Exécution contre exploration et ce que cela signifie pour vous

Ce n’est pas une surprise quand on considère l’origine de la data science. Si vous parcourez rapidement les débuts du domaine, vous constaterez que les universitaires ont commencé à étudier les possibilités de la statistique informatique. Cet état d’esprit de chercheur est toujours intégré à notre ADN.

Nous sommes constamment entourés de données représentant l’activité, le produit et les clients à grande échelle. Cela nous permet de voir les choses à partir d’une vue de 30 000 pieds, où d’autres rôles passent la majeure partie de leur temps au niveau du sol, travaillant à l’exécution.

Exécution contre l’exploration

La plupart des CI techniques au sein de sociétés établies se concentrent sur l’exécution. C’est assez intuitif. Pour qu’une entreprise réussisse, elle doit accomplir des tâches créatrices de valeur.

Les rôles de la data science sont un peu différents. Ils varient considérablement en fonction de la structure et de la taille de l’équipe, mais en général, l’exécution n’est pas notre meilleur atout. Notre travail le plus précieux provient souvent de l’exploration.

Quand il s’agit de questions et d’hypothèses complexes, l’exécution n’est pas la solution. Quelqu’un doit plonger et comprendre les choses à un niveau plus profond. Ils doivent analyser et explorer le problème en profondeur. Les data scientist sont les candidats parfaits pour affronter ce problème.

Le fait de penser, de créer une intuition, puis d’explorer cette intuition est criminellement sous-estimé . Bien fait, non seulement ce travail produit des résultats intéressants, mais il oriente également la prise de décision . C’est où les scientifiques de données prospèrent vraiment.

Si vous regardez où certains rôles se retrouvent dans le spectre de l’exploration de l’exécution, vous obtenez quelque chose comme ceci:

Cela ne veut pas dire que les scientifiques de données ne peuvent ou ne doivent pas s’exécuter. Nous passons beaucoup de temps à créer des modèles, à écrire du code de production et à automatiser des tâches courantes. En réalité, nous possédons un ensemble de compétences variées qui nous permet d’explorer et d’exécuter. C’est pourquoi il est difficile de trouver des data scientist et c’est ce qui rend le domaine si passionnant et stimulant.

Trouver un équilibre

Les data scientist devraient-ils devenir complètement fous et faire ce qu’ils veulent? Probablement pas. Nous ne pouvons pas ignorer de manière flagrante un arriéré de billets JIRA tout en examinant une hypothèse qui nous était venue à l’esprit à 2 heures du matin la nuit précédente. Il doit y avoir un équilibre ici.

Nous devons être là pour nos intervenants. Cela signifie qu’il faut leur fournir ce dont ils ont besoin rapidement afin qu’ils puissent prendre efficacement des décisions et faire avancer les choses.

Cependant, nous sommes également tenus de tirer parti de notre position unique et de nos compétences en matière d’analyse. Pour ce faire, nous prenons le temps de réfléchir à de nouvelles idées, de générer des hypothèses et de parcourir un peu les données.

Mais la question demeure: à quoi cela ressemble-t-il dans la pratique? Ce n’est pas facile de penser de cette façon dans un monde qui se concentre constamment sur l’exécution. Récemment, j’ai fait trois choses différentes pour que l’exploration reste une priorité. Je suis assez content des résultats obtenus jusqu’à présent.

Temps d’arrêt

Premièrement, je recommande de bloquer environ une heure par jour pour une réflexion et une exploration approfondies. Le meilleur moment pour vous variera d’une personne à l’autre. Je préfère la première heure du matin, mais vous pouvez tout aussi bien réserver une heure dans l’après-midi. Il est extrêmement important de planifier cette heure.

Créez un système de réussite en organisant chaque jour une réunion récurrente avec vous-même. C’est une réunion que vous ne pouvez pas vous permettre de rater ou de reprogrammer. Tenez-vous responsable. C’est le moment de réfléchir.

Tout écrire

Au cas où vous ne l’auriez pas entendu, la documentation est un peu importante. Votre façon de penser ne fait pas exception à cette règle. Peu importe la qualité de votre idée, faites-la quelque part. Créez un document en cours d’exécution ou conservez un bloc-notes où vous pouvez permettre à ces idées, questions et hypothèses de subsister et d’être revisitées.

Reste curieux

En tant que scientifique, la curiosité est votre étoile du nordParfois, vous vous laissez prendre au mode exécution et vous oubliez de développer et d’explorer vos propres idées. Lorsque cela se produit inévitablement, c’est la curiosité qui vous ramènera. 

? Ebook gratuit : 7 soft skills essentiels pour devenir Data Scientist

? Cet article peut intéresser un ami(e), partagez lui

La note globale de cet article est
[Total: 0 Average: 0]
Est-ce que cet Article vous a été utile? Utile Pas utile
Partager cet article