¿Qué dirías que haces aquí?
Ahora que muchos de nosotros regresamos a la oficina y volvemos a la actividad después de unas vacaciones de invierno, he estado pensando un poco en la relación entre las funciones de aprendizaje automático y el resto del negocio. Me he estado adaptando a mi nuevo rol en DataGrail desde noviembre y me ha recordado lo mucho que es importante para los roles de aprendizaje automático saber qué está haciendo realmente la empresa y qué necesitan.
Mis pensamientos aquí no son necesariamente relevantes para todos los practicantes del aprendizaje automático los investigadores puros entre nosotros probablemente puedan seguir adelante. Pero para cualquiera cuyo papel sea el aprendizaje automático al servicio de una empresa u organización, en lugar de simplemente promover el aprendizaje automático por sí mismo, creo que vale la pena reflexionar sobre cómo interactuamos con la organización de la que formamos parte.
Con esto quiero decir, ¿por qué alguien decidió contratar sus habilidades aquí? ¿Por qué se solicitó una nueva plantilla? Las nuevas contrataciones no son baratas, especialmente cuando se trata de puestos técnicos como el nuestro. Incluso si está reemplazando un puesto para alguien que se fue, no está garantizado que eso suceda en estos días, y probablemente hubo una necesidad específica. ¿Cuál fue el argumento que se le presentó al poseedor de la cartera de que period necesario contratar a alguien con habilidades de aprendizaje automático?
Puede aprender varias cosas útiles al investigar esta pregunta. Por un lado, ¿cuáles son los resultados ideales que la gente espera ver al tenerte cerca? Quieren que se produzca algo de productividad en ciencia de datos o aprendizaje automático, y puede ser difícil cumplir esas expectativas si no se sabe cuáles son. También puede aprender algo sobre la cultura de la empresa con esta pregunta. Una vez que sepa cuál pensaban que sería el valor de incorporar una nueva plantilla de ML, ¿es realista pensar en la contribución que podría hacer ML?
Además de estas expectativas en las que se encuentra, debe crear sus propios puntos de vista independientes sobre lo que el aprendizaje automático puede hacer en su organización. Para hacer esto, es necesario echar un vistazo al negocio y hablar con mucha gente en diferentes áreas funcionales. (De hecho, esto es algo a lo que dedico gran parte de mi tiempo ahora mismo, ya que estoy respondiendo esta pregunta en mi propio rol). ¿Qué está tratando de hacer la empresa? ¿Cuál es la ecuación que creen que conducirá al éxito? ¿Quién es el cliente y cuál es el producto?
De manera un tanto tangencial a esto, también conviene informarse sobre los datos. Qué datos tiene el negocio, dónde están, cómo se gestionan, etc. Esto va a ser realmente importante para que evalúes con precisión en qué tipo de iniciativas debes centrar tu atención en esta organización. Todos sabemos que tener datos es un requisito previo para hacer ciencia de datos, y si los datos están desorganizados o (que Dios te ayude) están ausentes por completo, entonces debes ser tú quien hable con tus partes interesadas sobre cuáles son las expectativas razonables. son para objetivos de aprendizaje automático a la luz de eso. Esto es parte de cerrar la brecha entre la visión empresarial y la realidad del aprendizaje automático y, a veces, se pasa por alto cuando todos quieren avanzar a toda máquina en el desarrollo de nuevos proyectos.
Una vez que tenga una notion de estas respuestas, deberá aportar perspectivas sobre cómo los elementos de la ciencia de datos pueden ayudar. No asuma que todo el mundo ya sabe lo que puede hacer el aprendizaje automático, porque es casi seguro que este no sea el caso. Otros roles tienen sus propias áreas de especialización y es injusto asumir que también conocerán las complejidades del aprendizaje automático. ¡Esta puede ser una parte realmente divertida del trabajo, porque puedes explorar las posibilidades creativas! ¿Existe algún indicio de un problema de clasificación en alguna parte, o de una tarea de previsión que realmente ayudaría a que algún departamento tuviera éxito? ¿Existe una gran cantidad de datos en algún lugar que probablemente tenga un potencial de conocimiento útil, pero nadie ha tenido tiempo de investigar en ellos? Tal vez un proyecto de PNL esté esperando en un montón de documentación que no se ha mantenido ordenada.
Al comprender el objetivo del negocio y cómo las personas esperan lograrlo, podrá establecer conexiones entre el aprendizaje automático y esos objetivos. No necesita tener una solución milagrosa que resuelva todos los problemas de la noche a la mañana, pero tendrá mucho más éxito al integrar su trabajo con el resto de la empresa si puede trazar una línea entre lo que quiere hacer. hacia el objetivo por el que todos están trabajando.
Esto puede parecer una pregunta de izquierdas, pero en mi experiencia, es muy importante.
Si su trabajo no está alineado con el negocio Y no lo entienden sus colegas, será mal utilizado o ignorado, y se perderá el valor que podría haber aportado. Si lee mi columna con regularidad, sabrá que soy un gran impulsor de la alfabetización en ciencia de datos y que creo que los practicantes de DS/ML tienen la responsabilidad de mejorarla. Parte de tu trabajo es ayudar a las personas a comprender lo que creas y cómo les ayudará. No es responsabilidad de Finanzas o Ventas comprender el aprendizaje automático sin recibir educación (o «habilitación», como muchos dicen hoy en día), es su responsabilidad brindar la educación.
Esto puede ser más fácil si usted es parte de una organización de aprendizaje automático relativamente madura dentro de la empresa con suerte, otras personas antes que usted se han ocupado de esta alfabetización. Sin embargo, no es una garantía, e incluso las funciones de aprendizaje automático grandes y costosas dentro de las empresas pueden quedar aisladas e indescifrables para el resto del negocio: una situación horrible.
¿Qué deberías hacer al respecto? Hay varias opciones y depende mucho de la cultura de su organización. Hable sobre su trabajo en cada oportunidad y asegúrese de hablar en un nivel comprensible para los profanos. Explique las definiciones de términos técnicos no sólo una vez sino muchas veces, porque estas cosas son desafiantes y la gente necesitará tiempo para aprenderlas. Escriba documentación para que las personas puedan consultarla cuando olviden cosas, en cualquier wiki o sistema de documentación que utilice su empresa. Ofrézcase a responder preguntas y sea sinceramente abierto y amigable al respecto, incluso cuando las preguntas parezcan simplistas o equivocadas todo el mundo tiene que empezar por algún lado. Si tiene un nivel básico de interés por parte de sus colegas, puede configurar oportunidades de aprendizaje como almuerzos y grupos de aprendizaje o discusión sobre temas relacionados con el aprendizaje automático más amplios que solo su proyecto distinct del momento.
Además, no basta con explicar todas las cosas interesantes sobre el aprendizaje automático. También debe explicar por qué a sus colegas debería importarles y qué tiene esto que ver con el éxito de la empresa en su conjunto y de sus pares individualmente. ¿Qué aporta ML que facilitará su trabajo? Debería tener buenas respuestas para esta pregunta.
He planteado esto de alguna manera como cómo comenzar en una nueva organización, pero incluso si ha estado trabajando en el aprendizaje automático en su negocio durante algún tiempo, aún puede ser útil revisar estos temas y echar un vistazo a cómo van las cosas. Hacer que su función sea efectiva no es un trato de una sola vez, sino que requiere cuidado y mantenimiento continuos. Sin embargo, se vuelve más fácil si continúa así, porque sus colegas aprenderán que el aprendizaje automático no da miedo, que puede ayudarlos con su trabajo y sus objetivos, y que su departamento es útil y colegiado en lugar de ser oscuro y aislado.
Recordar:
- Descubra por qué su empresa ha contratado el aprendizaje automático y pregunte las expectativas que subyacen a esa elección.
- Comprender lo que hace la empresa y sus objetivos es important para poder realizar un trabajo que contribuya a la empresa (y lo mantenga relevante).
- Necesitas ayudar a las personas a entender lo que estás haciendo y cómo les ayuda, porque no lo entenderán mágicamente y automáticamente.