数据科学家成功的5项基本软技能
今日份知识你摄入了么？
数据科学是一个快速增长的领域，根据美国劳工统计局(US Bureau of Labor Statistics)的数据，预计未来十年对数据科学家的需求将增长36%（https://www.bls.gov/ooh/math/data-scientists.htm）。然而，该领域的竞争可能非常激烈，在成为初级数据科学家和晋升为大公司的高级职位之间有很长的路要走。
图片来自Unsplash，作者Jason Goodman
尽管在数据科学中拥有健全的技术技能是很好的，但软技能的发展同样重要，甚至更重要。培养这些技能将会帮助你从人群中脱颖而出，如果你决定改变职业道路或进入更高级的职位，也会在未来的职位上为你提供帮助。
在这篇文章中，我们将介绍为了成为一名成功的数据科学家，你应该培养的5项基本技能。
沟通技巧
图片来自Unsplash，作者Teemu Paananen
沟通，口头或书面沟通对数据科学家至关重要。这不仅对你的工作质量很重要，而且对你如何与你的团队、客户和高管的互动也很重要。
培养良好的沟通技巧将有助于你清楚地分享复杂的想法-即使这意味着简化事情，以便每个人都能容易地理解它们。这将使你更容易解释你的发现，如果你的客户可能与你有不同的需求，或从未见过类似的工作，这一点尤其重要！
此外，如果你的角色涉及培训团队的初级成员，你可能需要将复杂的想法和主题简化为他们容易理解的东西。
在进行口头报告时，我们有时可以使用演示幻灯片作为一种支撑。这可能会影响整个消息和传递。与其完全依赖于幻灯片，不如用幻灯片来展示额外的信息，突出重点，以增强听众的理解。
当我开始从事石油物理学工作时，这涉及到处理大量数据和向客户提供储层研究，我的演讲技能是非常糟糕的。我经常会提供比要求更多的信息。几年后，我有了显著的进步，并在会议等场合发表了多次演讲。
如果你想改进你的演示幻灯片，我建议你看看这个视频：https://youtu.be/Iwpi1Lm6dFo
领域知识
图片来自pexels，作者：Andrea Piacquadio
许多不熟悉机器学习和数据科学的人都认为，将数据输入一个算法，点击一个按钮，就会像变魔术一样，得出正确的答案。然而，现实往往截然不同。
了解你所从事的领域的知识有助于你理解问题及其与业务目标的相关性。如果没有这一点，就很难确定应用于问题的正确方法，以及你的算法生成的结果是否有意义。
在岩石物理学或测井领域，我们使用一些科学工具对地下进行测量。其中包括记录地层的自然放射性和对电流的反应。有时，由于各种原因，我们可能会得到一些我们意想不到的反应，或者是物理结果。这些奇怪的反应可能无意中被删除或不被注意，并可能对最终的建模解决方案产生影响。
如果你打算长期留在你的职位上，那么学习你所从事的领域背后的基础知识可能是明智的。通过这种方式，你将更好地理解数据，并能够更有效地与其他利益攸关者沟通。
或者，如果你是在一个团队中工作，谨慎的做法是与主题专家讨论数据的背景和结果。
商业头脑
图片来自Unsplash，作者Adeolu Eletu
作为一名数据科学家，对业务有一个良好的理解是取得长足进步的关键。它使你能够了解业务内部的不同环节和流程是如何运作的，以及能够理解公司可能面临的问题。一旦你了解了一家公司试图实现的目标，那么将更容易转化业务问题，选择最合适的解决方案并将其与业务影响联系起来。
当作为一个数据科学家工作时，构建一个你认为可能解决公司问题的大型和复杂的模型可能很诱人，然而，可能的情况是，一个简单的数据分析就足够了。
有时简单的解决方案能带来最大的影响。
例如，对有多少人在结账时放弃了他们的购物车进行漏斗分析，可以帮助营销团队集中精力进行他们的自动电子邮件活动，以提高转换率。
团队合作
图片来自Unsplash，作者Hannah Busing
与他人合作是数据科学家最重要的技能之一，很容易理解其原因：团队合作是从软件工程到医学甚至执法等许多领域成功的关键。一个好的团队会帮助你从工作日中获得比个人努力所能获得的更多。
当从事大型项目或在公司内部工作时，在项目的不同阶段，将需要具有不同专业知识和能力水平的人。
例如，如果一个项目涉及创建一个商业产品。在早期阶段，可能只需要数据分析师、主题专家和产品经理。一旦项目开始启动，可能需要软件开发人员和机器学习工程师等其他学科的人才。
哥伦比亚大学整理了一系列关于数据科学内部成功团队合作的建议，非常值得一读：https://datascience.columbia.edu/news/2021/top-ten-advice-for-successful-data-science-teamwork/
解决问题
图片来自Unsplash，作者Sigmund
这种技能在任何使用数据或信息的领域都是必不可少的。一个好的问题解决者可以快速发现问题，快速提出解决方案(如果可能的话)，高效和有效地实施这些解决方案，并定期与利益相关者沟通他们的进展。
当开始一个数据科学项目时，在进行任何工作之前的第一步是定义问题陈述。
起初，问题陈述可能是高水平和模糊的，例如：“我们需要提高我们的利润”。
但经过一些调整和调查，我们可能最终会得到一个更精炼和更集中的问题陈述，例如：“在未来6个月内，我们需要实施哪些最有效的流程来增加10%的利润？”
现在，这为我们提供了一些明确、可衡量和精确的东西，使我们能够提出最有效和高效的解决方案。这也避免了在错误的道路上浪费时间。
总结
在学习数据科学时，大部分重点是发展数据可视化、python、R或机器学习等技术技能，但软技能也不应被遗忘或忽视。
培养沟通、解决问题和商业头脑等软技能不仅对你当前的工作有帮助，而且它们是可转移的，可以影响你未来可能追求的任何职位。
谢谢你的阅读。
原文作者：Andy McDonald
翻译作者：马薏菲
美工编辑：过儿
校对审稿：Chuang
原文链接：https://towardsdatascience.com/5-essential-soft-skills-to-succeed-as-a-data-scientist-1fffbcb74717
本周公开课预告
往期精彩回顾
点击“阅读原文”查看数据应用学院核心课程