如何在扩展数据科学项目时克服挑战

我们正处在信息时代的尾声。

但就像在20世纪中期，信息时代吞没工业时代时，农业和工业并未消失一样，信息时代同样将——或者说已经——被我们所处的这一激动人心的新纪元所吸收：体验时代。

如果说信息时代的核心是收集海量数据，那么体验时代的核心就是分析这些数据，发现它们能为我们做什么——让数据为我们所用。

这正是像您这样的数据科学家大显身手之处。越来越多的组织正在组建数据科学团队，从持续的数据流中提炼洞见。美国劳工统计局估计，数据科学岗位在2033年前将增长35%。

把这一数字与全行业平均3%的全国就业增长率相比对。

这个统计令人振奋，但对数据科学家的高需求也意味着对数据驱动洞见的巨大渴求，每家机构都想分得一大块蛋糕。

压力可能扑面而来。您的团队如何跟上组织对数据驱动洞见的需求？如何在不消耗过多资源的情况下，扩大团队可交付的数据科学项目数量？

关键在于组织化运作。借助运转良好的数据治理与冲刺规划体系，您能做到超出想象的更多。

什么是数据治理？为什么重要？

数据治理是团队用于管理其所收集数据全生命周期的体系。有了有效的数据治理方案，您的团队能够保持有序，并遵循重要的州、联邦及全球合规要求。

您或许会问：“数据治理与数据管理有什么区别？”可以这样理解：

• 数据治理设定获取、使用与保护数据的政策与流程。
• 数据管理则是如何收集、处理、存储、分析与解释这些数据。

换言之，数据治理为数据管理搭建框架并对相关流程进行监督。您可以通过 DataCamp 进一步了解数据治理概念。

大多数组织在微观层面都有默认的治理方案——一个对应某个业务工具，另一个针对某项独立职能。作为数据科学家，您的工作就是将这些治理整合为一台高度有序、严密受控的机器。

这是否需要前期大量投入？是的。但一旦建好，您就能管理更大的数据集并承担更多项目。为快速掌握这些概念，请查看 DataCamp 的数据治理基础速查表，这是用于查阅关键概念与最佳实践的便捷指南。

搭建数据治理框架

数据治理流程的起点是组建团队。

您与组织内的其他数据科学家需要协作来落实数据治理项目。具体职称与职责会因组织而异，但总体而言，需要设定四类角色：

• 数据管理员（Data steward）：管理治理项目、确保安全，并在业务与 IT 团队之间沟通协调
• 数据架构师（Data architect）：设计处理与存储数据的系统，并帮助数据管理员遵循治理政策
• 数据托管人（Data custodian）：传输、存储、保护并监督数据使用
• 数据分析师（Data analyst）：解释数据并将其转化为可为业务采取行动的洞见

根据公司规模，以上每个角色可能需要多人承担。有些组织还会设立数据管理员或委员会来监督数据治理政策的制定。

制定一套全面的战略至关重要，DataCamp 关于创建数据治理战略的模块可为这一过程提供结构化方法。

拟定数据治理政策

团队组建完成后，您可以协作定义所有人将遵循的数据治理政策。

思考以下问题：

• 公司将如何按照数据治理最佳实践来使用与管理数据？
• 在技术快速演进的背景下，谁来决定数据的使用方式？
• 组织期望最终用户如何从数据中受益？

探讨这些问题的答案，并据此制定总体数据治理政策。可以把它视为一把“伞”，保护您围绕标准、数据文化与安全制定的各项子政策。

明确标准、安全措施与数据文化需求

接下来需要考虑数据标准。如果数据质量不过硬，数据对您就难有帮助。数据应满足哪些标准？团队将如何筛除不达标的数据？理解并确保数据质量至关重要。深入了解该主题，可参考 DataCamp 的数据质量入门课程。

议程上的下一项是安全。请明确：

• 如何对数据进行分级——公开、私有、机密、受限等
• 各分级的访问权限由谁掌握
• 如何对数据进行加密，以确保从存储到传输再到返回的整个过程安全
• 用于在发生安全违规时通知团队的告警系统
• 处理任何违规行为的政策
• 测试与审计计划，以确保项目按预期运行

最后，数据治理团队最重要的工作之一，是让整个组织了解数据如何帮助他们。让大家知情，有助于营造重视并善待数据的文化，把数据当作其本身的资产来对待。

那么，如何让看似枯燥的数据吸引整个组织呢？

让它“活起来”。

向组织直观展示数据如何让他们的工作更轻松。每季度举办一次演示会，利用图表和可视化呈现数据如何影响公司决策。以同样的思路发送信息简报或月度通讯。提供覆盖全公司的课程，帮助员工提升数据素养。

一个重视数据的组织会共同维护您制定的政策、流程与标准。这种标准化与结构化将使您的数据科学团队更容易承担更多项目，同时不牺牲数据质量与安全。

现在，您已准备好开始“冲刺”。

数据科学团队的冲刺规划

您已建立起数据在组织内安全高效流转的框架。现在是看看类似冲刺的规划如何为您所用的时候了。没错，冲刺规划是软件开发中使用的 Scrum 项目管理体系的一部分。但它同样适用于数据治理与数据管理。

原因在于，与软件开发类似，数据管理涉及成千上万的“动态部件”。确确实实。

首先，来谈谈什么是冲刺。

冲刺是在预先定义的时间框架内，团队为实现一个关键目标而开展任务工作的过程。虽然冲刺可长可短，但通常为一到四周。往往这足以让数据科学团队完成小型或中型项目。

而在其他情况下，团队需要通过多次冲刺来完成一个庞大项目。比如，您需要生成一个巨大的数据集，并让它经历从收集到解释的完整生命周期。

在冲刺开始前，团队会开会做好规划。

这样，当冲刺正式开始时，每个人在工作日内都清楚自己要做什么。按照 Scrum 方法论，冲刺规划会议的时长应不超过每周冲刺时长对应的两小时。

假设您的医疗机构交给您一个小一些的项目。团队需要找出公司首页上的号召性用语（CTA）按钮表现不佳的原因。该 CTA 按钮是敦促患者预约一项重要的癌症筛查。

为解决这个问题，您需要：

• 分析有关该 CTA 按钮目标人群的历史数据
• 提出一到两个新的 CTA 按钮变体
• 对各个变体与原始版本进行 A/B 测试
• 在特定周期内收集、处理与分析数据
• 提供可执行的洞见，帮助市场团队选择合适的 CTA 按钮

市场团队希望您在三周内交付结果。

对一次 A/B 测试而言，这个时间线很紧，但您的团队已经就绪。您将为这次为期三周的冲刺举行一次为时三小时的冲刺规划会议。

我们将以此情境展示数据科学团队的冲刺规划会是什么样。

1. 明确冲刺目标与时间框架

在冲刺规划中，团队应先提出两个问题：

• 本次冲刺期望交付的结果是什么？
• 实现这一结果的现实可行时间框架是多少？

市场团队已经给出了理想结果：新 CTA 按钮的点击量应达到当前版本的两倍。

而您也已经知道，完成冲刺的时间为三周。

您可以进入下一步。

2. 撰写用户故事

在软件开发中，用户故事是从用户视角对最终产品的描述。这是一项用朴素自然语言完成的创意任务。目标是让开发团队站在终端用户的角度思考，并将故事要点对应到冲刺中的具体任务。

在数据科学项目中，您也可以做类似的事情。

回到我们的模拟 CTA 按钮项目。市场部门希望用户愿意点击“免费癌症筛查”的 CTA 按钮。这意味着，您需要站在访问医疗机构网站、看到该按钮的人的立场来思考。

在撰写用户故事时，回答如下问题：

• 谁会点击新的 CTA 按钮？
• 有哪些与健康相关的担忧让他们夜不能寐？
• 他们为何会从癌症筛查中受益？
• 按钮如何清晰、简明地传达这些益处？
• 按钮周围的文字与图形让他们产生怎样的感受？
• 按钮的颜色、字体与文案有何特质能促使他们点击？
• 为什么这个人会点击 CTA 按钮？

您可以将这些问题调整应用于自己的项目。聚焦结果，再反向推导，直到弄清它如何与用户交互并为其带来益处。

如果您能把故事中的具体要点与冲刺中的任务一一对应，那就更好了。这将有助于完成冲刺式规划的第三步。

3. 为每位团队成员分配冲刺任务

至此，您应当已经知道需要做哪些任务，以及为何要做这些任务。

现在要为数据科学团队中的每位成员分配需在冲刺周期内完成的任务。可能需要把部分任务拆解为更小的子任务。同时，也需明确依赖关系。例如，在构建出新的 CTA 按钮变体之前，数据科学团队无法对其进行测试。

考虑使用任务管理软件来跟踪每项任务的责任人，并确保依赖关系被清晰识别与管理。

勾勒每个子任务与任务所需的大致时长。为每项分配冲刺工时。与团队确认这些工时是否合理、可行。

请记住，这些工时是估算值，事情随时可能发生变化。如果您对时间线有顾虑，请与提出项目需求的部门沟通。如有需要，争取更长的时间预估。为项目预留一些缓冲时间总是明智之举。您的团队可以用它来评估进度并应对问题。

草率推进项目，往往会在后续付出更多时间与金钱的代价——而这正是冲刺规划旨在帮助您避免的问题。

数据治理与冲刺规划：天作之合

在这个令人兴奋的体验时代，数据科学日益普及，您的团队将同时处理数十个项目。

保持冷静，持续“冲刺”。

也就是说：

• 为每个项目明确预计截止日期
• 将每个项目拆分为一个或多个冲刺
• 将不同的冲刺分配给部门内不同的子团队，或根据项目的先后截止顺序安排冲刺
• 为每个冲刺/项目召开冲刺规划会议

接下来，您将见证自己与团队一次又一次地达成令人满意的目标。借助既定的数据治理框架，管理持续的数据流将变得顺畅而安全。

即便旅途中偶有波折，您也已具备相应的政策与流程来从容应对。

结语

当您开启扩展数据科学项目的征程时，请记住，持续学习与不断适应是成功的关键。为进一步提升您的技能与知识，可探索 DataCamp 上有关数据治理的综合课程，例如数据治理概念课程，在体验时代保持领先。