前言

前一篇我們聊了推動資料決策文化的種種要素，希望沒有讓你決定打退堂鼓。

我想在2024年，資料科學已經算是一個比較成熟的工作領域了，在2017我剛畢業的時候，資料科學的概念可能在台灣才萌芽2-3年，因此很多公司也沒真正體會到資料的價值，才剛想跟隨一下潮流，找個資料科學家來變變魔術好了？

當時很流行一句話，相信大家都聽過：

“Big data is like teenage sex: 
everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.”

在2018-2019 就出現了蠻多文章在說資料科學家們正在離職，其中原因其實放到現在也還蠻常見，我們今天就來回顧當時資料科學推動困難的原因。

資料科學初期推動的困難

1.現實與期待落差巨大

關鍵在於『缺乏可靠的資料來源、基礎建設』。

比較資淺的資料科學家在加入公司時，期待的、想像的每天工作是埋頭在數據探索、跑一堆統計模型、機器學習的模型，在做很多有趣的假設和驗證。

但大多數使用資料還在起步階段的公司，相對資料科學家而言，應該要找的是軟體工程師，或是資料工程師，因為他們還沒有足夠可靠的資料流，能提供資料科學家心無旁騖的做資料科學的專案。這也是為什麼在這30天的系列文章裡，我將資料工程的比重放的比較重，希望用較淺顯的方式，幫助資料科學家、分析師能掌握一些資料工程的基礎，不至於帶著失望離開。

資料科學家加入一個公司後，另一個常見的期待落差是『每天日常工作其實是寫SQL提供報表』。我曾經在社群帶過幾次mentee，後來mentee們陸續從學校畢業進到業界，大概三個月都會跑來問我，『我現在的工作都在寫SQL，要怎麼樣更有發展性？』我的回答都一樣，『寫SQL很正常，用什麼工具不重要，但重要的是你怎麼把時間擠出來去做你覺得更有價值的產出？』

我自己的經驗：將重複性工作模組化

在我剛加入公司的時候，資料分析師的工作有80%是撈數據產製給客戶的報表，但我大概花了三個月熟悉公司產品的所有資料表的關聯（MySQL 的基礎），透過 R 將 SQL 都參數模組化，還打包成一個 R Package，讓我的夥伴可以直接安裝使用。三個月後我幾乎80%的時間都可以拿來看 papers 做模型實驗研究。

2.職場的政治

有一篇文章《The most difficult thing in data science: politics》寫得蠻好的，很推薦閱讀。

『建立信任和影響力』是在團隊合作上最重要的事，建立很難，毀掉很簡單。

在剛加入團隊的時候，一定躍躍欲試迫不及待想做很多有趣的研究，但你可能會很挫折，在你埋頭苦幹終於用你覺得很先進的深度學習模型，跑出了一個很棒的實驗結果，準確率95%，但一位資深的PM問：『剩下的5% 怎麼辦？』，因此沒有採用你的方法。

更負面的案例是，你認為你做的是對的，事實上也是，但是你大吼大叫，搞的團隊烏煙瘴氣，覺得沒有人聽你的，無論你做的事多麽正確，你都失去你的正當性了。

所以在日常你其實需要不斷去做一些臨時的幫忙，建立人情，建立信任，強化你的影響力，尤其是那些在公司業務上較資深、具有實際巨大影響力的人，讓他們支持你，是一個很重要的關鍵。

我自己的經驗：

我一開始加入公司，把報表模組化了，開始有時間做研究了，對我自己的要求是每兩週產品衝刺結束後的Demo Meeting 都要跟全公司分享一個統計模型、機器學習模型，在我們產品可以怎麼應用的案例，但過了半年，我發現我做的研究都停留在當天的報告而已。

後來我放下手上的研究，放下『我想做的研究』，去了解其他部門夥伴到底在意什麼，也幫忙它們日常的工作優化，最後找到了一個問題『不雅暱稱』，當時玩家很愛取不雅暱稱來罷凌別人，這是一個產品真正在意的『問題』，於是終於用上了我研究許久的文字探勘模型來處理這個問題，也真的上線到產品，得到不小的成就感，也幫助產品變得更好！

3.你是資料 ATM

在一開始公司願意嘗試使用數據，也成立了數據部門，老闆也開始要數據，會出現一個現象：『資料分析師擁有存取所有數據的權限的唯一代言人』，不管大大小小的數據疑難雜症，大家都會來找你，我最高紀錄一天處理了快20個臨時的數據問題，你不是分析師，你只是個資料ATM。

最後你會沒有時間處理真正重要的資料建設、資料分析的專案，被瑣事淹沒。

我自己的經驗：

怎麼解決這問題呢？後來我從醫院急診室想到『檢傷分類』，所以我開始去分類資料需求，那真正臨時有資料需求的緊急傷患怎麼辦？所以設計了『資料診所』的概念，透過固定時段來解決臨時的數據需求，讓我能安排我的工作時間，也能解決大家的問題。

4.資料團隊運作孤立

在一開始成立資料團隊，或是一開始使用資料的時候，因為還沒有建立出信任和習慣，資料團隊會覺得非常的孤立，好像不屬於軟體工程師，業務部門也不知道怎麼開始和你協作，老闆可能也會一直叫你提出具體的產出，於是開始自顧自的提出解決方案，但單打獨鬥不會產生最好的價值的，資料科學團隊也得自己負起成敗責任，最後導致失敗。

所以如第二點，怎麼去建立出信任和影響力，找到一個能快速成功的小專案作為示範，讓其他部門依樣畫葫蘆，會是一個不錯的開始。

我自己的經驗：

其實和第二點一樣，放下『自己想做的研究』，去和業務部門、產品部門相處，甚至和高階主管有機會交流，找出組織內重要的問題、有核心人物在意的問題，與他們合作打造一個成功的小專案，並且尋求高層的支持，例如：在季度大會上面分享這樣的成功，讓更多夥伴們了解怎麼進行一個資料科學專案。

小結

推動新的文化、組織變革、打造新的工作流程是一件非常困難的事，並不僅限於資料科學，而在這過程中，你最需要的是政治能力，今天我們用 2018 資料科學家的故事聊了這樣一個新興領域出現，推動改變的心酸血淚，你需要有很敏銳的觀察力、能在不同角度思考的同理心，以及無私的奉獻精神，才能逐步建立信任和影響力，推動你相信的願景和改變，一起加油！