5 lecciones que McKinsey para ser el mejor científico de datos

 

La ciencia de datos es uno de los campos más populares en los últimos años y ha atraído a miles de personas con talento a unirse a la competencia por un asiento en equipos de ciencia de datos principales compañías. Existen numerosos artículos que le enseñan cómo prepararse para las entrevistas de DS y "destacarse del resto de los entrevistados", pero el viaje ciertamente no se detiene en ser contratado. Obtener una oferta de trabajo es simplemente el primer paso; sin embargo, no mucha gente habla de cómo puede destacarse del resto de los científicos de datos contratados una vez que pasa las entrevistas y se une a la empresa.

Como persona de datos que ama la precisión, me gustaría señalar que aunque el título de "científico de datos" cubre una amplia gama de trabajos en la industria hoy en día, en este artículo me centraré principalmente en consejos para científicos de datos que influyen decisiones comerciales en cualquier forma (en lugar de aquellas en roles de “ciencia de datos centrales” más orientados a la investigación).

Lección 1. La comunicación de arriba hacia abajo es clave

Una manera fácil de practicar esto es anotar sus pensamientos antes de la reunión basándose en esta estructura para mantenerse al día al comunicar los hallazgos clave de su análisis. También es útil dar un paso atrás con frecuencia para preguntarse qué problema está realmente tratando de resolver; ese debería ser el mensaje clave que transmita.

 

Lección 2. Sea el "traductor" usted mismo

Practique esto con un amigo (preferiblemente uno sin antecedentes analíticos) explicándole su modelo / análisis (sin revelar ninguna información confidencial, por supuesto). Esta también es una excelente manera de descubrir lagunas de conocimiento en su enfoque; como cree Richard Feynman en “The Great Explainer” , si no puedes descubrir cómo explicar algo de una manera simple, muchas veces es porque no lo has entendido bien tú mismo.

 

Lección 3. Ser impulsado por soluciones es la regla № 1

Cuando se encuentre con un problema, tómese un momento para pensar en las posibles formas en que podría abordarlo antes de señalarlo a su equipo o gerente. Utilice su creatividad a la hora de resolver problemas y no tenga miedo de ser el que proponga una nueva solución. También es útil diversificarse de su flujo de trabajo y aprender más sobre el negocio y el trabajo de otros equipos. Obtener el panorama general generalmente ayuda a conectar los puntos y conducirlo a soluciones creativas.

Lección 4. La interpretabilidad triunfa sobre la precisión cuando se trata de modelar en un contexto empresarial

Tenga siempre en cuenta el impacto empresarial al crear modelos o realizar análisis. Al construir modelos, evite lanzar características interactivas aleatorias al modelo y espere que una de ellas se quede; en lugar de eso, piense mucho en la etapa de ingeniería de funciones antes incluso de comenzar a construir el modelo. Anotar las sugerencias comerciales que surgen del modelo / análisis también lo ayudará a reevaluar las elecciones de diseño que tomó al construir el modelo.

Lección 5.Asegúrate de TENER una hipótesis pero no estás casado con una

Es importante desarrollar la comprensión y la perspicacia comerciales para poder formular buenas hipótesis. Mantenga las hipótesis en su mente para guiarlo durante la exploración de datos, pero tenga la mente abierta para admitir cuando los datos le estén contando una historia diferente de su “suposición fundamentada” inicial. Tener un buen sentido comercial también lo ayudará a modificar su teoría inicial en el camino y modificar su narrativa de acuerdo con los datos.

Autor: Tessa Xie 

Fuente, lee el artículo complento en: https://towardsdatascience.com/5-lessons-mckinsey-taught-me-that-will-make-you-a-better-data-scientist-66cd9cc16aba