听说你在和数据科学家打交道时,有一种封面图的感觉

听说你在和数据科学家打交道时,有一种封面图的感觉
Michael Li MarTechCareer


大数据和商业的交融每天都变得更加紧密。尽管企业已经推崇数据科学好几年了,但是想要全面引入一个数据驱动的文化是很难的,尤其对于那些原本就不是数据专家的人来说。


其中,一个典型的挑战就是如何向数据科学家们索要数据或是分析。很多经理并不知道该怎么问正确的问题、如何使用正确的术语。结果到最后,分析做完了,但不知掉如何进展下去。当经理们得到的不是他们想要的信息时,他们自己也很沮丧。


所以,我罗列了以下这些你和数据科学家打交道时应该注意的因素。4条准则,帮你和数据科学家建立高效的沟通!


1

我该问什么样的问题?


当你开始与数据科学家打交道时,你应该首先搞清楚你想要获得什么。思考一下你希望数据可以对你的业务施加什么样的影响,以及公司是否有能力来根据数据的结果来行动 。当你把你的诉求和数据科学家们讲清楚时,他们也就明白了可以怎样帮你、怎么定义你要他们回答的问题,以及他们要从你这儿获得什么额外信息。


你经常觉得,你明明已经表达得很清楚了,但为什么还是在低效沟通?这是因为,即使是最小的“模棱两可”都可能有着巨大的影响


比如,广告经理可能会问数据科学家,“请问哪一个广告战役最有效地提升了销量?”。


这个问题听起来好像还挺make sense的, 但其实它也许不是最好的问法。因为大多数公司的终极目标并不是增加销量,而是最大化收益。广告从业者协会(Institute of Practitioners in Advertising)的研究发现,用广告来降低价格敏感度比用广告来增加销量所获得的收益高两倍。


因此,洞察所带来的价值在很大程度上取决于你问出什么样的问题。所以你在问问题的时候,要确保你的问题尽量具体和具有可行性。


2

我需要什么数据?


当你定义了正确的问题和目标之后,你和你的数据科学家应该测评数据的可得性 (availability)。可以在内部询问,是否已经有人收集过相关的数据来做类似的分析。也不要忽视了公共数据 (public data) 的作用。


接着,评估这些数据是否足够做出你想要的分析了。同时你需要搞清楚这些数据是否有偏差。比如,数据测量的是否是你的业务关心的人群?样本大小本身不足以证明数据是有效度的。最后,问你的数据科学家是不是已经有充足的数据来回答问题了。


3

我该用什么方式获得数据?


如果需要更多的第一手数据,数据科学家就必须决定用什么方式获取这些数据。可以通过观察性研究来获取数据,也可以通过实验研究来获取新数据。所以在你和分析师们的对话中,你要搞清楚这些不同选项的成本和各自的优势。观察性研究也许安排起来更容易也更便宜,因为它们不需要你直接与用户互动,但是这些数据也没有那么可靠,因为他们只能建立相关性而不能解释因果关系。


实验则可以有更多的控制,并对因果提供更可靠的解释,但是它们通常也更贵、更难以实施。并且,即使是最无害的实验,也可能有不好的社会影响。比如,Facebook 曾做了一个非常招黑的实验,它在它的News Feed上测试情绪是如何在社交媒体上传播的,这一实验引起了全民公愤。虽然实验完全合法,但是很多用户表示他们并不想做不知情的小白鼠。所以经理们必须考虑到品牌在收集数据时的反响,并让数据科学家理解这些后果。


在投入大量资源之前,你要核实公司确实可以高效并有意义地使用这些分析可能带来的洞察。这可能意味着整合已有的技术项目、为自动化系统提供新数据,以及建立新的流程。


4

对数据和模型的考量


数据通常以两种形式存在:结构性的和非结构性的。结构性的数据很容易加入数据库,且操作起来更方便和快捷。非结构性的数据有着千奇百怪的格式,并不容易储存进企业常用的关系型数据库。不过,95%的场合,你拿到的数据是非结构性的。对于很多大公司来说,存储和操纵非结构性数据需要大量的投入。所以你和你的数据科学家需要评估使用非结构性数据所产生的额外成本。当然,即使数据是结构性的,你仍然需要清洗和检查。


统计方法和开源工具被用来分析大量的数据。在选择方法和工具时,往往最简单的方法是最好的。太复杂的方法往往会导致过度拟合。你和你的数据科学家需要一起找出相对简单的方法和工具,当简单的方法不够用时,你们再转向更复杂的模型。记住这名条叫KISS的准则:Keep It Simple, Stupid! (蠢货!搞简单点呐!)


以上这些,也许不可能帮你避免数据收集和分析中所产生的费用和问题,但是你可以一步一步来减少这些成本和风险。通过问出正确的问题,你可以保证和数据科学家之间良性的合作,并拿到你想要的信息来自信地往前推进。


好学的你也许错过了:




本周末开课:


△WPP数据分析经理教你一个周末成为Excel能力者!(Excel面试真题培训)


世界银行顾问、尼尔森数据分析师教你一个周末学会R语言!三大营销分析案例)


关于MarTechApe

MarTechApe是一个来自纽约、专注MarTech领域的知识分享|技能学习|求职服务的终身学习平台。我们提供最专业的Marketing Technology课程。



    必备技能, 求职宝典Zhen Li