Ihre ersten 90 Tage als Datenwissenschaftler

Ich habe DoorDash vor etwa fünf Monaten gemacht. Dies ist das erste Mal, dass ich als Information Science Supervisor in einem neuen Unternehmen anfänge. DoorDash entwickelt sich schnell, die Erwartungen sind hoch und der Domänenkontext ist tiefgreifend, was das Onboarding zu einer Herausforderung macht. Allerdings struggle es auch eine der am schnellsten wachsenden Phasen meiner Karriere.

Die ersten drei Monate an einem neuen Arbeitsplatz sind grundsätzlich eine Aufbauphase – Aufbau von Verbindungen, Domänenverständnis und Datenwissen – und ein reibungsloses Onboarding legt den Grundstein für den späteren Erfolg. Deshalb erzähle ich in diesem Artikel, was in den ersten Monaten am wichtigsten struggle, und meine Checkliste für jedes Information Science-Onboarding.

I. Verbindungen aufbauen

Lassen Sie mich vor allem mit dem Aufbau von Verbindungen beginnen. Als ich in der Schule struggle, habe ich mir Datenwissenschaftler als Menschen vorgestellt, die den ganzen Tag mit gesenktem Kopf Code schreiben und Modelle erstellen. Als ich jedoch älter wurde, wurde mir klar, dass Datenwissenschaftler echte Auswirkungen haben, indem sie sich tief in das Unternehmen vertiefen, Daten nutzen, um Chancen zu identifizieren und Geschäftsentscheidungen voranzutreiben. Dies gilt insbesondere heute, da die Zahl der DS-Mitarbeiter kleiner ist und die KI grundlegende Codierungs- und Analyse-Workflows automatisiert.

Daher sollte der Aufbau von Verbindungen und der Erhalt eines Platzes am Tisch beim Onboarding oberste Priorität haben. Dazu gehört:

• Regelmäßige Onboarding-Sitzungen mit Ihrem Supervisor und Onboarding-Buddy. Dies sind die Menschen, die Ihren zukünftigen Umfang, Ihre Erwartungen und Prioritäten am besten verstehen. In meinem Fall struggle mein Vorgesetzter mein Onboarding-Kumpel und wir trafen uns in den ersten zwei Wochen quick täglich. Ich hatte immer eine vorbereitete Liste mit Fragen dabei, die mir während des Onboardings begegneten.
• Vereinbaren Sie Meet-and-Greet-Anrufe mit funktionsübergreifenden Partnern.Hier ist die Agenda, die ich bei diesen Anrufen normalerweise befolge:
  • 1. Persönliche Vorstellung
  • 2. Ihr Schwerpunkt und ihre obersten Prioritäten
  • 3. Wie mein Crew sie am besten unterstützen kann
  • 4. Onboarding-Ratschläge oder „Dinge, die ich wissen sollte“
  • Die letzte Frage gefällt mir besonders intestine, da sie durchweg tolle Erkenntnisse liefert. Vor fünf Jahren, als ich bei Brex anfing, stellte ich dieselbe Frage und fasste die Antworten in Kategorien zusammen Hier. Das Beste, was ich dieses Mal bekommen habe, ist „Haben Sie keine Angst, dumme Fragen zu stellen. Spielen Sie die Neueinstellungskarte in den ersten drei Monaten so oft wie möglich aus.”
• Für diese wichtigen Accomplice: Richten Sie wöchentliche/zweiwöchentliche Einzelgespräche ein und nehmen Sie an wiederkehrenden Projektbesprechungen teil. Möglicherweise tragen Sie zunächst nicht viel bei, aber es ist hilfreich, einfach nur zuzuhören und den Kontext und die Fragen zu sammeln.
• Wenn Sie wie ich als Supervisor einsteigen, sollten Sie das tun Sprechen Sie frühzeitig mit Ihren direkt unterstellten Mitarbeitern. Während des Onboardings möchte ich drei Dinge von meinen direkten Mitarbeitern lernen: 1. Ihre Projekte und Herausforderungen, 2. Ihre Erwartungen an mich als Führungskraft, 3. Ihre Karriereziele. Das erste hilft mir, mich auf dem Gebiet weiterzuentwickeln. Die beiden letztgenannten sind entscheidend für den frühzeitigen Aufbau von Vertrauen und einer kooperativen Arbeitsbeziehung.

II. Erstellen Sie einen Domänenkontext

Datenwissenschaftler sind dann erfolgreich, wenn sie das Geschäft intestine genug verstehen, um Entscheidungen zu beeinflussen – und nicht nur Ergebnisse analysieren. Daher besteht eine weitere Priorität beim Onboarding darin, Ihr Domänenwissen auszubauen. Zu den gängigen Strategien gehören: Mit Leuten reden, Dokumente lesen, Slack durchsuchen und viele Fragen stellen.

Normalerweise beginne ich mit Gesprächen, um wichtige Geschäftskontexte und Projekte zu identifizieren. Dann stöbere ich in relevanten Dokumenten in Google Drive oder Confluence und lese Slack-Nachrichten in Projektkanälen. Ich stelle die Fragen auch zusammen, nachdem ich die Dokumente gelesen habe, und stelle sie 1:1.

Eine Herausforderung, auf die ich jedoch gestoßen bin, besteht darin, in den Kaninchenbau der Dokumente einzutauchen. Jedes Dokument führt zu weiteren Dokumenten mit zahlreichen unbekannten Metriken, Akronymnamen und Projekten. Als Supervisor stellt dies eine besondere Herausforderung dar: Wenn jedes Ihrer Teammitglieder drei Projekte hat, bedeutet dies, dass bei fünf Personen 15 Projekte aufzuholen sind. Zu einem bestimmten Zeitpunkt waren in der Registerkartengruppe „Zum Lesen“ meines Browsers über 30 Registerkarten geöffnet.

Glücklicherweise sind KI-Instruments zur Rettung da. Während es hilfreich ist, alle Dokumente einzeln zu lesen, um ein detailliertes Verständnis zu erlangen, eignen sich KI-Instruments hervorragend, um eine ganzheitliche Sicht zu bieten und die einzelnen Punkte miteinander zu verbinden. Zum Beispiel,

• Bei DoorDash hat Glean Zugriff auf interne Dokumente und Slack. Ich chatte oft mit Glean und stelle Fragen wie „Wie wird der GOV berechnet?“, „Geben Sie eine Zusammenfassung des Projekts X, einschließlich Ziel, Zeitplan, Ergebnisse und Schlussfolgerung.“ Es enthält Hyperlinks zu den Dokumentquellen, sodass ich bei Bedarf immer noch schnell tiefer eintauchen kann.
• Ein weiteres Instrument, das ich ausprobiert habe, ist NotebookLM. Ich habe die Dokumente zu einem bestimmten Thema mit ihm geteilt und es gebeten, Zusammenfassungen und Mindmaps zu erstellen, damit ich meine Gedanken besser organisiert sammeln kann. Es können auch Podcasts erstellt werden, die manchmal leichter verdaulich sind als das Lesen von Dokumenten.
• Andere KI-Instruments wie ChatGPT können ebenfalls eine Verbindung zu internen Dokumenten herstellen und einem ähnlichen Zweck dienen.

III. Bauen Sie Datenwissen auf

Der Aufbau von Datenwissen ist für Datenwissenschaftler ebenso wichtig wie der Aufbau von Domänenwissen. Als Supervisor an vorderster Entrance stelle ich mir einen einfachen Maßstab: Ich sollte in der Lage sein, praktische Datenarbeit intestine genug durchzuführen, um meinem Crew praktische und glaubwürdige Anleitung zu geben.

Folgendes hat mir geholfen, schnell hochzufahren:

1. Richten Sie den Tech-Stack in der ersten Woche ein: Ich empfehle, den Tech-Stack und die Entwicklerumgebung frühzeitig einzurichten. Warum? Zugriffsprobleme, Berechtigungen und seltsame Umgebungsprobleme dauern immer länger als erwartet. Je früher Sie alles eingerichtet haben, desto eher können Sie mit den Daten spielen.
2. Nutzen Sie die KI-gestützten Datentools voll aus: Jedes Technologieunternehmen integriert KI in seine Datenworkflows. Bei DoorDash haben wir beispielsweise Cursor mit Snowflake verbunden und verfügen über interne Datenkenntnisse und Kontext, um SQL-Abfragen und Analysen basierend auf unseren Daten zu generieren. Obwohl die generierten Abfragen noch nicht 100 % genau sind, sind die Tabellen, Verknüpfungen und früheren Abfragen meiner Meinung nach hervorragende Ausgangspunkte. Es wird Ihr technisches Urteilsvermögen nicht ersetzen, aber es verkürzt die Zeit bis zum ersten Einblick erheblich.
3. Verstehen Sie wichtige Kennzahlen und ihre Beziehungen: Datenwissen bedeutet nicht nur, auf die Daten zugreifen und diese abfragen zu können, sondern auch, das Unternehmen aus der Datenperspektive zu verstehen. Normalerweise beginne ich mit wöchentlichen Geschäftsbewertungen, um die Kernkennzahlen und deren Development zu ermitteln. Dies ist auch eine großartige Möglichkeit, die Kennzahlen zu kontextualisieren und eine Vorstellung davon zu bekommen, wie „regular“ aussieht. Ich habe festgestellt, dass dies bei der späteren Überprüfung von Analysen und Experimentergebnissen unglaublich hilfreich ist.
4. Machen Sie sich die Hände schmutzig : Nichts stärkt Ihr Datenverständnis mehr als praktische Arbeit. Ein gutes Onboarding-Programm beinhaltet normalerweise ein Mini-Starterprojekt. Selbst als Supervisor habe ich während meiner Einarbeitung einige IC-Arbeiten übernommen, darunter die Dimensionierung von Chancen für den Planungszyklus, das Entwerfen und Analysieren mehrerer Experimente sowie das Diagnostizieren und Prognostizieren von Metrikbewegungen. Diese Projekte haben mein Lernen weitaus stärker beschleunigt als passives Lesen.

IV. Fangen Sie klein an und leisten Sie frühzeitig einen Beitrag

Während es beim Onboarding in erster Linie ums Lernen geht, empfehle ich dringend, klein anzufangen und früh einen Beitrag zu leisten. Frühzeitige Beiträge signalisieren Eigenverantwortung und schaffen Vertrauen – oft schneller als das Warten auf ein „perfektes“ Projekt. Hier sind einige konkrete Möglichkeiten:

• Verbessern Sie die Onboarding-Dokumentation: Während Sie das Onboarding-Dokument durchgehen, werden Sie zufällig auf technische Probleme stoßen, defekte Hyperlinks bemerken oder veraltete Anweisungen finden. Sie nicht nur selbst zu überwinden, sondern auch die Onboarding-Dokumente zu verbessern, ist eine großartige Möglichkeit zu zeigen, dass Sie ein Teamplayer sind und das Onboarding für zukünftige Mitarbeiter verbessern möchten.
• Construct-Dokumentation:Kein Unternehmen verfügt über eine perfekte Dokumentation – aus eigener Erfahrung und aus Gesprächen mit meinen Freunden habe ich festgestellt, dass die meisten Datenteams mit der Herausforderung veralteter oder fehlender Dokumentation konfrontiert sind. Da Sie sich in der Einarbeitung befinden und noch nicht mit Projekten beschäftigt sind, ist es der perfekte Zeitpunkt, diese Lücken zu schließen. Beispielsweise habe ich für mein Crew ein Projektverzeichnis erstellt, um vergangene und laufende Projekte mit wichtigen Erkenntnissen und klaren Ansprechpartnern zu zentralisieren. Außerdem habe ich eine Sammlung heuristischer Metriken erstellt, die den Kausalzusammenhang zwischen verschiedenen Metriken zusammenfasst, die wir aus früheren Experimenten und Analysen gelernt haben. Beachten Sie, dass alle diese Dokumente auch zu einem wertvollen Kontext für KI-Agenten werden und die Qualität und Relevanz der KI-generierten Ergebnisse verbessern.
• Schlagen Sie Prozessverbesserungen vor: Jedes Datenteam arbeitet anders, mit Vor- und Nachteilen. Der Beitritt zu einem neuen Crew bedeutet, dass Sie eine neue Perspektive auf Teamprozesse einbringen und möglicherweise Möglichkeiten zur Effizienzsteigerung erkennen. Durchdachte Vorschläge, die auf Ihren bisherigen Erfahrungen basieren, sind äußerst wertvoll.

Meiner Meinung nach zielt ein erfolgreiches Onboarding darauf ab, sich zu etablierenfunktionsübergreifende Ausrichtung, Geschäftskenntnisse und Datenintuition.

Hier ist meine Onboarding-Checkliste:

1. Woche 1–2: Grundlagen
   – Treffen Sie wichtige Geschäftspartner
   – Lassen Sie sich zu wichtigen funktionsübergreifenden Besprechungen hinzufügen
   – Verstehen Sie den Fokus und die Prioritäten des Groups auf hohem Niveau
   – Richten Sie Tech-Stack, Zugriff und Berechtigungen ein
   – Schreiben Sie Ihre erste Codezeile
   – Lesen Sie die Dokumentation und stellen Sie Fragen
2. Woche 2–6: Machen Sie sich die Hände schmutzig
   – Tauchen Sie tief in Crew-OKR und häufig verwendete Datentabellen ein
   – Tauchen Sie tief in Ihren Schwerpunktbereich ein (weitere Dokumente und Fragen)
   – Schließen Sie ein Starterprojekt Ende-zu-Ende ab
   – Machen Sie frühzeitig Beiträge: Aktualisieren Sie veraltete Informationen, erstellen Sie eine Dokumentation oder schlagen Sie eine Prozessverbesserung vor usw.
3. Woche 6–12: Eigentum
   – Seien Sie in der Lage, in funktionsübergreifenden Besprechungen das Wort zu ergreifen und Ihren datenbasierten Standpunkt darzulegen
   – Bauen Sie Vertrauen als Ansprechpartner für Ihre Area auf

Das Onboarding sieht je nach Unternehmen, Rolle und Dienstalter unterschiedlich aus. Aber die Prinzipien bleiben konsistent. Wenn Sie bald eine neue Rolle antreten, hoffe ich, dass Ihnen diese Checkliste dabei hilft, mit mehr Klarheit und Selbstvertrauen einzusteigen.