Работа с данными в любой сфере - страница 40

По мере того как будете укреплять свои позиции в компании, приумножать ее успехи и повышать эффективность сотрудников, люди будут чаще приходить к вам за помощью в их проектах. К сожалению, у вас не будет времени помочь всем – и по этой причине вам придется научиться говорить «нет».

Первый вопрос, который нужно задать себе, когда вас просят помочь: «Хочу ли я работать над этим проектом?» Некоторые проекты могут быть интересны, а другими могут руководить ваши друзья, но в конечном счете ваше решение должно основываться на том, какую пользу для компании вы извлечете[30]. Затем вы можете сравнить все предложения и выбрать то, которое может наиболее благотворно повлиять на вашу компанию. Всегда помните, что основная работа аналитика данных заключается в получении пользы для компании. Этот определяющий критерий успеха также послужит вам подспорьем, когда придется объяснять другим, почему вы не принимаете участие в их проекте.

Как вы можете сказать «нет»? Во-первых, воздержитесь от немедленного ответа. Скажите человеку, от которого поступило предложение, что вы подумаете и сообщите о своем решении в течение конкретного периода времени (я даю себе два рабочих дня).

Если вы хотите пойти более дипломатичным путем, можно проделать один трюк, чтобы убедиться, что вас не считают просто «парнем или девушкой по данным», легко щелкающим числа. Если вы позиционируете себя как советника, то, даже если вы не участвуете в проекте, вы можете помочь коллегам с использованием данных. Я считаю, что это намного лучше, чем просто сказать «нет»: вы укажете сотоварищам, над чем поработать. Потратьте всего полчаса на исследование того, что им нужно, – возможно, вы найдете инструмент, который подтолкнет их в правильном направлении.

В итоге они будут воспринимать вас не как жонглера данными, а как консультанта – человека, способного дать ценный совет и помочь в достижении цели. Это принесет пользу еще и вам, поскольку позволит глубже познакомиться с деятельностью компании.

Сделав восемь шагов, описанных в этой главе, вы не только защитите себя от наиболее распространенных проблем, которые могут возникнуть при реализации проектов в области науки о данных, но и начнете самоутверждаться в компании. Наслаждайтесь этим исследовательским и коммуникативным этапом процесса – на следующей стадии вы окажетесь почти полностью прикованы к своему рабочему столу.

Большинство из нас бывали за границей в странах, на языке которых мы не говорим. Когда основный способ коммуникации недоступен, общение оказывается чрезвычайно сложной задачей. Даже если мы немного владеем языком, слабое знание лексики и грамматики часто мешает нам (и слушателю) хорошо понимать друг друга.

Язык, таким образом, фундаментальная необходимость в случае, когда мы хотим понять и общаться с другим человеком. А подготовка данных все равно что создание общего для человека и машины языка.

В этой главе мы узнаем, почему данные никогда не должны анализироваться без предварительной подготовки, каков пошаговый процесс подготовки данных и в чем состоят лучшие методы решения проблем, связанных с массивами данных.

К нам как к практикам, если только мы не супервезунчики, данные часто будут попадать «грязными». Нередко данные собираются сотрудниками, не стандартизирующими свои записи, или управляются людьми, которые могут изменить названия столбцов и строк массивов данных в соответствии со своими собственными проектами. Они могут храниться в неподходящих местах – там, где есть риск повреждения. Неудивительно, что при таком множестве разных людей, работающих с одним массивом данных и добавляющих их различными методами, итоговые массивы данных во многих организациях полны ошибок и пробелов. И мы не можем ожидать, что машина будет знать, где находятся ошибки или как исправить несоответствия в информации.

Поэтому наша задача – подготовить данные таким образом, чтобы они были поняты и правильно проанализированы машиной.