发帖
雷达卡
“他们只是不了解我。我为他们提供了所有必要的细节，所有可能的数据和分析，但他们似乎没有得到。” 这些是巴西最大的CPG公司之一的一位数据科学家在给我喝咖啡时对我发泄的言论，并描述了他去年的沮丧感。他肯定感到了业务干系人的热情。他的团队从事的主要分析计划中没有一个能真正实现，并且花费了大量资源和时间。
我们经常听到有公司投资数百万美元聘请最好的数据科学团队，但仍未获得预期的投资回报的消息。这是为什么？复杂性通常是由于数据科学家团队与业务利益相关者之间缺乏有效的沟通。
沟通问题始于开始阶段。没有设定正确的期望。业务利益相关者经常进行非常模糊的沟通，而无法为其项目提供清晰，简洁的目标。他们是精明的业务主管，但常常低估了数据中存在的复杂性。
另一方面，通常会培训数据科学家以使用数据解决具有挑战性的业务问题，但可能不是熟练的沟通者。因此，他们通常无法以与特定业务指标和目标建立联系的方式来展示其流程或发现。
根据我与数据科学家和业务主管互动的经验，我编写了一份简短的指南清单，供双方遵循，以改善交流，以及重要的是，他们共同行动的成功。
对于业务涉众
确认问题： 业务涉众必须非常清楚他们要解决的特定用例。他们需要让相关的利益相关者（从C级到见解和规定的行动的最终用户）参与进来，他们深入理解问题并与数据科学团队以非常合作的方式参与，以将问题分解为具体问题，被回答。例如，哪些数据可供使用，用例的目标性能参数是什么？应该讨论重要且相关的问题（请参见下面的示例问题），以实现与用例的完全一致。
分析模型需要回答的单个目标问题是什么？
回答问题如何影响业务？哪些流程和领域将受到影响？
到目前为止，企业如何解决这个问题？为什么当前的方法不够用？
要求什么级别的“改进”以及所需的投资回报率是多少？
哪些数据可用来回答问题？
计算出的答案会直接影响哪些业务决策？
制定目标业务决策的频率是多少？
必须以哪种格式将见解和/或规定的行动提供给决策者？
回答上述问题将有助于以一种非常简洁的方式定义和限定用例，从而使（1）更好地理解由此产生的见解，预测或建议的措施，以及（2）更加直接的联系。结果涉及业务决策和运营。此外，当数据科学团队的工作人员可以自信地将自己的工作准确，全面地介绍给定的问题时，他们将更容易被接受和采用。
对于数据科学家
倾听，提出问题，确定项目范围，定义可衡量的对象：企业高管经常在墙上扔很多用例，然后等待看清结果。他们没有数据科学背景，无法知道哪些用例将从数据分析的应用程序中受益最大，也无法了解与长期项目相比，哪些案例将“迅速获胜”。数据科学家可以在这里提供良好的沟通技巧。
分析师团队应该花时间了解业务主管建议的每个用例。了解他们所遇到的每个问题的细微差别，包括关于他们为何有问题，过去如何尝试解决问题以及正在使用什么数据的任何假设。这将有助于（1）构造要通过数据和分析解决的用例，以及（2）定义可衡量的参数，可以遵循这些可衡量的参数来确定准确性，成功以及（重要的）项目完成时。
我在与业务主管和数据科学团队合作的经验中观察到的一个常见问题是，在完成给定项目时，他们并不总是保持一致。在项目开始时定义“完成”非常重要。
我建议制定一个详细的路线图，并附上预期，可实现的里程碑及其收益的时间表，并从可能早日实现的“快速获胜”开始，以提高利益相关者“购买”的机会。快速获胜还可以为您的团队树立信誉，这可能会在较长和更复杂的项目花费的时间超出预期时有所帮助。
最后，应该编写一份工作范围文件（SOW）来记录和讨论变量，例如多个数据源的位置和集成，解决方案与旧系统的集成，安全性和治理要求以及如何访问和利用结果。 。SOW是一个很好的机会，可以在给定的用例上交流您建议的工作的各个方面。编写良好的SOW可以提供路线图，并使所有利益相关者在角色，责任和预期结果方面保持一致。
提供透明度： 一旦定义了用例并且所有利益相关者都得到了一致，数据科学团队就需要进行另一层次的沟通。企业高管希望看到切实的成果，并看到任何计划进展的报告。他们更希望获得全面的信息，并了解任何项目的里程碑以及结果如何应用于业务。
通过透明的方法，公司能够建立一种文化，使数据科学团队和业务主管能够合作。诸如Scrum之类的方法会 经常发布进度报告（包括挫折），从而实现高度协作，并在关键时刻获得高管的支持。
通过这种沟通方式，与仅参与董事会，几个月后以图表形式查看结果摘要的管理人员相比，高管们感到他们为该项目的整体成功做出了积极的贡献，并且对变更的抵抗力较弱。沉默，不知道他们是如何到达的。
对于分析主管的透明性，我最好的建议是在项目开始之前考虑为项目委员会提供一个非常详细的项目计划，其中包括关键的里程碑和可交付成果以及频繁的检查点。
结论
数据科学家在使用机器学习和AI的下一代商业智能中有着巨大的需求和领先地位。有抱负的数据科学家应考虑磨练业务技能，并在交流成功的分析项目的外观和实现方式时发展技能。在其方面，业务利益相关者应努力熟悉数据科学的语言和功能，以磨练他们为业务确定可行且有价值的（并可能很快赢得胜利）用例的能力。在非常复杂且瞬息万变的高级分析和AI世界中，花时间理解和交流可以节省时间，金钱和挫败感。业务主管和数据科学团队之间的良好沟通也有利于销售团队成功销售项目！
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
