职场避坑：如何与利益相关部门打交道？

原创：MarTechApe

数据科学家最重要的技能之一就是能够与不同部门有效地合作。你对公司的的影响将取决于你和产品经理进行的头脑风暴、与工程师合作以及说服高层的能力。在工作中这是非常令人兴奋的一部分，但是反而我们很难初入职场就得到很好的建议。在过去的两年中，我曾在Uber和Booking.com担任产品团队的数据科学家。这篇文章我会和大家分享如何有效地和利益相关者（stakeholders）一起工作的技巧。

1. 将请求变成对话

当其他团队寻求你的帮助时，通常他们都是希望通过你的帮助来完成他个人的目标。因此，你可以尝试展开你们的对话并深入了解对方的需求然后找到一个解决问题的最佳方案。

比方说，假设一个产品经理要求你删除用户在注册时提供其邮寄地址的步骤。如果产品经理的主要目标是推动转化率，那么你可以通过渠道分析来帮助你的团队找到其他可以推动转化率的机会。

在谈判学中这种方法也经常被使用。比起满足对方最先提出的要求，谈判方应该探索其背后的利益点。作为一个数据科学家，你不仅要关注利益相关者的要求，还要了解这要求背后的更深层的动机。

2. 学会说不

在最开始成为数据科学家的那几周内，你收到的任务数量会超出你能处理的范围。接受过多的任务其实反而帮助不到别人，因此你不得不拒绝。但是，如果你以错误的方式说“不”会惹恼很多人。以下是一些我发现有效拒绝别人的方法。

首先你一定要假设每个人找你帮忙都是有理由的。很多时候你可能会觉得来找你处理数据的同事其实有能力自己解决，因此你会无视他的讯息。别冲动！这很有可能是比你想象的更合理的要求。无论如何，冒犯任何人都是没有意义的。

即使有时候你想以最好的意图回应，但是拒绝一个人从来不是一件容易事。我发现一种特别有效的方法是，转换思维方式，把解决问题的过程看作是两个人共同商讨、找到最佳的资源分配方式，因此你的拒绝是为了优化资源分配，而并非单纯只是拒绝。

另一个有效的方法是诚实地告诉别人你为什么不优先处理某些项目。说不，不是政治上或情感上的辩论，而是对承诺的理性回应。你可以通过把自己身上的任务透明化，将一些紧张的对话转化为该如何有效利用你的时间的理性讨论。即使在有些优先事项尚不明确的情况下，理性并冷静的分析往往是最有效的沟通办法。

对时间的最佳利用并进行理性的讨论会使你与其他部门的合作更加有效，因为有时你会发现有时候说“不”实际上是一个错误的答案。

3. 管理期望和预期

当你刚上班时，同事问你他们要等多久才能拿到他们急需的东西时，你可能很容易告诉他们你认为他们想听的内容，从而低估你完成任务所需要花费的时间。请一定抵制这种诱惑！

作为乙方，我们通常都会低估任务要花费的时间。有时我们会太专注于摆在眼前的事物，从而忽略了未来的不确定性。比方说，项目中突然出现了一个麻烦的bug，又或者是你的领导突然给了你一些紧急的活。在工作中，人们的期望与他们认为的结果之间要是差距太大就会严重影响他们的满意度。

将这两种心理现象放在一起你就会遇到许多麻烦。你通过给同事过分的乐观导致给予了他们很高的期望时，如果当你无法时满足承诺，他们对你的看法就会崩塌。因此，在管理期望时要小心。

如果想要避免造成这种负面结果，你可以在开始之前想象一下项目出了错的后果。通过花时间思考可能出现的问题并考虑潜在的风险有助于限制你的过度自信，也可以帮助你提前预测可能发生的困难。

4. 了解整个项目并拥有执行力

Ben Horowitz认为，优秀的产品经理应该“了解情况并负责设计和执行一个成功的计划(没有借口)”。数据科学家也是如此，因为你也像产品经理一样应该帮助推动项目向前发展。

当你在一个更大的团队中工作时，不要仅仅在数据里埋头苦干。深入理解问题的背景将有助于你更好地工作。在与利益相关者沟通时，这一点也很重要，因为如果你不能回答一个关于这个大项目的基本问题，你的信誉就会被损害。

一旦你投入到一个项目中，你需要专注于项目细节和执行。例如，你对部署模型时使用的代码理解得越多或贡献得越多，你就越有可能在问题出现之前发现它们。一个项目的结果比谁做了什么更重要，所以要对项目负责（take ownership），而不仅仅是对你被分配到的任务负责。

5. 最小可行性分析

从生成最小可行性分析开始：最快的分析将让你开始测试项目的可行性。然后在最初的工作基础上不断改进。例如，如果你正在构建一个预测模型，你可以从一个简单的模型和几个比较有希望的特性开始。

从与利益相关者合作的角度来看，从最基本可能的分析开始有两个好处。首先，如果项目不成功，你要么有东西可以展示给别人看，要么很快就会失败。你不希望自己花了三周的时间为第一个项目构建一个复杂的模型，却没有任何东西可以分享，也不确定你是否能做出任何有用的东西。

其次，从一个简单的分析开始可以让你在改进时获得反馈。最小可行产品的概念是从产品的最小版本开始，这个版本允许构建、测量产品性能和学习改进的完整循环。当你进行分析时，你可以考虑一个类似的循环和包括获取反馈的衡量阶段。我不会把你的结果传给这里的一大群人。相反，你应该向少数人寻求反馈，比如产品经理或其他数据科学家。

这种改进工作的流程虽然不是构建数据科学项目的唯一方法，但它是一种有效且低风险的方法，特别是对于团队中的第一个项目。

6. 经常且清楚地沟通

作为一名产品经理，Lenny Rachitsky指出：“过度沟通非常必要”。数据科学家也是如此，因为你经常会帮助管理项目。当项目被推迟时，频繁的沟通是非常有价值的，但却很容易被忽略。定期的消息传递可以让利益相关者了解最新进展，并帮助他们知道你正在处理问题。

好的数据科学家，就像好的产品经理一样，“宁可过于清晰”。在分享观点时，要特别注意思路的清晰。你需要确保你的发现能够被迅速理解，并且能够被正确地解释。例如，如果你的结果只适用于一个特定的用户群体，那么你就要清楚地表明人们应该更加谨慎地把这个结果拿来用来推测到更广泛的人群。

你还应该特别注意以书面形式进行清晰的沟通。与我共事的工程经理Gergely Orosz强调说，良好的写作能使你“扩大与多个团队、一个组织或整个公司有效沟通的能力”。要想成为一名出色的数据科学家，避免错误是写作的关键。你要求人们根据你的数字做出重大决定，但如果你的文章中到处都是错字，他们会很难相信你在这个项目上的努力。在分享邮件和文档之前，一定要仔细阅读邮件和文档，检查错误。

7. 扩大影响力：让你的工作引人注目

沟通的重要性并不仅限于结束分析或将模型成功应用。你需要确保你的项目在你的团队之外的可见性。

有很多方法可以做到这一点：在你的项目还在进行的时候和人们讨论（你也可能会从中得到有用的信息），写下你的项目并将含有项目链接的电子邮件广泛传播（确保在电子邮件中包含你的主要观点的总结），写出常见问题，文章和其他人们可以利用的资源（一个有说服力的情节可以发挥很大作用），或者在内部或外部活动中展示你的成果。

如果人们看到你的工作，这对你的职业生涯有好处，但这不仅仅是自我推销。它非常能帮助在你团队中的其他人知道你正在做什么，来避免重复工作以及抓住机会一起工作。

如果你想积累行业经验、数据科学项目经验，收获理想offer，那就千万不要错过MarTechApe的宝藏项目《营销组合建模企业级实战训练营》，一个专门培养优秀数据分析师/数据科学家的企业级别实战项目，拥有企业真实数据（改编）与行业标准流程。项目经历可成为简历上的履历！

训练营的学员收获了:

真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。