《数据科学家在科技行业的初年编年史》
《内幕指南：如何在科技行业中度过你的初年作为数据科学家并提升你的水平》
本文是《数据科学家的初年编年史》系列的第二部分。请务必先阅读第一部分！
所以之前我们讨论了：
- 定期与利益相关者分享你的工作的重要性，即使尚未完成
- 定期寻求反馈，以确保你在正确的轨道上
这样做将帮助你与团队和利益相关者建立信任，确保你的工作产生应有的影响。说到信任，让我们马上进入第三课。
第三课 — 开始建立信任
产生影响力的关键在于将你的想法传达给能够将其变为行动的人们。
这些人通常是产品经理（负责产品的愿景和战略）或设计师（负责产品设计） 。你分享的见解和提出的建议将推动整个团队（产品经理、设计师和工程师）的工作。
所以毫不奇怪，你需要学会说服人们为什么他们应该听你的想法以及为什么它们重要。
欢迎来到第三课！
这可能显而易见，但作为数据科学家，信任是其职责的核心，并且这是一项随着时间而磨练的技能。但你可能会问我：“我该怎么做？我还是一只小狗，谁会认真对待我？”嘘嘘，除非公司相信你有可靠性，否则他们不会雇佣你。所以人们很可能已经信任你，现在关键是不辜负这个信任。
那么，当你刚刚开始时，你如何建立起第一层的信任？
我们已经讨论了如何通过沟通你的工作和寻求反馈来增加你的信任度，但让我们看看还能做些什么！
1. 主动并尽可能提问
我当然天生就有一个天赋，就是喜欢给人们提出他们没有问过的问题。这在高中可能没有起到好的效果，但职业世界，尤其是在我这个行业，科技（我唯一了解的行业），遵循不同的规则。
我发现自己一再受到赞赏的一件事是，我能够通过提问从各个角度来探讨一个话题（我是个ENTP，当然只会这个）。
表现出你对某事物的工作原理以及原因的兴趣，无疑会让你成为一个值得信赖的真相和决策来源。
2. 谦逊并且不要害怕承认自己不知道的事情
是的，你可以再读一遍。不要像琼·雪诺那样。如果你不知道如何做，没必要假装知道。事实上，这对你的长远发展可能有害。
谦逊会产生信任，这就是为什么在你的见解中保持谦逊，需要时说明免责条款至关重要。
作为新手，我们经常会被诱惑不展示自己的无知。然而，与数据和统计一起工作意味着结果不是绝对的。实际上，对你的结果的置信水平保持透明，可能很难但很重要。要对你的工作的可靠性做出透明的说明！
你如何做到这一点？
- 确保你表达你已经积极尝试找到解决方案是成长的第一步。没有人会责备你没有做对事情，但是至少要尝试一下。
- 展示你积极参与自己的成长，肯定会在所有人眼中提升你的可信度和可靠性。
解决方案总是喜欢玩弄人。所以幸好我们是数据科学家，因为我们喜欢挖掘那些隐藏的洞见，不是吗？只有这样你才能从别人那里学到东西，提高自己。
第四课 — 寻求专家的帮助
如果我早点学到这个，它会节省我多少时间啊。
设想一下：
我正在进行因果推断项目（统计学领域旨在根据观察数据识别变量之间的因果关系）。我在大学上过这门课，但似乎记得不多（也许这次我又在睡觉）。所以无论如何，我正在处理这个项目，探索新的令人兴奋的概念，像我喜欢的那样挑战我的大脑。
我向我最亲密的同行寻求建议，回顾过去的项目，希望找到一些灵感、经验和技巧，甚至是上帝的话语…任何可以帮助我的东西。所以是的，这也是一个必备的技能：
在开始新项目时，追溯过去的资源应该是第一步
但我会在另一个故事中详细介绍这个。
所以我正在进行研究，调查内部和外部资源，发现自己与因果推断（正常，这是一个棘手的问题）发生冲突。我做了所有正确的事情（或者我以为是这样）。我继续在这个项目上努力，并经过一段时间…我突然想到了一个好主意，向其他数据科学家请教一个概念的澄清。
通过这样做，我显然提供了关于我的项目更多的细节。当…突然间…一个天降下来的因果推断专家的话语照亮了我…友好地告诉我，我…走错了方向。我的整个方法论都是错误的，因为我比较了两组无法比较的用户，这扰乱了整个分析。
朋友们，这就是几周的工作时间只能走上一条通往垃圾桶的单程票的原因！（嗯，不完全是，因为这成为你大脑中的一个核心记忆和一个很好的教训）
这就带我们来到第四课 —学会如何克服挑战对于培养批判性思维和解决问题的能力至关重要。但是学会在需要时寻求帮助也同样重要。人们现在直接去找ChatGPT寻求帮助，而不是自己尝试，这最终阻止了他们学习正确的技能。
向合适的人寻求帮助具有宝贵的好处
1. 从你正在工作的领域的专家那里获得第一手指导
显然，这只会给你带来助力：a）对于你的项目和b）对于你的技能。记住，你可能是一只小狗，但你也在与领域专家玩在同一个沙盒里，所以不要忘记在需要的时候寻求指导（除非你计划再做一段时间的小狗，那就是另外一回事了）。
你该如何做到这一点？
- 寻找过去的项目，在这些项目中已经实施或研究了你正在处理的内容。然后联系那些参与过项目的人。很有可能，他们会提供给你有价值的信息，并帮助你发现潜在的不一致之处。
- 在Slack/Teams的专门频道上发布信息，这些频道专门讨论你正在处理的问题/技术/特性/产品领域等等，比如#因果推断或#数据科学（扩大范围，肯定会有人回应）！
每个人都乐于帮助。毕竟，他们也曾经历过同样的问题。
2. 避免因意识到自己做错事而感到沮丧
这最终也会帮助你免于为过去的错误付出额外努力的压力…因为现在，你的进度也已经落后了。
只是不要忘记至少先尝试一下。如果你发现自己卡在某个地方时间超过了应有的限度，那么你就知道是时候寻求帮助了。
最后一点建议 — 耐心对待自己
如果你一直阅读到这里，那么你绝对应该多得一块饼干来表示你的坚持。谢谢你阅读我的文章。
准备好了吗？现在我将给你一块特别的饼干，作为这次旅程的奖励。
没有人期望你从第一天甚至第100天就成为专家
即使在技术领域也是如此！与经验丰富的人一起工作是一个成长的机会，但我花了一些时间才完全接受自己是房间里最没有经验的人。
我把那些我一起工作的人当作榜样，但我也下意识地和他们进行比较：
- 我需要花更长的时间来完成工作
- 我并不总是提出正确的问题来进行探索，所以感觉我的探索范围比同行有限
- 我在同时处理多个项目时会感到困难，而其他人似乎可以轻松处理5个任务
是的，这似乎是显而易见的，但至少对我来说并不那么明显。所以如果像我一样，有时对自己要求很高，追求最好是重要的。然而，要知道当你刚开始时，不必成为最好的。
我的意思是，拜托，你是只小狗，谁会期望你和成年狼一样厉害呢。但你是在群体中，群体不会抛弃自己的成员。所以别担心，总有一天你也会咆哮的，这只是时间和承诺的问题。
从一开始就做到完美其实并不是常态。此外，冲浪者不会在平静的水面上冲浪，那有什么意思呢？甚至连哈利·波特在开始时也没有完全掌握Wingardium LeviOsa。
那你可以做什么呢？
- 避免过度模仿你的前辈。很可能会感觉不自然，人们会察觉出来。相反，不要强迫自己提问，做回自己。
- 与其他初级人员取得联系。与我能够有共鸣的其他人交流，在我自己遇到困难时，这确实帮助我获得更多的观点。这些人不一定是数据科学家，任何你能亲近的初级人员都可以。知道你不是孤单的，并找到支持改变了一切。
所以最后一课：对自己宽容一些，如果你有这样的想法就不要给自己增加额外的压力。如果没有，那么这个教训可能不适用于你，但记住善待自己永远是值得的。
如果你喜欢这篇文章或者觉得它有用，那么请关注我，以获取更多关于我的旅程的故事，或者点赞，这样其他人就能在小猪AI上看到这篇文章。如果你认识对这篇文章有兴趣的人，请务必分享给他们！