克里斯蒂安·卢在 Unsplash 上的照片
众所周知,“数据科学和分析”中的摩擦正在迅速增加，并导致了一个新短语的出现，伟大的辞职——如果你在过去几年中一直关注任何与数据科学/分析相关的对话，你很难逃脱这个短语。
虽然可能有许多原因，但事实是，有些原因是不可控的，而有些原因是组织可以控制的，以保留具有受欢迎且难以替代的技能组合的员工。
在该领域工作了 12 年多之后，在与不同组织、处于不同职业生涯阶段的数据科学专业人士进行了 1000 多次正式/非正式的交流之后，我列出了我认为数据科学家真正重视的几件事情。对于领导团队来说，这些可以作为杠杆，他们需要将杠杆设置在适当的水平，以确保不会发生“大辞职”。
请注意，“工资”是任何人(无论是否是数据科学家)去留的一个众所周知的因素。
[## 大部分在 2021 年辞职的员工表示工资低，没有晋升机会，感觉…
..此外，我还列出了导致数据科学家辞职的三大因素。
towardsdatascience.com](https://towardsdatascience.com/what-makes-data-scientists-resign-77600516d0a8)
下面我将重点介绍数据科学家希望从他们的雇主那里得到的关键因素。我不会把重点放在“工资”上——我们都知道这对每个人都很重要(包括数据科学家)。
数据科学家是指处理、分析、建模和解释任何类型的数据以获得有意义的见解并帮助解决业务问题的人。)。
数据科学家处于“艺术家”和“科学家”的交汇点。
- 至少，数据科学家需要为业务解决的问题以及他们可以处理的相关数据。
- 双击这个，他们需要他们的组织给他们提供必要的工具包(Python，R，SAS，SQL 等。)来帮助他们处理数据。通常情况下，并不特别需要最好的工具包，而是需要一个“足够好”的工具包来完成工作。
- 数据科学家通常不希望在很长一段时间内反复解决同一个问题。也就是说，数据科学家不想做重复的任务，而想参与各种各样的项目。
- 数据科学家喜欢感受他们的工作带来的影响；这激励他们去争取更多。
因为，数据科学家同时是“科学家”和“艺术家”，需要测试、探索和学习。在不保证成功的情况下，尝试不同的探索性方法和统计/机器学习模型是数据科学家日常工作的重要组成部分。 ——这可以导致成功和失败。
数据科学家需要有失败的自由。当项目进展不顺时，数据科学家比以往任何时候都更需要管理层/领导层的信任和支持。
管理层需要给数据科学家提供一个安全的失败空间和自由。
我们大多数人天生喜欢“拥有”东西，我们的工作也不例外。虽然用“数据”解决业务问题通常涉及到与跨职能团队的多个利益相关者打交道，但职责之间的界限可能会开始模糊。虽然在一定程度上是可以接受的；然而，当责任重叠太多时，它开始对激励水平产生影响。
组织需要确保明确定义工作流的职责和责任，使数据科学家能够拥有它们。
成为一名“数据科学家”需要一种“艺术”元素，而一个开放、随意的环境通常能培养创造力。此外，这种文化导致个人和团队之间的信息和知识共享，这是数据科学家学习和成功履行职责的必备条件。
对于组织来说，数据科学团队能够自由互动并轻松地相互借鉴最佳实践解决方案也非常重要。
数据科学家在一种文化中茁壮成长**，在这种文化中，数据科学家的声音不会因为层级循环而消失**。在层级组织结构的情况下，由于“政治”导致人们失去动力和参与度，工作通常完成得更慢。
我们不可能有一个完整的无层级结构，但应该有一些流程来确保数据科学专业人员不会陷入这些循环，可以专注于自己的工作。
高层次结构→领导与实际工作脱节→不满意的数据科学团队
没有什么比认为组织的领导决策不透明更让人泄气的了。
记住——数据科学家(根据他们职业的本质)会因为你呈现在他们面前的任何少量数据而茁壮成长；他们经常把这些点联系起来，得出结论。虽然进行基于数据的推理是一项伟大的技能；然而，当涉及到对管理决策做出结论时，这可能会适得其反。对于数据科学家来说，信任他们的领导是很重要的，这可以通过清晰、有效和及时的沟通来实现。
领导者必须经常与员工过度沟通&不仅仅是冷冰冰的电子邮件或时事通讯，没有什么比古老的面对面交流更能建立信任了。
组织内的领导团队花费大量时间创建公司的愿景和使命**，但往往无法确保大型或小型的单个团队感受到与公司的联系**。
团队目标*(..而推而广之，【个人目标】)必须与组织的目标相联系。如果没有这一点，个人就不会觉得自己为比个人努力总和更大的事情做出了贡献。具体来说，喜欢从事有影响力的项目的数据科学家需要了解他们的工作如何适应更广阔的前景。当他们无法与愿景/使命联系起来时，他们会感到脱离，最终失去动力..我们都知道这会导致什么)*
组织领导人需要确保他们建立的愿景/使命不仅仅是印在公司的墙上，而是与日常工作的员工联系在一起。
根据教育背景或工作性质，数据科学家是不断尝试头脑风暴、学习新事物和发展的个人。他们确实期望他们的组织为他们提供学习和发展的机会。这可以通过人际互动或更广泛的集体学习机会来实现，如:
- 正式的内部和外部培训、外部课程等。
- 网络——与不同组织的同行会面，参加研讨会/见面会。
- 组织内部杠杆——反馈循环、知识分享会议、导师框架、团队运动等。
—数据科学家喜欢知道他们作为个人和数据科学家正在学习和发展。
虽然个人对“成长”可能有不同的定义；最终，所有人都想在职业生涯中“成长”。
对一些人来说，这可能意味着在公司的阶梯上向上爬，这是关于成为他们领域的主题专家，或者对一些人来说，这可能意味着获得不同领域的足够好的知识。
组织必须促进个人的成长。
因为数据科学家是喜欢理解趋势和模式的“科学”人士。他们想知道自己的职业发展趋势。他们希望对自己的职业生涯有一个清晰的认识，并知道这条路是什么样子的(至少在不久的将来是这样的)，这使他们能够努力达到他们想要达到的目标。
对他们职业生涯的远见让他们保持动力-组织必须努力确保数据科学家有一个清晰的成长道路。
我们都需要一点灵活性来管理工作之余的非工作生活。
这一点尤其正确，因为许多数据科学工作都是围绕方法学进行思考、研究白皮书、阅读书籍、了解最佳实践、参加会议、与不同地理位置的类似问题解决者交流等。有持续的 R & D 参与数据科学项目。 ——很多时候，很多工作都是在正常工作时间之外完成的，而且很难坚持固定的日程。 →有时，数据科学家需要额外的灵活性来改变他们的工作时间或在不同的地点工作。
在当今世界，不仅是数据科学家，所有员工都需要某种灵活性来管理他们的工作和生活。 →灵活性不是必须的，而是必须的！
不言而喻，“数据科学家”是组织的资产，雇主必须保留这一资产。他们想要的一些东西与任何人想从工作/雇主那里得到的东西是一致的；然而，有些是特定的工作性质。
为了留住数据科学家需要检查的事情总结:
- 挑战做不做的工作——不要重复超过一个点。
- 测试和学习的自由，成功和失败。
- 所有权和工作上的责任划分。
- 一个轻层级的组织结构。
- 来自领导的有效而及时的沟通。
- 与组织的愿景和使命的联系感。
- 建立关系网、学习和成长的机会。
- 为不久的将来定义职业道路。
- 灵活的工作环境。
- ..显而易见的.. “薪资”——与经验、技能组合&相一致的影响力。
→留住一名数据科学家，你就可以少招一名。
如果你喜欢这篇文章并且对类似的文章感兴趣 在 Medium 上关注我加入我的邮件列表 和*(..如果你已经不是了..)跳上成为 媒介家族的一员获取数以千计的有用文章。(如果您使用以上链接，我将获得您 50%的会员费)*
..不断学习，不断成长！