大数据文摘■从全栈工程师到数据科学家，入职第一年我都做了些什么？( 四 )

在计划方面，我喜欢将开发工作视为线性的——你知道自己在做什么以及如何做。数据科学工作我觉得是分叉树，可能需要试不同的道路，可能会碰到死胡同。
数据科学家做短期工作计划还是可行的，比如你正在训练和测试的模型之类的——接下来一两周的工作，但是，长期计划很难做。你不可能总是提前知道什么会起作用，什么不会。所以我们才要进行实验和测试，这是数据科学家工作的核心价值。
最后，花点时间去做不一定会有成果的工作，即使不起作用，也没什么大不了的。
回答正确的问题
在过去一年中（这让我栽过很多跟头），我发现数据科学工作的关键部分是回答问题，但更重要的是回答正确的问题。
正如我所说，我栽过几次跟头，当时我正在回答一个问题，但并没有回答业务方实际想要回答的问题，之所以发生这种情况，是因为业务方使用的业务语言跟我用的的技术语言有差异，有时候我们用一样的词但要表达的意思却不同。
针对这问题我的解决方法是在做项目的实际工作（现在称为“项目前”工作）之前先做准备性工作，在这个阶段，我会从业务方那里收集初始需求和信息。做一些初步分析，然后给业务方展示。
运用敏捷的工作思路，我希望在每个sprint实现一个可交付的成功，并向业务方展示该成果。这样，我与业务方建立了一个有效的循环反馈机制，向他们展示一些东西并询问他们的意见，这可以建立一个有效对话，从而更清晰地定义真正要解决的问题。这个方法在项目各个阶段都有效，不仅仅是初始阶段。当你向业务方展示你的工作结果时，可能会激发他们不同的想法以及他们之前没有考虑过的思路。从而你能找到他们真正的痛点。
所以过去一年来我发展的一项关键技能是与业务方的互动交流，深入挖掘他们真正想要的东西。
总结
Python比R更容易学习，因为对于程序员来说python与其他编程语言更接近。

边执行边做文档
学习如何使用关系数据库，比如SQL ，用数据库来查询，操纵和存储数据。
你需要准备很多展示，不仅是向项目业务方的报告，还要向公司其他同事报告，甚至是公司外面的人。
你需要提高演讲能力以满足不同受众（技术或非技术）的需求。

工作计划不是一帆风顺的，因为你无法预知什么起作用什么无效，要有心理准备有时候花了时间不一定取得预想的结果。
花时间找你真正要解决的问题，不要不加思考就埋头开始做，与业务方建立反馈闭环是很有必要的。
相关报道：
【大数据文摘■从全栈工程师到数据科学家，入职第一年我都做了些什么？】https://codebuildrepeat.blogspot.com/2020/03/my-first-year-as-data-scientist.html