من ربات ترجمیار هستم و خلاصه مقالات علمی رو به صورت خودکار ترجمه میکنم. متن کامل مقالات رو میتونین به صورت ترجمه شده از لینکی که در پایین پست قرار میگیره بخونین
دانشمندان داده: چگونه پروژه و مهارتهای خود را عرضه کنید
منتشرشده در: towardsdatascience به تاریخ ۳۰ سپتامبر ۲۰۲۱
لینک منبع Data Scientists: How to Sell Your Project and Yourself
در صنعت علم داده، کافی نیست که یک دانشمند خبره داده باشید-شما باید پروژه و خودتان را عرضه کنید. اولین قدم برای فروش یک ایده یا خودتان ایجاد یک ارائه آسانسوری است که گزاره ارزش شما و نحوه تفاوت پروژه شما با دیگران را فراهم میکند. در این پست وبلاگ، ما در مورد نحوه کار ارائههای آسانسوری، آنچه که در آنها گفته میشود، و نمونههایی از ارائههای آسانسوری برای دانشمندان داده بحث خواهیم کرد.
۱. یک ارائه آسانسوری چیست؟
شما در یک آسانسور با یک مدیر اجرایی گیر کردهاید، و تنها ۱۵ ثانیه وقت دارید که اولین برداشت خوب از خودتان و پروژهتان را ایجاد کنید. چه میگویید؟ شما در یک رویداد شبکهای هستید، و یکی از رهبران صنعت از شما میخواهد که درباره پروژهتان با او صحبت کنید. آیا میتوانید پروژه/محصول خود را به شیوهای مختصر و متقاعد کننده توصیف کنید؟
در ذهن خود، چیزی که میخواهید بگویید این است که شما در حال شروع یک ماجراجویی با من هستید که زندگی شما را برای همیشه تغییر خواهد داد. من پاسخ همه آن سوالاتی هستم که از خودتان پرسیدهاید و از همه مهمتر، شما به شریکی نیاز دارید که دقیقا درک کند شما به چه چیزی نیاز دارید. درست است؟ اما ما میدانیم که این واقعا درست از آب در نمیآید. شما ۱۵ ثانیه فرصت دارید تا توجه آنها را به خود جلب کنید. ما باید قادر به تحویل ارائه آسانسوری کاملا توسعهیافته باشیم.
۲. چرا باید بدانید چگونه یک ارائه آسانسوری خوب بدهید
باید نحوه عرضه کردن ارائه آسانسوری موثر را به دو دلیل یاد بگیرید. اول، ممکن است بخواهید یک پروژه را در محل کار و یا در طول مصاحبه ارائه دهید. دوم، تمرین خوبی در نوشتن توصیفات مختصر از موضوعات و ایدههای پیچیده است-که دقیقا همان کاری است که دانشمندان داده انجام میدهند! ممکن است فکر کنید که دانستن اینکه چطور خودتان را ارائه کنید، شما را در انجام کارتان موثرتر نمیکند، اما ارائههای آسانسوری تمرین خوبی برای ارائه سخنرانیها و جذاب کردن پروژههای علم داده در نظر دیگران است.
۳. اجزای یک ارائه آسانسوری موفق
شما توصیهها و پیشنهادهای بیپایانی درباره چگونگی توسعه ارائه آسانسوری خود خواهید یافت. با این حال، من معتقدم که ما باید به طور سیستماتیک به آن برسیم، به این معنی که این فرمول باید براساس شواهد و تحقیقات باشد. بنابراین، این فرمول از حوزه تحقیقات بازاریابی است …. آنها میدانند چطور بازاریابی کنند!
شما به دو مولفه سطح بالا نیاز دارید. شما باید ارزش پیشنهادی خود و تمایز خود را ایجاد کنید.
ارزش پیشنهادی:
۱)در مورد بخش مورد نظر که پروژه شما به آن پرداخته است، دقیق باشید. سخت است دیگران را متقاعد کنید که چیزی که روی آن کار میکنید به همه کمک میکند. همچنین زمینه پروژه را تعیین میکند.
۲) این مشکل را توضیح دهید که چه کسی از محیط فعلی ناراضی است.
۳) محصول / سرویسی که در حال توسعه آن هستید و اینکه چه مشکل خاصی را حل میکند را توصیف کنید.
تمایز شما:
۱) جایگزین را توضیح دهید (شاید رقیبتان و یا محصول / سرویس موجود فعلیتان)
۲) یک عملکرد خاص (نه همه) یا ویژگی متفاوت از محصول / خدمات موجود فعلی را توصیف کنید.
۴. فرمول ارائه آسانسوری
برای [بخش هدف مشتریان/کاربران]،
چه کسی از [محصول/خدمات موجود فعلی] ناراضی است
محصول/خدمات ما یک مقوله [محصول جدید] است.
این امر یک قابلیت کلیدی برای حل مساله را فراهم میکند.
برخلاف [محصول/خدمات جایگزین]،
ما [ویژگیهای اصلی محصول/خدمات را برای برنامه خاص شما] گردآوری کردهایم
۵. نمونههایی از نحوه استفاده من از آنها
مثال ۱:
برای مدیران مبارزات انتخاباتی سیاسی،
چه کسی از محصولات رایگیری سنتی ناراضی است،
کاربرد ما نوع جدیدی از محصول نظرسنجی است.
این امر توانایی طراحی، اجرا و دریافت نتایج ظرف ۲۴ ساعت را فراهم میکند.
برخلاف دیگر محصولات رایگیری سنتی که بیش از ۵ روز طول میکشد تا تکمیل شوند،
ما یک محصول رایگیری سریع و اقتصادیتر و در عین حال نسبتا دقیق جمعآوری کردهایم.
مثال ۲:
برای بازپرسان جنایی خط مقدم،
کسانی که از داشبوردهای عمومی که اطلاعات غیرضروری زیادی را نمایش میدهند ناراضی هستند،
کاربرد ما نوع جدیدی از محصول هوش است.
این امر یک ابزار ارزیابی ریسک با قابلیت یادگیری ماشینی و بسیار سفارشی را فراهم میکند که به محقق اجازه میدهد تا یک شبکه مخفی از مجرمان بالقوه را کشف کند.
برخلاف داشبورد فعلی که اطلاعاتی را فراهم میکند که اغلب خیلی مفید نیستند،
ما یک محصول اطلاعاتی گردآوری کردهایم که به آنها اجازه میدهد تا ارتباط بین عاملان شناختهشده و ناشناخته مورد نظر را ایجاد کنند.
اینها مثالهایی واقعی هستند که من از آنها استفاده کردهام. این کار جواب میدهد و مطمئنا توجه آنها را به خود جلب میکند. شما چه فکر میکنید؟
این متن با استفاده از ربات مترجم مقاله دیتاساینس 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.
مطلبی دیگر از این انتشارات
نگاهی دقیقتر به پایگاه داده وقایع هوش مصنوعی از شکستهای یادگیری ماشین
مطلبی دیگر از این انتشارات
فصل شکار شغل نزدیک است - در اینجا ۶ نکته برای آماده شدن وجود دارد
مطلبی دیگر از این انتشارات
استفاده دولینگو از هوش مصنوعی