آیا باید گروهی از دانشمندان داده را مدیریت کنید؟ درک نظریه کنترل ممکن است همه چیز را تغییر دهد

منتشر‌شده در towardsdatascience به تاریخ ۶ سپتامبر ۲۰۲۱
لینک منبع: Do You Need To Manage a Team of Data Scientists? — Understanding Control Theory Might Change Everything

دانشمند داده یک موقعیت بسیار مطلوب در دنیای کسب‌وکار است. افراد زیادی هستند که می‌خواهند وارد این زمینه شوند، و همچنین کسانی هستند که می‌خواهند تا جایی که ممکن است در آن بمانند. اگر نمی‌دانید چگونه دانشمندان داده را به درستی مدیریت کنید‌، این امر به ویژه هنگامی که در جهان حرکت می‌کنید دشوار است، بنابراین ما قصد داریم در مورد روش‌های مختلف مدیریت دانشمندان داده های تازه‌کار، متوسط و ارشد را بر اساس نظریه کنترل صحبت کنیم.

۱. مشکل مدیریت دانشمندان داده

مشکل مدیریت دانشمندان داده این است که راه مشخصی برای انجام این کار وجود ندارد. هر کسب‌وکار نیازها و الزامات مختلفی برای تیم دانش داده خود دارد، بنابراین فرآیند مدیریت آن‌ها از شرکتی به شرکت دیگر متفاوت است. تنها مدیریت افراد نیست، بلکه مدیریت پروژه‌ها و نتایج آن پروژه‌ها نیز هست. شما ممکن است بخواهید دانشمندان داده سطح پایین را به یک روش مدیریت کنید، در حالی که دانشمندان داده سطح بالا را به روش دیگری مدیریت کنید. واضح است که شما پروژه‌های چالش برانگیزتر و با مقیاس بزرگ‌تر را به دانشمندان ارشد داده اختصاص می‌دهید، به همین دلیل مدیریت متفاوت آن‌ها منطقی به نظر می‌رسد. با این حال، مدیریت دانشمندان داده سطح پایین از یک سو و سطح متوسط از سوی دیگر ممکن است برای هر یک از دو گروه افراد بدون درک چرایی و چگونگی … کارآمد یا موثر نباشد. چه برسد به این که پیشاپیش همه چیز روشن باشد.

به عنوان مثال، مدیریت تیمی که دارای سطوح پایین و متوسط است، اما اختصاص پروژه‌های چالش برانگیزتر به افراد ارشد می‌تواند منجر به ناامیدی تازه‌کارها شود که ممکن است احساس کنند در حرفه خود عقب افتاده‌اند یا رشد نمی‌کنند. شما نمی‌خواهید این اتفاق بیفتد، درست است؟

با توجه به تمام این موارد، مدیریت یک تیم علم داده کاری دشوار است و به فکر و برنامه‌ریزی زیادی از جانب شما به عنوان مدیر علم داده / رهبر / رئیس … یا هر عنوانی که به خودتان می‌دهید:) نیاز دارد.

۲. نظریه کنترل چیست و چگونه در محل کار کار می‌کند

بسیار خوب. نظریه کنترل را شنیده‌اید؟ این نظریه مدتی در حوزه مدیریت وجود داشته‌است. اساسا، تئوری کنترل می‌گوید که بسته به سطح تردید در مورد نتیجه احتمالی و مسیری که می‌توانید به آن برسید، شما باید جنبه‌های مختلف فرآیند را کنترل کنید.

تصویر بالا منظور من را توصیف می‌کند. بیایید بگوییم که یک نتیجه کاملا مشخص وجود دارد و شما دقیقا می‌دانید که برای رسیدن به نتیجه باید چه کار کنید. این تئوری نشان می‌دهد که مدیریت شما باید بر رفتار کارکنان‌تان تمرکز کند. برای پروژه‌هایی که شما نتیجه احتمالی آن‌ها را می‌دانید اما شاید به دلیل تغییر محیط چندین راه برای رسیدن به نتیجه وجود دارد، توصیه می‌شود بر روی نتیجه تمرکز کنید و به کارکنان خود انعطاف‌پذیری بدهید تا نحوه رسیدن به نتیجه را یاد بگیرند. برای این نوع پروژه‌های پیچیده و یا «هرگز قبلا» انجام نشده است، شما باید توجه خود را بر روی استخدام تواناترین پرسنل برای اجرای پروژه متمرکز کنید.

۳. چگونگی استفاده از نظریه کنترل برای دانشمندان داده سطح پایین، متوسط و ارشد

شما می‌توانید از نظریه کنترل در مدیریت دانشمندان اطلاعات جوان با تعریف پارامترهای روشن استفاده کنید. به عنوان مثال، اگر شما مدیری هستید که وظیفه فروش ویجت به مشاغل کوچک را بر عهده دارد و سه دانشمند با سطوح مختلف تجربه را استخدام می‌کنید، به هر فرد یک عنصر بدهید که مانند آن اطمینان حاصل کند که عرضه کافی برای پاسخگویی به تقاضا وجود دارد. یا مدیریت هزینه کمپین یا مدیریت تقاضا.

-اگر یک دانشمند تازه کار داده را استخدام می کنید، تعیین کنید که در پروژه گذشته چه چیزی موفق بوده است و پارامترهای مشخصی را برای پیروی از آن الگو تعیین کنید. برای این نقش، شما بر توانایی فنی و تمایل آن‌ها برای پیروی از جهت‌ها در زمان استخدام برای این نقش تاکید می‌کنید. او بیشتر احتمال دارد که تحلیل داده اکتشافی و اسناد و مدارک انجام دهد.

دانشمندان داده سطح میانی می‌توانند راه‌هایی را برای دستیابی به نتایج مطلوب در آن مرزها پس از درک اهداف پیدا کنند. آن‌ها به احتمال زیاد چیز جدیدی را امتحان می‌کنند، زیرا تجربه کافی در پروژه‌های قبلی دارند. آن‌ها به احتمال زیاد الگوریتم‌های مختلف یادگیری ماشینی را برای نتایج تعریف‌شده تست می‌کنند. هنگام استخدام برای این نقش، سوالات مصاحبه شما باید برای به دست آوردن توانایی آن‌ها برای حل مشکلات به طور مشترک با دیگر اعضای تیم و تمرکز بر روی تلاش آن‌ها برای رسیدن به اهدافشان طراحی شود.

دانشمندان ارشد داده درک بهتری از نحوه کار شرکت شما و این که چه پارامترهایی برای تنظیم مهم هستند خواهند داشت تا بتوانند راه‌هایی برای رسیدن به آن به بهترین شکل ممکن پیدا کنند. ممکن است بخواهید با یک ایده یا روش خلاقانه ای شروع کنید که قبلا آن را انجام نداده اید. شما باید به دانشمندان ارشد داده آزادی بیشتری بدهید تا فرضیات را کشف و به چالش بکشند. به این ترتیب، مهم است که به دنبال تجربه قبلی آن‌ها از مدیریت پروژه‌ها از ایده‌آل‌سازی تا تولید باشید که باید معیارهای استخدام شما باشد.

۴. چرا باید این سیستم مدیریتی جدید را امتحان کنید

ما می‌دانیم که این معمولا نحوه مدیریت پرسنل بیمارستان است. زمانی که به بیمارستان می‌روید، احتمالا پرستاری خواهید داشت که دمای بدن و فشار خون شما را به عنوان یک روتین بررسی خواهد کرد. فرض کنید که شما به یک جراح مغز و اعصاب نیاز دارید، می‌دانید که او توسط روش‌های از پیش تعیین‌شده محدود نمی‌شود و توسط مدیران بیمارستان به دقت نظارت و مدیریت می‌شود.

تعیین وظایف و نزدیک شدن به تمرکز مدیریت شما به شدت براساس این که برخی از وظایف چقدر دشوار هستند، آسان است (به عنوان مثال، وظایف آسان را به دانشمندان داده جوان محول کنید). با این حال، توصیه می‌کنم که تمرکز مدیریت خود را براساس چیزی که می‌توانید کنترل کنید، تغییر دهید.

دانشمندان داده جوان باید توسط دانشمندان داده با تجربه‌تر راهنمایی شوند؛ آن‌ها ممکن است در توانایی‌ها و مهارت‌های خود اگر به حال خود رها شوند، احساس ناکافی بودن کنند.

* کارکنان سطح میانی از کنترل بر روی پروژه‌هایی که به آن‌ها اجازه تصمیم‌گیری برای خودشان (یا با دانشمندان اطلاعات سطح پایین خود) را می‌دهد، بهره‌مند خواهند شد.

- کارکنان ارشد قادر خواهند بود تا تجربه و دانش خود را در حین مدیریت کار کارمندان سطح پایین و متوسط، به اشتراک بگذارند.

علم داده حوزه‌ای است که نیاز به درک آمار، یادگیری ماشینی و مهندسی داده دارد. یادگیری همه این مهارت‌ها در یک مرحله و اعمال آن‌ها در پروژه‌های زندگی واقعی آسان نیست. ساخت مهارت‌های خود زمان و تجربه لازم دارد. همانطور که مسیر شغلی خود را به سمت رهبری پروژه، مدیر، یا مدیر اجرایی پیش می‌برید، باید درباره توسعه مهارت‌های مدیریتی خود فکر کنید. به عنوان مثال مهارت‌های نرم). وقتی مدیر، رهبر، یا رئیس می‌شوید، شاید بتوانید از تئوری کنترل برای تجدید نظر درباره نحوه مدیریت دانشمندان داده خود در حین مدیریت پروژه‌های متعدد و سهامداران استفاده کنید. به طور معمول، اختصاص وظایف آسان به کارمندان جوان و وظایف دشوار به کارکنان ارشد ایده خوبی است اما با استفاده از این رویکرد، ممکن است فرصت‌هایی را برای هر دو نوع کارمندان برای رشد مهارت‌های آن‌ها از دست بدهید.

این متن با استفاده از ربات ترجمه مقاله علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.