发帖
雷达卡
劳拉•斯奎尔
“复仇者，集合！”如果说我们从2012年夏天大片“复仇者”学到了什么，那就是拥有一支具有多种技能的团队，就几乎可以完成任何事情。 我一直有幸与广泛的专业人才一起工作，并从这些经历中，我已经规划出我的分析梦之队名单中的8类人员。 要记住，除了奇迹的宇宙之外，一个人拥有一个超级英雄的所有的这些技能是不太可能的。 相反，认识到你的团队成员可能偏重一些学科，专业领域有可能重叠，或者可能带来完全新的东西。
当你阅读时，你会注意到，前四个是和数据有关的。 毕竟，分析是依赖于具有高品质和全面的数据。 如果没有这些团队成员，项目可能会是一个艰难的开端。
1）学科专家（SME）：我敢肯定，当遇到买车或报税困难时，每个人都希望他们有一个专家小组。 当它涉及到一个分析项目，拥有学科专家并不是一种奢侈——这是一个必需项。 没有它，你的项目将可能是一个糟糕的架构，与组织的目标脱节。项目应该有能够提供了解业务、相关流程和变量之间关系等关键技能方面的专家。 缺少学科专家，你就处在风险中：模型不适合你的团队所试图解决的问题，或最终结果的分析可能是不准确。 重要的是，应该在整个过程中定期咨询学科专家，避免或纠正代价高昂的错误。
要提防启动缺乏良好指导的项目。 几年前，我曾为一个商业项目工作，我们试图减少销售的SKU数量，而不影响整体收益。 我们没有能在所谓的学科专家那学到SKU是每季度改变量。 我们最后分析得出的建议是无效的，因为就在我们完成分析时候，那些SKU已经在一个取消过程中——即，有一组完全不同的SKU需要优化！ 如果我们在项目的整个生命周期中引入一个真正的学科专家，他会指出一个事实，即我们的项目没有与当前进度保持一致。
2）数据编制人：即使你作为一个孩子从来没有长途跋涉穿过树林，了解到童子军的座右铭“居安思危”，这仍然是明智的建议，尤其是对分析项目！ 一个数据的编制者能够从多个来源提取数据，并做相应的汇总，计算和连接进行分析。 通常情况下，数据编制者和数据分析专家携手工作，进行增量的变化与分析专业（“精英八强”的另一名成员）的数据准备分析。
这也是数据编制的工作，不仅要准备数据，也确保数据准备步骤完成以及很好的文档和组织。 如果有第三方的数据想包括，或其他来源的数据，我必须改变我的部署设计或在建模过程中删除那些数据元素。 或者，他们可能会做一个商业案例，在部署中添加额外的变量。
3）数据管家：组织就是一切。 当你推出一个项目，不要忽视选择一个数据管家。 数据管家是知道什么样的数据存储在每个存储库，以及负责如何精确定义每个变量。 他们还应确保正在使用的数据元素是准确，正确和完整的文档。 拥有一个伟大的数据管家团队，让项目中有一个坚实的基础，是必不可少的。
我从来没有真正了解数据管理的价值，直到我几年前为美国一家大型银行工作。 我教授一个客户忠诚度项目，我们试图提高客户的整体参与。 我们花了相当大的努力，试图决定如何定义客户—— 一个家庭，一个帐户或个人客户社会安全号码是什么？ 一个帐户可以共享多人，有关或无关。 共享一个家，一个家庭可能包含不相干的人。 一个客户可能持有多个账户，一些共享，一些不共享，链接或不链接。 拥有一个强大的数据管家，确保选定的数据元素都是你的预期，并选择基于给出的数据的最佳处理路径。
4）IT专员/实施者：空谈是没有价值的。 经常的事实是，组织发展分析“项目”，效用从来没有超出装订好的报告。 从分析产生的结果需要被推到业务系统中，以便它们可以使用。 这可能是5％或80％的效用，取决于如何使用模型。 操作性分析可能看起来像起一个大的效用，没有它，分析的价值是最小的。 当解决方案的开发，引导业务的人采取行动，投资回报率是非常高的。 这些因素使IT专家或实施者是一个有效的团队的重要组成部分，。
举个例子，模型部署的最简单的形式——建立一个直接推送邮件报价得分模型代码。 把代码交给数据库管理者，或第三方营销服务提供商。 他们运行它，并把得分交回给营销经理，营销经理然后决定邮件中人员关注深度。 在这里，部署可能是5％的努力，我们只需要确保被用于建模的变量可用评分。
另一方面，一个组织，做实时欺诈检测可能需要多个数据源整合到自动化，得分数据的多个规则和模式，并推动成果转化为可操作的个案管理系统，连同有关可视化效果。 这种类型的解决方案可能会采取80％的效果，如果准确地实施，可扩展性和可配置的设计是长期的。
如果你认为，实施只是项目的成功的一小部分，考虑下这个：在一个2012年4月的研究中发现，在原子核研究，分析投资回报率从初始阶段188％攀升到全面实施/部署的1,209％。看到一个项目的完成和解锁项目的真实价值，有IT专家或实施者是必不可少的。分析可能是数据驱动的，但在任何团队中，强有力地领导对确保项目满足组织需要是至关重要的。在我最后一篇文章中，我讨论了成功分析团队中的数据相关的角色。
1）分析专家：一个分析专家能够使用分析工具和技术来构建高级的分析解决方案。分析专家可能专注于一个或多个领域——如统计学、文本、机器学习、优化、仿真、图论与预测。但分析专家很难有足够的知识开发全面的高级解决方案。
目前，看上去分析工作要求对R和Hadoop有很深的了解。我发现最好的分析专家能够使用商业分析工具（COTS）来实现可部署的、可复用的分析方案。然而对分析专家还没有统一的认证流程，还处于创建过程中。已经有一些旨在培养分析专家的学科，如北卡罗莱纳州立大学的科学分析硕士。在2012年，运筹学和管理学研究协会（INFORMS）公布了一个分析认证。没有分析标准，许多机构很难区分一个人是了解如何使用软件工具或编程语言还是了解分析。
2）高级分析专家：我喜欢工作复查！一个高级分析专家必须具备逻辑推理、审议组织内其他分析专家工作的能力，确保分析开发顺利进行。这个人应该能够对建模达成提供指导意见、确保模型不包含任何漏洞，确保模型包括的各部分正确，甚至确保模型的顶层变量不是数据准备阶段一个低劣设计造成的。
你可能发现这些复查是痛苦的，但如果能够发现一个严重的错误，它能够节约你的时间和金钱。举例来说，我的一个朋友是个建模新手，她有一天找到我，分享了她已经开发的游轮公司模型，她对结果很满意，想给我展示一下。我看了一下，该模型表现难以置信了。在社会科学。如果令你难以置信的话,你最好还是别信。在她模型中顶层变量是“去年公司的支出”，这个变量试图去预测“去年游轮的数量”。如果一个人去年登过邮轮，他们就会在该公司消费。虽然模型了不起，但是无效的。
3）分析思维领导者：“思维领导”，就是一个时髦词，它往往很难确定它的真正含义。从分析的角度来看，思维领导者能够帮助组织设计和定位分析问题。看起来很简单是吗？嗯，知识水平来源于强大的背景，不同的日常分析和研究方法。思维领导者必须要有使用混合分析方法的实际经验，拥有研究方法的背景将有助于对问题采取最合适的解决方法。
一般来说，拥有社会科学、应用数学、统计学或经济学的高级学历是一个很好的特征，表明他具有充分实践技能成为一个思维领导者。
思考你要解决的问题；大部分情况是“人的问题”——将他们归结为社会科学的研究。如果缺少广泛的基础知识、经验和教育，思维领导者可能对他遇到的每一个问题应用相同的算法，或者他使用一个他熟悉的复杂的解决方案，而不是侧重于解决问题的正确方法。
沟通技能对分析思维领导者来说是必须需的。他（她）需要向分析专家解释需要做哪些分析，同时能够和老板阐明商业环境下的分析结论。
4）冠军：每一个团队都需要有冠军技能的人，他（她）需要有足够的影响力去执行改变和主动发现问题和解决问题。为了取得团队更大成功，他（她）必须有能力对流程进行改变。没有冠军角色，分析的真正价值可能只是部分实现。
对真正的冠军来说改变流程是至关重要的——对结果影响巨大。追溯到以前，在电信客户流失模型很热的时候，我的一个同事认识到手机丢失或被盗是客户流失的一个重要的指标。中小企业（SME）马上就知道这是由于失去电话和获取更换电话之间的时间间隔。譬如一个人丢失了手机不再需要履行他的合同要求，他（她）很容易去商店去与任何一个电信运营商签订新的合同。因为这个发现，冠军实现了一个简单的过程，更换遗失或被盗手机一夜送达，不拖延。当然，他使用“丢失或被盗” 作为客户流失一个指标，通过变更业务员流程，从而使得公司能够击败其他供应商提供的方案。
现在，你的团队已经准备好，可以专注于正确的分析解决问题了。我会考虑在下一个系列《成功分析的神话与现实》中探讨解决问题。
京公网安备 11010802022788号
