在过去十年中，METIS的高级数据科学家Jonathan Balaban帮助100多名学生、同事和朋友开启了新的职业生涯并找到了他们满意的工作。本篇文章中，他提到了职业生涯中应该知道的七条准则。虽然它们并不全面也没有先后关系，但这些简洁却十分有用的准则可以帮助你留下良好的第一印象并加速你的职业发展。
1.获取关注
首先，不建议你“像杠精一样进入你的新工作”，但你也不该默默无闻。记住，你不是一个潜伏到国外公司的间谍。你的新公司正在建立数据科学团队，而且这也是一项优先度很高的计划。
所以，如果你是那里唯一的数据科学家，又或者你的团队很小，你就更应该让别人知道你和你团队的存在！你要与其它部门建立联系，这样当你需要数据，又或者其它部门要求进行数据分析时，你会是首选。
朋友们，下面这句话会一直正确直到机器人掌管这一切：
商业就是关于人和人与人间的关系 -Kathy Ireland
2.找到盟友
这是你主管工作中的一部分，以支持你完成好工作(顺带提一下，这也是双向的) 然而，依赖一个人是不够的，你的主管可能太忙，可能态度消极，又或许与你性格不和。
作为数据科学家，你需要支持你对关键数据和软件请求的盟友，以及能够影响决策者考虑你的发现成果还有能够审核你结果的人。寻找可以指导你如何更好担任新职位，还能够引导你到达事业巅峰的前辈。
3.诚实
你非常有可能会向你的新雇主过度吹嘘你自己。这些你可能在面试阶段就开始了，因为你非常想要这份工作，所以这也是很难纠正的。但无论什么情况，对于自己或者团队来说，实事求是是非常重要的。如果你还是没人审核的唯一的一位数据科学家，那就更应如此。
应该注意的是，在预估时间时一定要留有富余，因为我们在估计复杂任务的时间花费上往往表现得很差劲。记住Hofstadter的定律，数据科学中每件事情花费的时间都是你想象的两倍。
此外，请记住设定实际的预期并努力出色完成任务。每一次我们都喜欢意外的惊喜而不是意外的失望，这是许多最成功的公司和领导的指导原则。
数据科学是很强大，但它也无法解决所有问题。
4.做足功课
换个说法，也叫“不做猜想”。当你出身于相似的背景时，与公司权威交谈从而迅速展现你的才能，这是人们很偏爱的一种方式。
然而，为了避免“foot-in-mouth”(俚语，比喻说错话造成尴尬场面)的情况，在你采取新策略之前，最好耐心地确认新公司是否使用了相同的系统、流程、指标、业务规范和价值观。你的盟友在这点上完全可以帮到你。
5.避开流言
某些公司，流言可能存在下面这种情况……
开个玩笑。
如果你是新人，某些团体可能会很快拉拢你到他们的身边。办公室的闲言碎语也会影响你个人的看法。记住，一个事情总有两面性，但是第一印象总是很深刻的。
最好避开这些是非。保持怀疑是有益处的——你不参与小团体争斗也不妄加非议他人的同时，工作也会更有效率。作为科学家，我们的客观性以及对流言的看法，是我们建立影响力的一个关键因素。
6.制定发展规划
在你的主管和盟友的帮助下，为即将到来的季度和年度制定一个有质量保证的计划。这些会排除干扰信息并指导你确定潜在任务的优先级。为持续学习留出时间；数据科学领域在不断的发展，你应该持续关注最前沿的发展。
为什么不使用你掌握的数据科学工具来跟踪进度呢？GitHub的活动仪表板非常适合记录文件活动，建议你用RescueTime软件来看看一周中的注意力都花在哪里了。
7.培养系统能力
像新年和大变动是从全新的平台开始工作的绝佳机会，你能将更好的习惯和组织融入到你所做的工作中。也许你已经看到了新整合的技术栈和你愿意尝试的新IDE(编辑器)。通常情况下，当你刚开始新工作的时候，工作量很小（假设你没有淹没在HR文件中），此时是你提高工作过程效率的绝佳机会。
请注意，不要胃口太大，眼高手低。虽然改变一切很吸引人，但不要让它分散你的注意力，影响到你的工作。对于做准备工作这一点，你要对这些平台做尽职调查，这样它们就不会暗中破坏你的工作。问问你的领导，业务有哪些涉及的领域存在用户偏好。
至此，这7个简洁但是十分有用的准则可以来指导你新工作的第一个月。
对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解想学习的同学欢迎加入大数据学习qq群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系 。
网友评论