或许你的数据分析团队不够成熟，或许公司管理层与数据分析团队经常出现分歧，或许你的数据分析师正疲于为推进工作处理各种公司政治，而非集中精力处理各种分析问题。
最近看了一些外国数据分析文章，挑选一些新鲜且前沿的内容分享。今天分享的是31个能够将让其在项目过程中更为成功的秘诀。在2018年，或许给你带了新的启发。
1、让高管主动“买账”
公司推进任何项目的都是为了让高管买账。无论你是数据科学团队负责人、项目负责人、数据科学家，都应该让公司高管充分信任你的项目，让他们看到数据项目对公司战略起到了积极的推动作用，如此你才能获得更多的资源。否则你的团队将陷入“巧妇难为无米之炊”的困境。
2、用数据勇敢告诉你的manager，他们错了！你的领导都是普通人，只能通过处理有限的数据并且从中发现有限的关联性。而一个数据科学家，则可通过专业知识和工具处理比他们高100倍的数据并且准确无误的发现其中的相关性。面对普通人，你不妨给领导做个大胆的展示，告诉他们是“错误的”。这不是说让你做一个坏人，因为正确的分析结果会帮他们实现更出色的年度汇报，那时他们会感谢你的。3、让你伙伴信服你当我们用数据帮助其他团队的时候，我们发现很多产品经理并不相信数据。他们吐槽仪表板不好看，希望能提供一个新的仪表盘；吐槽数据科学团队不够专业……以至于你都开始怀疑你的数据。如果你关注夏洛克福尔摩斯（sherlock holmes），你一定会记得他说过：数据是构建思维的基石。建立在数据基础上的房子，你不应该怀疑你房子的坚固性。要让别人相信你和你的数据！4、先顺利推进一个简单的项目，然后复制公司内部每个人都希望成为下一个谷歌，掌握facebook的算法。的确它们很酷、超级强大，且每年能赚上数十亿美元。即使你的团队刚刚起步，你也希望有个成功的开始。你要知道，哪怕只是做好最简单的事情也可能会产生不可逾越的价值。一旦你赢得了第一场胜利，你会迎来更多的领导的“请求轰炸”。所以先推进一个简单的项目，然后不断复制，你的项目会持续进行的。5、像销售一样“安利”你项目的价值数据科学还是个新鲜事物，公司大多管理人员并不知道什么情况下、在哪里使用它。你要像销售一样“安利”你项目的价值，你的安利会给你的项目带来资金支持、资源等等。6、让你的数据科学工作流程标准化数据科学的从业者会接触许多很酷的技术和工具，这些工具让我们有更深刻的见解，但这并不是个“软件工程”的活儿。如果没有流程，您的项目会逐渐落后，出现项目的“内部故障”，分析结果“劣质”，最终无法顺利完成项目。这意味着您需要将您的项目流程化，从项目一开始就制定标准化的科学分析过程，别认为这是在浪费时间。7、别束缚你的数据团队的“手脚”别把你团队的能力局限在你所知道的范围内，去挑战他们，相信他们，经常询问他们的想法和意见。不要总想着把他们的思路“拽回来”，传递你的信任，数据科学家是聪明人，信任很重要。8、计划很重要，但别频繁制定计划如果有什么我们从我们不同的经历和项目中学到的东西。你需要计划。这确保您不会离开范围，这确保您能够获得所有数据源的良好处理，以及需求，并确保您成功。然而，事情在今天的商业中变化很快。所以你不能用1年的时间来规划一个项目。当项目进入管道时，您需要跳转到获得需求。不要把所有的时间都花在计划上，也不要去发展。9、要与其他部门小伙伴一起愉快“玩耍”每个项目的推进都是一项“团队运动”，它会涉及财务、会计、运营、销售等其他你需要合作的其他部门。为推进项目顺利进行，你需要每个部门的“数据仓库”。如果你运气够好，会有人专门为你提供这些数据，并帮助你获得各部门的专业知识。当然，在你获得帮助的同时，各部门都会对你提出要求。无论如何，你和其他团队要“好好玩”。10、向中小企业学习与第9点一致，你希望从各部门中获得尽可能多的专业知识。因为数据科学家不是药剂师、医生、会计师、财务经理等。因此你需要从更多人、项目、中小企业中不断获得业务或主题的见解。当启动一个新项目时，列出你需要的主题和数据，去主动寻找那些符合你需求的人。
11、去除公司层面的偏见在你拿到一些意见后，注意不要让他们思想上的偏见阻碍你的新观点。偏见很常见，例如公司的高管、经理和其他团队成员，经常会认为：驱动就是执行“xyz”。然而你的团队很可能产生一个全新的结果，毕竟项目的最终目并不是给经理做事。不要因为你的项目结果会违背现状，就埋葬新的观点。莫忘记，你的工作就是挑战现状。12、做一个反叛者，勇敢挑战现状作为一个数据科学家，你的手头总是有很多数据。这意味着，你有“数据”的撑腰——当你认定自己是对的时候，你一定是对的。所以不要害怕，别被你领导的思维改变你的想法。坦白说，他们也希望你能给他们一些信息，他们要通过这些信息去理直气壮地说服自己的老板。因此，用数据巧妙地挑战你的老板的意见。
13、让数据称为企业内驱力数据就是力量，这不是什么新想法。人们一直都在用数据来证明，科学一直也依靠数据来反复证明理论的真伪。包括每一项行动和决策都要经历这个过程。总之，数据是最好的驱动力。14、构建一个早期购买模型搭建一个用户购买原型(当然,在python中)，并向你的团队和领导展示它能做什么，相比理论和语言，大家更需要切实的行动。搭建这个模型后，不断获取真实的数据，若不能为你的模型注入数据，你要确保它功能的存在，逐渐让它变得有形、互动和可操作！15、保证数据系统健壮性和可维护性设计这一点如何强调都不足为过。你要确保所构建的任何仪表板、所设置的流程或开发的算法都是可维护的。如果你明天离开公司，要确保数据项目仍然正常运转，否则会有人问“诅咒”你。很认真地说，如果你要离开，你要留下文档说明，并共享代码，保证其他人能够正常使用。16、让无聊的工作变得“自动化”别再做无聊的数据处理和纯人工的q&a工作！ 在你第一次设计你的分析系统时，尽量让大部分的枯燥、基础工作都自动化。企业内的数据科学项目接踵而至，基础的东西还是交给机器来做，比如你每周花2个小时来上传数据等。17、认识到数据科学指南（手册）重要性有许多数据科学咨询公司会有一份数据科学指南（手册）。该指南（手册）用于评估数据科学团队的状态，发现项目推进过程中的问题，以保证高效工作。然而，通常情况下，许多公司的数据科学团队都会省去这一步骤，事实上指南（手册）引入外部帮助和监管是十分有必要的。18、写一本自己的数据指南也许你的团队里有一个了不起的数据科学家，他或她身兼数职，并能够为团队编撰一本很赞的工作手册，包括代码、编码实践、系统文档等。走进一家公司没有什么比获得文件更有用的了。你可以提前了解到项目的历史，针对此开发一个新的解决方案并快速推进，如此可以节省公司资金，也是一件让数据科学顾问兴奋的事。19、在编撰你的数据指南之前，学会创造性地收集和分类数据20位分析师，花费1个月的时间，将5万个单位的数据完成分类，很糟糕，这是对资源和资金的严重浪费。当你刚开始一个数据分析项目时，尝试开发一种不需要分析人员的数据分类方法，以及在吸引公众的意见、提供服务、设计一个新产品等方面，都尽量避免让你的团队参与到枯燥的工作中去。20、正确收集数据是第一要务从头开始一个新的项目并参与其中，是一件很幸运的事情。数据系统可能在6个月内收集数据，并在你脑中形成雏形：你要考虑一下你希望未来如何使用数据，以及它与其他系统的交互与打通等。这不仅仅构建一个功能系统，正确收集数据是第一要务，并要随着业务发展不断增加数据采集组件。21、数据采集：尽可能收集大量、干净数据有不同来源，包括内部数据仓库、外部api 等，尽可能多地收集数据，并确保它是可管理、干净的。
22、做个牛逼的故事讲述者作为一名数据科学家，我们都有老板，我们必须说服老板自己是对的。这个故事怎么讲呢？你告诉他们一堆百分比和标准偏差，讲着讲着就发现他们的目光变得呆滞了。为了让领导快速买账，你应该传递枯燥数字之外的东西，比如一个信息图的展示等，并为你的观点注入些许激情。23、把数据科学的内部和外部价值传达给管理层数据科学具有影响客户和雇员的能力。告诉你的领导，数据将如何运作以及数据的价值。你可能觉得我说的有点重复。然而，你能与管理层沟通的角度越多，你的项目就越能省钱。数据科学家喜欢谈论算法是如何计算出“一个人在浏览facebook时正在挠鼻子的概率的”。然而业务团队只关心他们能从这些结论中赚到多少钱……正确认识数据价值，靠你去传递。24、了解公司的管理流程你的团队需要知道项目管理应如何推进，比如，经历多少个部门，他们的沟通频次，他们日常看什么数据？当你越了解高层管理的工作，你就越能帮助他们在正确的方向上推动项目进程。同时获得资金和项目的难度也会降低。25、了解高管们的策略和理由每个高管都处在公司的政治之中，他们做每个决定都有自己的流程和策略，而普通员工并不知道“关着的门”后面究竟发生了什么。我们要在数据科学家和高管之间，或者说是一群高管之间创造更为广泛的讨论，当你更充分地了解更高层次上的关注点，项目开始与推进变得更加容易。26、有解释失败原因的能力在数据科学领域，失败总是发生的。你要告诉领导失败的原因，以便在你需要的时候寻求帮助。否则你可能会束缚在一个需要外接干预的小问题上，而导致项目只完成一半，造成团队的损失。27、必要时寻求外部支援有时寻求外部干预是必要的。这意味着雇佣一个顾问团队，或者雇佣新员工。有时候会增加项目，这需要临时的人员流入。在一个可以拯救数百万人的项目上多投入一点是有意义的，让一些临时工来满足时间安排并不是件坏事。28、听取足够多的外部新闻以获得灵感太多的外部消息会使思想陷入困境。因为你的项目可能不像其他行业巨头那样，所以这可能让你害怕落后。不要对此担心，当你读更多的书、获取更多的外部新闻，你会被激励以继续向前进，并获得灵感。29、学会质疑你的每一个项目如果你的领导带着一个项目来找你，他得到了公司资深的vp或高管的支持。你不应该盲目接受，而应该要质疑：为什么要这样做？谁是项目的受益者？它会节省多少资金成本？找到这些答案只能靠你自己，在项目开始前要确保你知道答案。否则，您可能正在研究一个即将死去的项目。30、心态积极这点听起来是陈腔滥调，但是很真实。如果你是一个数据科学项目经理，会很容易失去信心，因为你的团队所带回的见解不是很有价值，也许他们根本一无所获。令你想不到的是，这比你想象的要普遍得多。不是每个项目都能带来立竿见影的效果。要有耐心，要有积极的态度。如果您的数据是干净的，并且您的数据科学实践是可靠的。有些东西最终会被打破。31、做决定时，要给出一个实际的意见不要忘记你是一个科学家，你有数据，这意味着你可以自信地做出结论。你可以 这样说：“最好的决定是……”、“我建议我们……”、“我知道……”，“我们来试试x的解决办法”。