如何讓你的“門外漢”同事相信數據科學很有用？

考慮一下這個問題：盡管對於數據科學的熱情不斷攀升並且像《點球成金》這樣的電影票房大賣，但是在全美橄欖球聯盟（NFL）和全美籃球協會（NBA）裏依然看不到數據分析師的身影。對於一些了解數據科學的人，把數據科學用在賽場博弈決策和球員挑選上的潛在好處是非常明顯的，但在非數據科學行業，情況卻並非如此。

為什麼呢？最主要的原因是“數據科學”這個詞匯並沒有被廣泛理解。對於非專業人士而言，數據科學是一個會引起恐慌（甚至恐懼）的詞匯。“數據”和“科學”會召喚出一幅對絕大部分人都不愉快的景象，即高中時代折磨我們的複雜的數學和科學問題。

數據科學家的實際工作內容也確實不怎麼好理解。根據維基百科的定義：“數據科學”是一個跨學科的領域，即使用科學的方法、過程和係統從結構化或者非結構化數據中抽象出知識或者觀點，與數據庫中的知識發現（KDD）類似。”

大部分人在讀完定義的前五個詞之後都不會再讀下去了。

退一步講，即使一個公司的管理層了解數據科學的巨大作用，其絕大多數的員工卻並不一定有此認識。結果是孤立的數據科學團隊的建議總是被忽視（因為激勵目標不一致）或者被否定（因為分析結果不被信任）。

所有上述的內容意味著，對一個事業剛起步的數據科學家來說，在她能產生重要的影響之前，她需要讓同事相信她的研究是有價值的。

作為一個過來人，下麵有一些小建議，可以幫助你有效的與他人合作。

了解並承認現有框架的價值

人們通常並不信任局外人能夠“魔法般的”解決長期存在的問題。化解這個問題最好的方式是了解過去的來龍去脈和老員工收集的數據。我們應當對於數據科學能做到什麼保持謙虛的態度，但是給他們展示一些用數據驅動的方法能夠實現類似目標的場景。

明確你並非要替代現有功能

我遇到過的一個常見的誤解是數據科學會得出一個唯一答案同時排除其他的可能性。我花了很大功夫來解釋數據科學的局限性，並且專注於成為現行方法的補充。

建立共同目標

人們經常在嚐試理解數據科學是如何運行的以及為什麼數據科學很重要的時候卡殼。為了防止陷入關於數據科學方法的優點的無效爭論中，我嚐試關注於我們共同的目標。我嚐試建立一個關於某方案會如何影響團隊或公司盈利的共識，並且用這個共識來保證團隊間的互相認同。

別在一個孤立的數據科學團隊工作

很多公司會把他們的數據科學團隊放在信息技術或者工程部門—距離團隊需要影響的業務決策非常遠。沒有整合在一起的數據科學團隊價值更可能被質疑。例如，每次團隊給股東提出建議，他們就不得不解釋他們做了什麼，展示過去的成功案例，來讓大家認可他們的用處。但是有一兩位數據科學家的跨職能的小組往往對數據科學的流程更熟悉，並且能更積極的采納建議。

尋找引人注目的項目

對一些年輕的數據科學家，這個建議看起來違反常理。不論如何，一旦在一個高效益的項目裏麵顯示了你的價值，之後你就能快速說服別人采納你的建議。比如，在開始工作不久，我發起了一個使用機器學習技術幫助總結研究報告的項目。我公司裏的大部分員工都被海量的研究報告淹沒了，閱讀所有的報告要耗費大量的時間。我的項目能夠精選出報告中最重要的部分，最終這個項目極大的幫助了整個公司，也讓我得到了關注。

最後，在各行業和工作職能中數據科學都需要被規範化。數據科學的思想能夠防止驗證偏差，加強理性思維，並且讓社會整體收益。雖然競爭和開放市場會加快數據科學被接納的速度，我們也需要盡自己的努力來教育人們數據科學的價值。

原文發布時間為：2014-04-25

本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號