异手段将是至关重要的，由于这样重点就从自动化转向了对事变的从头计划。 对人类打仗的认知：重点是要记着，纵然高度电脑化的事变不得不保持在面向处事的层面，并由像数据科学家和开拓职员这些脚色来表明公司的乐成，但仍必要缔造力、同理心、雷同手段息争决伟大题目等须要的人类手艺。 投资于劳动力的成长：对劳动力的成长、进修和职业模式予以从头存眷也很重要，要不惜为其注入缔造力。大概最要害的是对做故意义的事变的需求——尽量他们与智能呆板有了新的相助，但人类将热切地拥抱这些事变。

在数据科学必要特另外今朝昂贵得令人望而却步的基本办法(譬喻庞大的常识图谱)，以在每个规模中提供上下文和更换人类履历的环境下，人类组件将出格重要。

结论

通过在数据说明进程中应用康健数据科学组织框架中的这六个原则，组织可以针对他们的营业做出更好的决定，他们的选择将获得靠得住的数据网络和说明的支持。

我们的客户可以或许实现一个乐成的职员陈设保举办理方案，该方案为新项目保举最优的员工组合和具有对口履历和专业常识的小我私人员工。通过将员工履历与项目需求团结起来，我们辅佐项目司理更好更快地举办职员分派。

通过实践，数据科学进程将变得更快、更精确，这意味着组织将做出更好、更明智的决定，从而最有用地运营。

以下是一些也许会用到的附加资源，可辅佐你进修怎样作育康健的数据科学思想，成立一个乐成的数据驱动组织：

团队数据科学进程文档(Team Data Science Process Documentation) 团队数据科学处理赏罚 GitHub 库(Team Data Science Process GitHub Repo) 数据架构指南(Data Architecture Guide) Azure 的条记本(Azure Notebooks) 数据科学假造机(Data Science Virtual Machine ) Azure 呆板进修文档(Azure Machine Learning Documentation ) 微软 Azure 数据科学博客(Microsoft Azure Data Science Blog)

作者简介：Francesca Lazzeri 博士(推特：@frlazzeri)是微软云计较建议团队的高级呆板进修科学家，也是大数据技能创新和基于呆板进修的办理方案在实际题目中的应用方面的专家。她是《时刻序列猜测：呆板进修要领》(O 'Reilly Media, 2019) 一书的作者，她按期在美国和欧洲的大学传授应用说明和呆板进修课程。在插手微软之前，她是哈佛商学院贸易经济学研究员，她在哪里的技能和运营打点部分举办统计和计量说明。她照旧麻省理工学院博士和博士后的数据科学导师，并在学术和行业集会会议上颁发主题演说和专题演讲，在会上，她分享了她对人工智能、呆板进修和编码的常识和豪情。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!