139 | 成为“香饽饽”的数据科学家，如何衡量他们的工作呢？

我之前的公司里曾经空降了新的部门领导及其嫡系的数据科学家并建立了相应团队后。我当时的感受更多是在提升数据报告的制作效率，可视化的丰富程度和互动操作便利程度上发力，其中涉及数据获取和清洗的工作，数据源是GA, Facebook API，内部和外部的数据库。 团队属于传统行业大公司内的市场部门，有一部分运营和市场部门人员对如何用报告来优化自己的日常工作有些困惑。更多场景是为了分享项目表现给上级用。真正优化工作的数据源有时是基于手工整理的Excel报告。 我觉得决策者想通了如何利用数据来优化产品或提升业绩，或者充分授权给想清楚解决谁的什么问题，哪几个数据最相关的产品或运营推动者。可以把KPI拆解开来，看看哪些数据，数据的广度，下钻深度，获取频率，准确度的提升能通过什么日常落地的运营手段影响产品或运营。如果是模型，就要预期模型优化能优化哪些核心指标，它们和KP如何建立关联。 领导者需要在上面谈及的认知上和人工智能或数据挖掘的负责人达成一致，也要有一些耐心判断好现在的阶段和该优先解决哪些问题。 有可能部门当下最重要的KPI用一些简单的手段就可以获取数据来优化。还有可能数据，工程，产品，运营手段要做改变才能更有机地融入新的数据挖掘手段或模型，在这种阶段直接和市场部门KPI挂钩来衡量团队表现有些牵强。