Как небольшие изменения оказывают наибольшее влияние
Вы когда-нибудь видели фильм Миллионер из трущоб? Британский фильм 2008 года объясняет положительное влияние крошечных привычек на нашу повседневную жизнь. Как люди, мы верим, что великие достижения часто должны быть достигнуты в результате утомительного труда и колоссальных усилий. К счастью, исследования доказали, что улучшенный жизненный выбор, хорошие привычки и эффективные методы могут сделать нашу жизнь более эффективной и продуктивной.
Для специалистов по данным продуктивность является одним из ключевых факторов достижения огромного успеха в вашей карьере. Вы должны быть в состоянии работать эффективно, быстро и точно, чтобы конкурировать с другими профессионалами в отрасли.
Не секрет, что наиболее востребованными профессионалами в любой области технологий (не только в науке о данных) являются те, кто продемонстрировал эффективные навыки продуктивности, будь то тайм-менеджмент, быстрое усвоение, доставка и самообладание.
Конкурентоспособность специалистов по данным на рынке труда резко возросла. Наука о данных даже считается 3-й лучшей работой в США по версии Glassdoor. С такой статистикой становится ясно, что профессионалы из других областей технологий погружаются в науку о данных, чтобы либо отточить свои навыки, либо получить более высокую зарплату.
Повышение производительности, несомненно, даст вам преимущество перед другими. Я считаю, что главная идея профессионализма в науке о данных — выделиться из толпы и при этом хорошо выглядеть. Эти привычки помогут вам на этом пути.
1. Правильные навыки тайм-менеджмента.
Из-за разнообразия науки о данных некоторым специалистам по данным трудно определить и расставить задачи в соответствии с приоритетами. Нам, профессионалам в сфере данных, всегда не хватает времени. Нам часто нужно больше времени, чтобы выполнить больше задач, связаться с большим количеством клиентов, приобрести больше навыков и завершить важные проекты.
Я начал заниматься наукой о данных в подростковом возрасте, и, поверьте, это был один из самых запутанных периодов в моей жизни. Я знаю, что есть много людей, которые хотели бы попасть в Data гораздо раньше.
Не поймите меня неправильно, учиться и адаптироваться к технологиям в качестве специалиста по обработке и анализу данных в очень юном возрасте — это довольно круто.
Наука о данных и производительность работают рука об руку — если одного не хватает, другое следует за ним. Как профессионалы в области данных, мы должны оперативно реализовывать проекты, анализировать как можно точнее и быстрее, а также искать лучшие возможности.
Разработка кодов для решения большего количества технических проблем и расширение набора навыков на другие аспекты данных являются ключевыми факторами, которые делают специалиста по данным продуктивным.
Как внедрить эту привычку:
Во-первых, будьте готовы лучше распоряжаться своим временем.
Забудьте все, что, как вам кажется, вы знаете об управлении временем, если хотите улучшить свою игру.
Разработайте график, которого вы сможете придерживаться и спокойно говорить «нет» себе и другим, когда определенные задачи нарушают этот график. Если он не представлен в нужное время, скажите «нет» или еще лучше выделите для него время, не влияя на свое расписание.
Сосредоточьтесь на одной задаче, завершите ее, сделайте перерыв и приступайте к следующей. Многозадачность не поможет — она только все усложняет и создает риск выгорания.
Наконец, начните заранее. Цель состоит в том, чтобы выполнять задачи с легкостью и создавать больше времени для отдыха. Получение 2-часовой форы до того, как все пройдут долгий путь.
2. Мысль роста является приоритетом.
«В наши дни специалист по обработке и анализу данных является королем. Но для извлечения реальной ценности для бизнеса из данных требуется уникальное сочетание технических навыков, математических ноу-хау, рассказывания историй и интуиции».
— Джефф Хинтон.
Было много споров о численности ученых и аналитиков данных в отрасли. Некоторые считают, что нам нужно больше профессионалов, в то время как другая половина говорит, что отрасль переполнена.
Взгляните на это: если число специалистов по обработке данных велико, средним профессионалам будет трудно преуспевать — получение проектов становится трудным, доступ к конференциям по данным становится ограниченным, а возможности становятся доступными для тех, кто находится на вершине пищевой цепочки. . Вы поняли.
Между тем, скажем, нам действительно нужно больше мозгов: квалификация и сертификация становятся труднодостижимыми. Из-за нехватки профессионалов работодатели проводят тщательный поиск самых опытных и разносторонних рук, которых только могут найти.
Независимо от того, на чьей вы стороне, правда в том, что кто-то либо останется в стороне, либо получит большую зарплату.
Лично меня спор не волнует. Я больше сосредоточен на развитии своих навыков и улучшении своей игры — технически, умственно и физически.
Как внедрить эту привычку:
Забудьте все, что, как вам кажется, вы знаете о данных.
Создайте список навыков и закрепите его где-нибудь, чтобы вы всегда могли его видеть. Я использую Sticky Notes (люди все еще используют Sticky Notes, верно?), потому что я могу легко закрепить его на главном экране моего компьютера.
Сколько языков программирования вам удобно? Вас пугает звук математики? Можете ли вы эффективно использовать такие библиотеки, как Numpy, Panda, Tensorflow и Selenium?
Перечислите свои недостатки и работайте над ними по шкале предпочтений. Существует множество качественных ресурсов по науке о данных, которые могут помочь улучшить ваши навыки и максимально раскрыть ваш потенциал.
3. Они держат ноутбук близко — и библиотеку ближе.
Кто любит читать?
Согласно исследованию, проведенному Pew Research Center, 23% взрослых американцев говорят, что за последний год они не читали ни одной книги полностью или частично, будь то печатная или электронная.
Ты не один. Есть много специалистов по данным, которые не настроены на идею чтения. Некоторые думают, что успех в технической области не связан с чтением или теоретической работой.
Самые эффективные и продуктивные специалисты по данным овладели навыком балансирования теории с техническими данными. Вот почему они настолько обширны и компетентны в большинстве аспектов данных.
Вы помните тему своей дипломной работы? Да, я знаю, что ты не знаешь. Не надо паниковать, я не отниму у тебя диплом.
Тем не менее, профессора считают, что после 3–4 лет обучения вы должны быть в состоянии показать свою позицию и мнение по различным идеям, используя все, что вы узнали в течение курса. Чтобы получить свежий взгляд и понимание, мы читаем книги, исследовательские работы, статьи и публикации, относящиеся к предмету.
Моя точка зрения?
Продуктивные специалисты по данным выработали привычку постоянно читать. Будь то книга, журнал или даже технический журнал. Они всегда ищут больше информации через чтение.
Если вы изо всех сил пытались развить привычку к чтению, продолжайте пытаться, и вы добьетесь этого. Преимущества того стоят.
Как внедрить эту привычку:
Это довольно просто. Найдите что-то, связанное с тем, что вы любите, в чем вы хороши, что-то в вашей области знаний или новую тему, которой вы увлечены, и начните читать.
Не форсируйте, делайте это медленно. Используйте подход трех проходов к чтению книг и научных статей, который поможет вам быстро собирать и запоминать информацию. Если вы чувствуете, что теряете интерес, эта статья поможет вам продолжить.
4. Продуктивные специалисты по данным идут в ногу с новейшими технологиями.
Нет ничего более продуктивного, чем быть в курсе последних тенденций и информации в отрасли. Чтобы выжить в науке о данных, нужно оставаться на вершине информационной пирамиды.
Не всегда будьте парнем, который всегда получает обновления от коллеги за соседним столом. Будьте парнем, который делится новой технологией в самую секунду.
В тот момент, когда появляется новая идея, вы должны быть в состоянии получить информацию и понять ее концепции в течение следующих 24 часов. Не волнуйтесь, это не так сложно, как кажется.
Однако дело не только в знании новейших технологий. Это также об обучении и использовании его с пользой. Если вы всю свою карьеру программировали на Python, сейчас самое время научиться программировать на R. Хватит Anaconda, у TensorFlow есть несколько интересных функций. Если вы визуализировали с помощью Tableau, узнайте, как работать с Power BI.
Как внедрить эту привычку:
Data Scientist никогда не прекращает учиться.
Я знаю, что у каждого специалиста по данным свой график, но постарайтесь каждый день выделять час или два на изучение и эксперименты с новыми технологиями.
Я всегда говорю своим близким, что если вы хотите расти в данных, держите эти сайты рядом с собой: Центр науки о данных, На пути к науке о данных, и InsideBIGDATA. Вместо того, чтобы пролистывать ленту новостей в Instagram, посещайте эти сайты ежедневно. Поверьте, они вам помогут.
Выясните, какие технологии вас интересуют больше всего, а затем создавайте временные проекты, чтобы научиться их использовать.
5. Сосредоточьтесь на том, чтобы быть оптимистом.
Данные — это не просто однострочный предмет. Большое количество деловых, технических и финансовых проектов требует от аналитика разработки моделей, наборов данных, рабочих процессов и написания кода, необходимого для эффективного выполнения проекта. .
В большинстве случаев нам лень предлагать решение. Это чувство сомнения и неверия возникает еще до того, как мы начинаем. Я был здесь. Это отстой. Этот этап деликатный, вы можете либо поддаться внутреннему пессимисту и жить со своей неудачей, либо быть оптимистом и непредубежденным и реализовать свой наибольший потенциал.
Как внедрить эту привычку:
Современные исследования показывают, что оптимизм передается по наследству примерно на 25 процентов, и на нашу позитивность часто влияют факторы, находящиеся вне нашего контроля.
Обратите внимание на компанию, которую вы составляете. Всегда найдется такой коллега, который никогда не говорит ничего хорошего о ваших кодах или анализах, держитесь подальше от таких людей, так как они могут заразить вас негативом и повлиять на вашу продуктивность.
Применимые выводы
Столетия назад величайшие специалисты по данным обладали обширными знаниями в области счетов, исчисления и базовой статистики. Перенесемся в наши дни: чтобы стать лучшим специалистом по данным, необходимо знание программных пакетов, математики и аналитического программирования.
А в будущем? Система обязательно будет развиваться. Настрой на продуктивный рост играет огромную роль в нашем выживании в нестабильной отрасли.
Станьте участником, чтобы получить неограниченный доступ к Medium по моей реферальной ссылке (я буду получать небольшую комиссию без дополнительных затрат для вас): Medium Membership.
Дополнительные материалы на PlainEnglish.io. Подпишитесь на нашу бесплатную еженедельную рассылку новостей. Подпишитесь на нас в Twitter и LinkedIn. Посетите наш Community Discord и присоединитесь к нашему Коллективу талантов.
