布莱恩·贝瑞|2015年10月9日
你希望在你的公司形成一个数据科学能力吗?
如果你的回答是肯定的，那么你可能已经了解了机器学习的概念(4机器学习问题）。也许你来自统计数据或计算机科学背景。无论哪种方式，你都会看到数据科学和预测性分析的潜力，您已准备好向管理展示一些有形的利益。
你是如何入门的？我听到了两个核心障碍：
- 我们正在寻找一个伟大的业务问题来解决，一个可以合理地用数据解决业务已经收集。
- 我们的内部资源非常很少的实践经验在正式的数据科学团队上工作，并不明白它是如何对更传统的项目团队对齐的。
价值的时间至关重要，但您需要以一种具有管理风险的正式流程的方式来进行，这可以在团队内部和外部传达。以下是您想要到位的东西，以便启动您的第一个项目。
建立你的数据科学方法论
每个项目都有一个计划，数据科学项目没有什么不同。数据科学项目计划应该是什么样的？几个非常聪明的人团队已经问过这个问题并独立到达同样的结论。我最喜欢的是“数据挖掘的交叉行业标准过程”（CRISP-DM），因为它呼吁首先对基本业务了解的基本业务了解。基本上，该过程有六个阶段：
- 设置业务目标
- 找到数据
- 准备并清洁数据
- 机器学习工作吗？
- 评估你创建的模型——它是否符合业务目标?
- 部署模型
评估您的数据功能
数据科学需求数据。没有相关数据就试图预测结果的团队注定会失败。例如，假设您想要预测产品的需求，以减少库存。您可能会从基本的销售数据开始，然后发现您没有达到预期的预测精度水平。还有什么其他因素可能推动需求?客户满意度可能是您决定考虑的一个因素。但是如果你的公司没有以任何可量化的方式来衡量客户满意度呢?数据科学领导者需要了解他们的公司(实际上是数据科学客户)在数据资产方面的能力，以便有效地确定哪些业务问题已经成熟，可以进行预测。
外包团队
数据科学需要一个非常专业的技能。你自己可能有一些技能：计算机科学，统计和对机器学习背后的原则的理解。这三个是重要的，但同样重要的是商业和领域知识。你是否拥有拥有这四种资源的团队?如果你的技术供应商已经了解你的业务，并且在交付数据科学价值方面表现出了能力，那么将工作外包给该团队就变得非常有吸引力。如果你没有这样的资源，可以考虑找一个像blumshapiro这样的商业和技术咨询伙伴。必威电子如果您已经了解了CRISP-DM流程，您将能够有效地管理一个经验丰富的业务和数据科学专业团队。
数据科学能增加你的底线吗?提高客户忠诚度?降低成本?是的，它可以，只要你有一个方法来管理工作作为一个项目，数据支持它和一个有能力的团队。如果你确信机会就在那里，遵循这些技巧，在你取得第一个大胜利后，数据科学将在你的公司中发挥战略性作用!
