数据建模师的起跑线，从踏上工作岗位那一刻开始

我们常说孩子不要输在起跑线上，其实数据从业者的真正起跑线，是从你踏上工作岗位那一刻才开始的，一方面是大学还没做好培养大数据人才的准备，另一方面大学缺乏大数据人才成长的数据环境，一切都需要从头开始。又到毕业季，将有不少新人加入公司的大数据模型团队，这里给出五个建议，希望每个人都能够获得快速成长。

1、主动积极

在一次新人座谈会上，各个专业的技术专家都谈起了新人快速成长的最重要的素质，虽然各有侧重点，但有一点是大家有共识的，就是主动积极，《高效能人士的七个习惯》、《好好学习》等书都提到了这个习惯，但这个主动积极能践行的却很少。

为什么？

笔者也说不上来，但可以举些真实的案例供你参考，假如你是甲，碰到了以下场景会怎么做？

【场景一】

甲：“业务部门希望新增两个XX模型，但我已经分身乏术了，领导你的意见是？”

领导：“丁是管开发资源的，问能否支持一下，这个XX模型还是很重要的！”

五天后……

领导：“业务部门的XX模型进展如何？

甲：“丁说没资源！”

这是典型的退缩型做事方式，在新人中尤其常见，有人说这是性格问题，你怎么看？

【场景二】

领导：”最近不少业务部门抱怨取数好慢！”

甲说：”嗯，我分析了下，发现共性的需求很多，最近准备对一些常用取数提炼下规则固化下来….，另外我发现20个取数结果只有10个真的被下载用了，我建议制定一套约束业务的方法……”

这是典型的积极主动型做事方式，对于新人挑战很大，但能力就是这么起来的，在数据工作中最缺乏的就是梳理，提炼，总结，改进…….，特别容易身陷事务性工作而不可自拔。

【场景三】

领导：“平台账号申请好了吗！”

甲：“还没！”

领导：“卡在哪里？”

甲：“不知道！”

这也是典型的乖宝宝的做法，以为什么事情都有人安排，事实上，企业没有这么完美的机制和流程，笔者碰到的极端的案例是一个新人入职一个月了还在那边等待账号，而有些新人已经取数近一个月了。

成甲说得很好：“大多数人看到问题就是问题，心态积极的人，看到问题全是机遇。自己明明知道这句话，但是很难把它作为生活的原则去应用，而仅仅是选择性地去应用，学习其实是走出舒服期的过程……。”

2、学会反思

为了培养新员工的反思能力，建议从入职的第一天开始就坚持做一件事情：即写反思日志，当然在刚开始写的时候会遇到一个大问题，写几天后就觉得没有什么可反思的内容，但实际并不是这样，其实新人做的每件事情都值得反思，这里有个真实场景，换做你，你会反思吗？

甲：“我算法调整了很多个了，模型效果实在上不去了！”

领导：“用了哪些数据？”

甲：“X告诉我用这张宽表，这张表只有这么多字段可选！”

懂得反思的人并不这样简单的思考，有一个5WHY法，也叫追问五个为什么，可以帮助锻炼举一反三的能力，从而找到解决问题的根本办法。

下面是关于 “为什么杰弗逊纪念馆的外墙斑驳陈旧？”的一个例子，可以理解下什么叫作打破砂锅问到底。

“因为清洁工经常使用清洗剂进行全面清洗，”这就是它的“直接原因”。

你当然可以责令清洁工减少清洗，这个问题也许也会立刻得到解决，但这仅仅是“紧急处理”的方法，就像止痛针一样，缓解痛感，但治标不治本。

所以你要“追问”：又是什么导致了这个直接原因？

“因为有很多鸟在这里拉屎。” 那为什么又有很多鸟呢？ ”因为这里非常适宜虫子繁殖，这些虫子是鸟的美餐。“

你注意，这些就是导致直接原因的“间接原因”了，但它们还不是“根本原因”。

你要接着问“为什么这里适合虫子繁殖？”

“因为那一扇窗，太阳把房间里照射得非常温暖，很适合虫子繁殖。”

原来，那一排没有窗帘的窗，才是导致外墙斑驳陈旧的“根本原因”。那怎么办？

挂上窗帘，问题就解决了。

回到上面的例子，新人可以这么反思，为什么X就代表了真理？为什么只能从这张宽表取数据？有更多的宽表吗？这些宽表从哪里来？宽表的底层的表是否有更多的属性？底层的表从哪里来？底层的底层的表从哪里来？底层的底层的表来自哪个业务系统？怎么采集到这些数据的？为什么不采集那些数据？

通过不停的反思，会发现自己对于数据的理解从原来的点变成了线，然后从线变到了网，通过不停的反思重复，就会形成更稠密的网，最后会发现自己的眼界开阔了，可以做一些前人没法做的事情，从而形成自己的数据知识框架，青出于蓝，这个就是源于反思的力量。

3、及时反馈

目标导向、以终为始、合作共赢这些习惯的养成对于个人成长非常重要，但实际环境是非常复杂的，比如即使你知道了目标导向这个原则，但如果不结合实际场景去理解目标是什么，这就会让所有的原则失效，，所谓“听过很多道理，依然过不好这一生。”

这里举一个实际场景：

领导：“请把这个模型做好！”

乙：“好的！”

1个月后……

乙：“领导，我把模型的准确率提升了30%，覆盖率提升了20%！”

领导：“客户觉得如何？”

也就是说，领导理解的所谓的目标，跟你理解的目标是不一致的，缺失了这个前提，目标导向就成了一句空话，对于新人来讲，特别是数据职场新人，你必须学会及时反馈。

为什么？

因为大多企业有自己独特的文化、机制、流程、业务、系统和数据，而学校或书本上学习的都是普适性的东西，企业需要的是这个领域的数据专家来解决特定的问题，没有所谓的放之四海而皆准的数据通识。

快速适应环境的唯一办法就是及时反馈，新人一定要懂得把自己的学习情况、工作情况、存在问题和相关建议第一时间反馈给利益相关者，简单机械自我陶醉式的10000小时工作并不能让你成为专家，只有通过获取改进意见才能让自己持续成长。

笔者极力主张新手养成写日报的习惯，因为实践中发现新人跟导师（或主管）的信息不对称程度远远超过想象，鸡同鸭讲的现象比比皆是，我说了以为你明白，你也以为你明白，其实大家理解并不在一个点上，一旦执行就完全变样。

新人只有通过持续的获取反馈才能真正理解目标到底是什么，公司对你的期待是什么，自己走的每一步是否踩在点上，虽然任何学习都是螺旋式上升过程，但通过快速反馈能让这个螺旋更小更陡，从而直达目标。

以下是一个日报示意，既有当日工作情况的反馈，也有自己的思考，更有需要领导协调的事情，供参考，新人每天花20分钟写日报是性价比非常高的事情：

事项一：校园营销启动会：Y部门对去年的模型效果非常满意，今年有两方面需求，除去年的两个模型外，今年想增加模型3和模型4，自己有三点建议：

（1）去年的两个模型问题不大，因为逻辑模式脚本都在，只需对今年需要更新的一些新手段和新时事做调整即可。

（2）模型3可以尝试，但是由于数据维度有限，效果不一定好，这点已经和Y部门打过预防针。

（3）模型4不建议做，因为问过Y部门也没有对应的营销政策，那么即使模型做了也不一定能落地，所以会上已经拒绝了Y部门，一线有需求可以自己探索。

事项二：网格运营情况整理：个人觉得运营要从调研了解转向主动推进了。

现状：目前运营工作主要致力在调研了解一线使用情况和自建应用情况，经过一个月来的周报互动和电话调研，一线的情况基本了解了，经过实际验证，目前只有X1地区未使用省公司数据，这是第一个要解决的，已经协调……；X2和X3地市已经使用采用高精度网格模型，X4、X5、X6 等地市有意愿使用高精度网格平台，是后续第二阶段要推进的，还有………。

计划：为了主动推进，一方面是盯紧X1的问题解决和X4、X5、X6地市的使用计划，另一方面要对地市效果进行宣传，随着加入的地市的增多，每增加一个地市，就进行包装宣传，去吸引更多地市的加入，本月和运营要针对这一转变好好计划一下后面的宣传。

事项三：完成智慧运营周报，D同事的后视镜模型前期试点地市验证效果不错，一方面下周计划发头条去宣传，另一方面运营团队对于取数中有后视镜的地市进行再次告知和转发头条，最后需要领导帮忙协调Z部门推进。

反馈这种工作模式实际上也是新人对于管理者注意力资源的争夺，要成长的快，就越要善于从别人那里获取价值信息，但别人的注意力是有限的，也是稀缺资源，会叫的鸟儿有虫吃是大自然告诉我们的朴实的真理，但要能活用于实践又是何其艰难，毕竟追求稳定，降低风险是基因的毛病。

4、逻辑思维

新人提问或做事往往缺乏逻辑，比如提问抓不到要点，行事也很难形成闭环，以下是经常发生的典型场景：

【场景一】

甲：“今天系统比较慢，我还是保证数据及时跑了出来！”

领导：“怎么解决的？”

甲：“重启！”

领导：“还有呢？”

甲：“我去问问。”

【场景二】

甲：“模型准确率提不上去了！”

领导：“没了？”

甲：“领导你有什么建议？”

领导：“……”

宁向东在《清华管理学课》提到了一种训练办法，这个方法叫作KT分析套路，可以锻炼自己的逻辑思维能力，笔者列出了一张表格，建议可以努力按照这个套路去发言和解决问题，从而让自己的表达有逻辑，让别人听明白：

5、专业学习

数据建模师跟一般的技术专业有点不同，就是其非常强调综合素质，不能把数据建模师的专业能力简单的理解为纯技术学习，笔者认为厉害的企业数据建模师专业能力排序是：通识能力>业务能力>数据能力>算法能力>平台能力，新人入门不要一上来就去学什么花哨的工具和高大上的算法，要用常识去理解事物，比如多找人讨论，去尽可能的理解企业的业务和数据，而算法和平台在未来将如水电煤一样普通，使用门槛急剧下降。

一般数据建模师的学习切入点是取数，下表是笔者列的一个新人成长路径示意，开始不要有太大的期望，打好业务和数据的基础是当务之急，工具化的东西需要的时候再学为时不晚。