记得刚拿到初级数据科学家的offer时，我还在为成功上岸而兴奋不已，迫不及待想大展拳脚。直到入职后我才发现，在这样一群经验丰富，对工作总是成竹在胸的同事中，自己显得那么不知所措。无措所带来的不安全感和自我怀疑，让我对自身技术和知识掌握程度一下子泄了气。以为自己修炼到足够优秀才获得了这份工作，事实给我当头一棒：成功找到一份工作只是个开始。

在工作的头几个月甚至到头几年里，自我怀疑的情绪一直如影随形。但正是这种不安全感，让我对自己有了更深的了解，也鞭策着我学习了更多专业知识。在这里我想和大家分享我的心得，如何正视自我怀疑，并从中获益。希望这篇文章可以帮助那些数据科学领域的求职者，让大家了解专业数据科学家工作时可能遇到的挑战，做到知己知彼，百战不殆。

1. 让工作井井有条

我经手的大部分项目起步很慢，初期等待数据，参加团队会议，完成其他并行工作，会将项目时间线大大拉长。在项目初始时，如果你没有建立实用且完善的文件系统和工作记录，会为后期工作带来巨大隐患。因为项目一旦启动，进展速度之快，会让你根本来不及回过头来建立系统性的项目进度追踪。

由此可见，学会如何开始一个项目尤为重要。在正式着手项目前，我会整理归类文件至相应文件夹，设置项目的版本控制环境。除此以外，我还养成了记录代码思路的习惯。开始写代码前，在笔记本上写下逻辑和注意事项，能帮我理清思路。

除此以外，写项目进度周记也是一个好习惯。周记能帮助我复盘本周已完成的工作，并为下周进度做计划。得益于此，我能随时回顾工作内容，让我在汇报进度时胸有成竹。最重要的是，在工作中我学会了如何恰当命名文件，从而节省大量后期整理时间。相反，如果漫无规则随意命名，随着时间的推移，文件增多，会越来越混乱。这些都是改善工作条理性，提高工作效率的小tips。

2. 相信自己的能力

初入职场，缺乏自信是大多数人都会有的一种心态。环顾四周，同事们都已轻车熟路，自己还在熟悉环境，产生不安全感是非常容易理解的。此时建立自信心，尤为重要。换个角度想，同事早你一步入职，自然看起来比你更老练。不必气馁，因为老板并不要求你能熟记每件事，而是需要你快速学习新事物的灵活性。

3. 工作之余做些项目

在工作之外的时间，学习一些新知识，尝试做之前没有过的项目类型，也让我受益匪浅。可以主动邀请不同资历的同事，一起加入你的项目，在交流的过程中互相学习。这种非工作相关的项目，不会有来自时间，金钱，或者客户的压力，可以专注学习本身。如果不能说服同事们一开始加入，可以先独自把项目做起来。在你谈及自己从项目所学到的知识和所获乐趣时，同事们很有可能产生兴趣，想要与你合作。

4. 向前辈学习

刚进入公司，成为一名初级数据科学家，大概率你的主管或导师会是一名资深数据科学家。无论是商业层面还是技术层面，ta都能给予你指点和帮助。记得小时候看的《动物世界》吗？幼狮埋伏在草丛里，通过观察父母如何捕食来学习捕猎。同样的办法也适用于职场。观察你的导师，看他们如何处理日常办公室事务，与客户交谈，向非技术人员解释技术问题，以及他们如何对项目做出决定。总而言之，学习ta是如何学习，解决问题，如何思考，就能趋向ta的水平。

5. 聆听的重要性

沟通是数据科学的根本。数据科学家对于数据有了洞察，通过讲述其背后的故事，让我们的发现和听众产生共鸣。聆听是沟通的第一步，因此在数据科学工作中，不论对方是你的上司、客户还是团队负责人，你都需要认真聆听他们的想法。数据科学家不会单打独斗，除了分析数据，还需要充当不同团队之间的对话者。比如与营销团队分析转化活动的数据，与服务器开发人员讨论数据管道的搭建，还会向公司高层提出策略建议。我们需要兼收并蓄各个部门的观点，整合信息，从而为团队提出更全面的结论。。

6. 大胆问问题

“初来乍到，问问题会不会显得自己很弱鸡，被同事嫌弃？”，这种心里打鼓很常见。但提问能让你在数据科学家的工作上走得更远。初入职场，尤其你只是一个刚毕业的学生，同事不会期望你能精通所有的技术，或者能解决一切问题。所以在遇到问题时，你可以毫无压力地说“我不知道”，“我有一个问题”或者“我需要再研究下再回复你”。如果同事用了你不熟悉的行话和术语，不要害怕提问。与其埋头自己试图解决问题，简单的一句提问可能会节省不少时间。相反，试图掩盖问题，对同事和你的关系会产生负面影响，可能给人留下不爱交流，甚至不靠谱的印象。敢于提问，善于提问，你在团队讨论中的贡献程度会更高。对我而言，提问是一个绝佳的成长方式。

7. 相信自己的判断，和同事保持交流

当我们着手一个项目时，其中会有许多关键性决策点。比如：如何合理划分训练集和测试集，如何对分类数据编码，机器学习中如何选择特征，生成哪些新特征……这些是常见的数据分析步骤中可能遇到的问题，都会对最终模型的成果产生不同的影响。如果对每一步都追求做到最优化，可能会消耗不必要的时间和精力。所以需要依靠你的直觉和经验，相信自己，做出决定。

（小提示：做决定时，记录下你的决定所基于的前提和假设。这个小步骤，不但在后期回顾项目时会有所辅助，你还能挑出拿不准的问题，与同事沟通讨论，学习他们的经验。）

最后

找到工作就能高枕无忧了吗？当然不是。这是终生学习的时代，数据科学领域发展迅速，我们需要不断学习来迭代提升自己。作为一名初级数据科学家，工作初期你会花大量时间进行知识的查漏补缺，努力跟上最新的发展趋势。在这个数据为王的时期，成为优秀的数据科学家，道阻且长。需要抓住每一个在实践中，在沟通中，在同行身上，潜在的学习机会。

如果你想转型成为数据科学家，那么积累相关的行业项目经验可以让你的转型之路事半功倍！MarTechApe从2018年起，就与全球最大广告集团WPP的数据总监、营销分析经理联手推出，业内标准流程的《营销组合建模企业级训练营》，专注于培养营销数据科学家！

从我们的项目中，毕业了将近200名学生，斩获各大公司数据岗位offer：

今天，《营销组合建模企业级训练营》正式开启第10期的招募！

1.营销组合模型训练营是什么？

营销组合模型训练营（Marketing Mix Modeling Bootcamp）是MarTechApe的宝藏项目，由全球最大广告集团 WPP美国办公室的数据总监以及营销分析经理共同授课。在训练营中，你将学习在真实商业情境中如何用营销组合模型解决广告营销最核心的问题——科学合理地评估不同广告对品牌和销售的影响，以统计模型的结果来科学优化广告预算。

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。

2.学员对训练营评价如何？

Marketing Mix Modeling Bootcamp开办至今，收获了大量好评，学员们都觉得Bootcamp的质量非常高，在节课后给我们发来了很多让我们非常感动的评论：

3.训练营老师是谁？

1. 全球最大广告传媒集团WPP | 数据总监

商业分析高级专家
拥有7年数据分析经历
各类SQL、Tableau疑难杂症的go-to person

2. 全球最大广告代理公司GroupM | 营销分析经理

营销效果分析专家。为十多个每年广告预算上亿美元的大客户提供营销效果评估、销售预测等解决方案
拥有6年Marketing Mix Modeling等高阶分析经验，具有丰富的训练新人和带领团队的经验
毕业于Columbia University统计学系

今天，我们非常骄傲地宣布

Marketing Mix Modeling Bootcamp第十期

正式开始报名！

接下来我们就看看训练营的具体课程内容吧！

4.在Bootcamp中可以学到哪些内容？

整个bootcamp分为广告数据源概况、数据处理与可视化、统计建模、深度诊断，共计24小时课时，在两个月内完成。
周末Online Live授课，课后完成老师布置的作业，助教团队在班级群随时答疑，直播录像永久回放。
课程内容涵盖了数据分析岗位的完整工作流程（analytics cycle）：
- 数据收集 Data Acquisition
- 数据处理和清洗 Data Processing
- 数据可视化与商业洞察 Data Visualization & Data Story-telling
- 统计建模 Modeling
- 模型优化 Optimization
- 销售预测 Simulation
- 深度诊断 Side Diagnostics
- 结果展示 Presentation
每位学员将有一套亲自做的Data成果作品和一套Model成果作品，以及一段完整的为客户解决实际问题的经历。
结课后，每位学员获得提升简历的Project Experience完美描述，所有学员获得内推机会！优秀学员获得额外一对一面试辅导。
报名的学员可在开课前一周获得详细的Syllabus。

学员在前四周会聚焦在数据处理和商业洞察上。学员会面对大量的营销活动数据（如Display、Search、Social、Video、TV等广告数据），根据Media Data的数据源与结构来处理纷繁复杂的数据。并用可视化来呈现出数据洞察。你将学会如何搭建一个数据库、如何利用SQL去处理未经处理的、大型原始数据集，并利用Tableau对数据进行可视化分析。你还将完成对一份数据的商业分析。简而言之，我们将以Data Processing >> Data Visualization >> Insights Generation这样一套体系，系统加强你的数据分析能力以及商业意识。

在真实的世界里，模型用来回答各类不同的商业问题，帮助决策者作出最优的决策。在本次bootcamp的第四～第八周中，你将建立一个真正的Marketing Mix Model！掌握模型最核心的秘诀，调整各类模型参数、学会解读模型结果、优化营销预算、精准预测销售走势。在这个过程中，学会将商业问题翻译成模型问题，用不同的分析手段来回答不同的营销问题，真正做到数据驱动战略决策。

在向你的观众解释Marketing Mix Modeling的模型结果时，Side Diagnostics（深度诊断）往往是一个让你的受众通过商业意义来理解模型结果的重要手段。模型的解释力以及与商业可行性的融合性是决定你的受众是否“买账”的关键因素。因此，Marketing Mix Modeling专门加入深度诊断部分，教你如何用统计的方法说服你的受众！