Quando ho iniziato il mio viaggio nella scienza dei dati alla scuola di specializzazione, avevo una visione ingenua della disciplina. Vale a dire, ero iper concentrato sugli strumenti e sulle tecnologie di apprendimento (ad esempio LSTM, SHAP, VAE, SOM, SQL, ecc.)
Sebbene per essere un data scientist di successo sia necessaria una base tecnica, concentrarsi troppo sugli strumenti crea il “problema del martello” (ovvero quando hai un martello davvero bello, tutto sembra un chiodo).
Questo spesso porta a progetti che lo sono intellettualmente stimolante ma praticamente inutile.
La mia prospettiva non è maturata completamente fino a quando non mi sono laureato e sono entrato a far parte del team di data science di una grande azienda, dove ho potuto imparare da quegli anni (se non decenni) davanti a me.
La lezione chiave è stata l’importanza di concentrandosi sui problemi piuttosto che sulle tecnologie. Ciò significa acquisire una comprensione (sufficientemente) approfondita del problema aziendale prima di scrivere una singola riga di codice.
Poiché, come scienziati dei dati, in genere non risolviamo i nostri problemi, acquisiamo questa comprensione attraverso le conversazioni con clienti e parti interessate. Fare tutto bene è importante perché, se non lo fai, potresti finire per spendere molto tempo (e denaro) risolvere il problema sbagliato. È qui che entrano in gioco le domande sulla “scoperta del problema”.
6 mesi fa, Ho lasciato il mio lavoro di data science aziendale diventare un consulente indipendente di intelligenza artificiale (per finanziare le mie iniziative imprenditoriali). Da allora, ho sviluppato un’ossessione nel risolvere queste conversazioni di “scoperta” in fase iniziale.
Il mio approccio per migliorare in questo è stato duplice. Primointervista freelancer esperti di dati sulle loro migliori pratiche (ho parlato con 10). Secondofai quante più chiamate di scoperta possibili (ne ho fatte circa 25).
Le domande elencate qui sono il culmine di tutte le mie esperienze precedentemente menzionate. Sebbene non sia affatto un elenco completo, queste sono domande che mi ritrovo a porre ancora e ancora.
1) Quale problema stai cercando di risolvere?
Sebbene (in teoria) questa dovrebbe essere l’unica domanda in questo elenco, (sfortunatamente) non è così che funzionano le cose nella pratica. Molte volte, i clienti non hanno chiaro il problema che devono risolvere (se lo fossero, probabilmente non si rivolgerebbero a un consulente). E anche se lo sono, di solito ho bisogno di aggiornarmi per comprendere meglio il contesto aziendale.
Questa domanda aiuta in entrambi i casi perché (idealmente) la risposta del cliente richiede domande di follow-up, permettendomi di farlo scavare più a fondo nel loro mondo. Ad esempio, potrebbero dire: “Abbiamo provato a creare un chatbot personalizzato con OpenAI, ma non ha fornito buoni risultati.”
Al che potrei chiedere: “A cosa serviva il chatbot?” O “Cosa ti fa dire che i risultati non sono stati buoni?”.
2) Perché…?
Una domanda successiva naturale a “Che cosa” È “Perché.” Questa è una delle domande più potenti che puoi porre a un cliente. Tuttavia, può anche essere uno dei più difficili da chiedere.
“Perché“Le domande hanno la tendenza a mettere le persone sulla difensiva, motivo per cui può essere utile avere più modi di formulare questa domanda. Ecco alcuni esempi:
- Perché questo è importante per la tua azienda (il tuo team)?
- Perché vuoi risolvere questo problema adesso?
- Cosa significa risolvere questo problema per la tua azienda?
- Come si inserisce questo negli obiettivi più ampi dell’azienda?
- Perché vuoi utilizzare l’intelligenza artificiale per risolvere questo problema?
Questa domanda (o una qualsiasi delle sue varianti) è un modo estremamente efficace per ottenere contesto dal cliente, il che dovrebbe (ancora una volta) suscitare domande di follow-up.
Per continuare l’esempio di prima, il cliente potrebbe dire: “Abbiamo diversi ticket di supporto che vogliamo classificare automaticamente in 3 livelli di priorità e abbiamo pensato che un chatbot AI fosse un buon modo per risolvere questo problema.” Questo dà molto più contesto al “Abbiamo provato a creare un chatbot personalizzato“risposta di prima.
“Che cosa stiamo facendo?” E “Perché lo stiamo facendo?“ sono le due domande fondamentali nel mondo degli affari. Quindi, diventare bravo a chiedere “Che cosa” E “Perché” può portarti (molto) lontano.
3) Qual è il risultato dei tuoi sogni?
Mi piace questa domanda perché combina (efficacemente) il “Che cosa” E “Perché” domande. Ciò consente ai clienti di esprimere la loro visione del progetto in un modo che potrebbe non emergere quando richiesto direttamente.
Per imparare qualcosa di nuovo, spesso ho bisogno di fare qualche passaggio prima che finalmente scatti. Allo stesso modo, trovo che a Veramente arrivare alla radice del problema di un cliente, devo chiedere “Che cosa” E “Perché“ alcune volte in modi diversi durante tutta la conversazione.
Questo ricorda I “5 perché” di Toyota approccio per arrivare alla causa principale di un problema. Sebbene sia stato sviluppato in un contesto produttivo, è qualcosa che si applica facilmente alla risoluzione dei problemi nella scienza dei dati.
Due domande correlate qui sono: Che aspetto ha il successo? E Come lo misureremmo? Questi sono un po’ più pragmatici di un “risultato da sogno”, ma sono utili per passare dal chiedere “cosa e perché” A “Come?“
4) Cosa hai provato finora?
Questa domanda inizia nel percorso verso una soluzione. Lo fa facendo emergere maggiori dettagli tecnici del progetto.
Ad esempio, questo (in genere) mi dà una buona idea di chi scriverà il codice. Se hanno già creato alcuni POC di base, il cliente (e il suo team) probabilmente si occuperanno della maggior parte del lavoro pesante. Se iniziano da zero, potrei essere io o i subappaltatori della mia rete.
In questo secondo scenario, dove il il cliente non ha costruito nulla finora si possono porre alcune altre domande.
- Qual è la soluzione esistente?
- Come risolvi questo problema adesso?
- Cosa hanno fatto gli altri per risolvere un problema simile?
5) Perché io?
Ho ricevuto questa domanda dal capo negoziatore Chris Voss. Chi lo inquadra come un modo efficace per rivelare le motivazioni delle persone.
Spesso, questo genera ulteriore contesto su ciò che li ha portati a te e come loro ti vedo inserito nel progettoche è utile per definire i passaggi successivi.
A volte, tuttavia, le persone non hanno buone risposte a questa domanda, il che potrebbe indicare che in realtà non vogliono lavorare con te e stanno nascondendo le loro vere intenzioni (ad esempio, vogliono una consulenza gratuita o un’offerta concorrente).
Fonte: towardsdatascience.com
