Competenze aziendali per scienziati dei dati: Guida pratica in sei argomenti chiave

Recensioni dei lettori

Il libro “Business Skills for Data Scientists” del Dr. David Stephenson sottolinea l'importanza delle competenze aziendali accanto alle conoscenze tecniche per i data scientist. Fornisce consigli pratici su come orientarsi nella vita aziendale e migliorare le relazioni professionali, a beneficio non solo dei data scientist ma anche di chi ricopre diversi ruoli aziendali.

⬤ Lezioni pratiche e applicabili a tutti i professionisti del business.
⬤ Si concentra sulle soft skills essenziali per il successo della carriera.
⬤ Attinge dall'esperienza personale dell'autore e dalla ricerca sul comportamento organizzativo.
⬤ Offre spunti preziosi per orientarsi nella vita aziendale, rendendolo particolarmente utile per i neofiti della scienza dei dati.

Alcuni lettori hanno ricevuto il libro in cattive condizioni fisiche, il che ha influito sulla loro esperienza complessiva.

(basato su 5 recensioni dei lettori)

Titolo originale:

Business Skills for Data Scientists: Practical Guidance in Six Key Topics

Contenuto del libro:

Questo libro spiega le competenze aziendali fondamentali di cui avrete bisogno per fornire valore al business e far crescere la vostra carriera come analisti o data scientist. Attingendo alle best practice, alle ricerche pubblicate, ai casi di studio e agli aneddoti personali tratti da due decenni di esperienza nel settore, David Stephenson presenta una panoramica pratica e concisa delle competenze fondamentali relative a Società, Colleghi, Storytelling, Aspettative, Risultati e Carriera, sottolineando come ogni argomento si riferisca alla vostra posizione unica di professionisti dell'analisi all'interno di una grande azienda.

Dall'introduzione:

"I sei argomenti di questo libro - azienda, colleghi, comunicazione (storytelling), aspettative, risultati e carriera - sono trattati in sei sezioni. Sono presentati all'incirca nell'ordine in cui vi serviranno nel corso della vostra carriera, con le competenze di leadership di progetto che vengono presentate più avanti nel libro. L'ultimo argomento, le carriere, sarà rilevante in tutte le fasi della vostra carriera, anche quando cercherete il vostro primo lavoro come data scientist.

La prima sezione, azienda, vi aiuterà a lavorare all'interno di un'organizzazione più grande. Il primo capitolo illustra il modo in cui le organizzazioni considerano i data scientist, i motivi per cui li assumono e le loro aspettative. Questo capitolo inizia a spiegare come voi, in qualità di data scientist, possiate produrre valore per il business, un argomento che verrà sviluppato in modo più approfondito nel capitolo dieci. Il secondo capitolo descrive come relazionarsi con le diverse persone all'interno dell'organizzazione. Comprendendo come i vari ruoli e funzioni differiscano per obiettivi e valori, sarete meglio preparati a fornire loro risultati di valore.

La seconda sezione, colleghi, tratta delle sfide interpersonali che spesso presentano problemi significativi per i data scientist: incomprensioni culturali, negoziazione dei disaccordi e politica d'ufficio. I data scientist più giovani generalmente percepiscono questi argomenti come meno importanti, fino al giorno in cui improvvisamente li trovano estremamente importanti.

La terza sezione, storytelling, tratta i principi e i metodi fondamentali per le presentazioni orali e visive. Questa sezione descrive come chiarire il messaggio, cosa facile in linea di principio ma difficile nella pratica, e come produrre diapositive, grafici e tabelle chiare. Approfondisce le tecniche per il decluttering e la messa a fuoco, facendo leva su principi come la Gestalt e l'elaborazione preattentiva. I due capitoli di questa sezione sono forse i più immediatamente rilevanti per i data scientist e vi forniranno alcuni risultati molto rapidi, come ho potuto constatare dalle risposte dei miei partecipanti alla formazione.

La quarta sezione, aspettative, tratta le tecniche per definire le aspettative, dare il via a un progetto e mantenere la fiducia dei vostri interlocutori. In particolare, vengono illustrati i modi per creare consenso all'inizio di un progetto e per evitare l'errore comune di lavorare duramente per costruire una soluzione che nessuno vuole usare.

Bagian kelima, hasil, hasil, menyajikan prinsip-prinsip, teknik, dan studi kasus yang berkaitan dengan pemilihan proyek data science yang paling bermanfaat. Kemudian menjelaskan konsep dan kerangka kerja yang akan membantu Anda menjalankan proyek-proyek tersebut hingga selesai dengan sukses, terlepas dari pergeseran ekspektasi dan kurangnya kejelasan yang begitu lazim dalam proyek-proyek data science.

Bagian keenam dan terakhir, karier, membahas pertanyaan-pertanyaan yang sering ditanyakan oleh para data scientist, seperti bagaimana cara memilih peluang kerja, cara memperkuat CV, dan bahkan apakah akan mulai bekerja secara mandiri sebagai data scientist lepas.".