Chiedere feedback è uno strumento segretamente potente nel lavoro sui dati. Parliamo del perché e di come farlo bene
Da una recente conversazione con un collega professionista dei dati è nata un'idea che desidero condividere oggi. Qual è il tuo processo per condurre l'analisi o la modellazione dei dati e quali aspetti consideri importanti ma forse non celebrati per portare a termine bene il lavoro? Mentre stavamo parlando mi sono reso conto che ottenere feedback da altre persone mentre svolgo il lavoro è una parte estremamente importante del mio processo, ma in realtà non è qualcosa che viene esplicitamente insegnato ai professionisti junior nella mia esperienza. Ho pensato che sarebbe stato utile spiegare come lo faccio e perché, e quali sono i vantaggi, per chiunque il cui processo non includa necessariamente una componente collaborativa o di feedback tra pari.
I tipi di progetti in cui penso che questo sia importante sono quelli in cui svolgi la maggior parte del lavoro in solitudine, quindi sei solo con i tuoi dati e il tuo ingegno. Ciò include spesso la creazione di modelli, ovviamente, ma anche cose come analisi destinate a rispondere a domande aziendali specifiche o esplorare argomenti di ricerca. La maggior parte del lavoro verrà svolto da solo, il che può essere positivo perché puoi lavorare al tuo ritmo ed esplorare l'area del progetto nel modo che preferisci. Tuttavia, è facile distrarsi, perdere la trama o perdere qualcosa di importante quando sei l'unico a guardare il lavoro.
Per questo motivo, mi piace consultarmi di tanto in tanto con altri data scientist mentre procedo. Questo può assumere diverse forme e non è necessariamente lo stesso per ogni progetto.
Qualunque sia il tipo di feedback che ricevi, è importante che tu abbia già svolto una quantità significativa di lavoro. Non è il momento di chiedere a qualcun altro di fare il lavoro per te. Dovresti avere un piano di progetto solido e dovresti aver già fatto progressi significativi (caricando i tuoi dati, esaminandoli attentamente e conducendo almeno alcune analisi, come minimo) e avere del lavoro da dimostrare prima di iniziare a portarli chiunque altro. Una volta che sei lì, contatta un collega e vedi se ha qualche minuto per guardare il tuo lavoro ed esprimere la sua opinione, non necessariamente proprio in quel momento, ma quando i suoi impegni lo consentono. Se non possono aiutarti, vai da qualcun altro e prendi nota mentalmente per il futuro. È naturale preoccuparsi di disturbare le persone, motivo per cui cerco di limitare questo genere di cose a una volta per progetto e di non infastidire la stessa persona più volte di seguito per progetti diversi. Distribuisci le tue richieste in modo da non occupare sempre il tempo di una persona. Se hai bisogno dell'aiuto di più di una persona, questo sarà spiegato nella sezione successiva.
È anche importante notare che la tua richiesta di feedback dovrebbe essere strutturata. Non limitarti a dire “cosa ne pensi?” oppure scarica una lunga sceneggiatura su qualcuno, ma prepara contenuti leggibili e concisi e fai domande specifiche. “Ecco una bozza di diapositiva. Questo EDA ti sembra completo? Vedi qualcosa che ho fatto che non abbia senso?” oppure “Ho provato queste diverse combinazioni di iperparametri e le prestazioni del modello semplicemente non migliorano oltre X. Pensi che sia ragionevole o c'è qualcos'altro che dovrei provare per migliorarlo?” Come puoi intuire, questo significa avere risultati, forse alcune visualizzazioni o almeno alcune tabelle, da mostrare.
Se chiedi a qualcuno e non ti dà un feedback molto utile, prendi nota mentalmente anche di questo: forse era occupato, o le tue domande non erano chiare, o il tuo lavoro era difficile da leggere. Sperimenta ciò con cui diversi revisori e colleghi trovano più facile lavorare e migliora nell'inquadrare le tue domande. Dovresti anche offrirti volontario in modo proattivo per restituire il favore e fornire loro un feedback in futuro, e seguire e svolgere un lavoro approfondito quando sarà il momento. Otterrai da questo ciò che ci metti, come con la maggior parte delle relazioni lavorative o di vita.
Una revisione del modello può essere il culmine di un progetto, ma può anche essere un penultimo passo prima che un report o un modello venga completato e messo in produzione. Vorrei innanzitutto spiegare cosa intendo per revisione del modello, poiché questa non è necessariamente parte del processo di tutti.
Una revisione del modello è una presentazione, completa di immagini e documentazione, che spiega il progetto (solitamente formazione del modello) che hai completato dall'inizio alla fine. Dovresti spiegare i tuoi dati, come sono stati raccolti, cosa significano, come li hai ripuliti, come hai scelto l'architettura del modello e come l'hai addestrato, quali cose hai provato che non hanno funzionato, come si comporta il tuo modello finale, dove eccelle e dove è difficile, quali cose non hai fatto ma che farai in futuro, ecc. Dovrebbe essere una discussione abbastanza completa di tutto ciò che hai fatto come parte del lavoro. Il tuo pubblico dovrebbe essere composto da altri data scientist o ingegneri che hanno familiarità con l'argomento nella misura del possibile e, se non hanno familiarità con l'argomento, dovresti spiegare anche quello.
Potrebbe sembrare un lavoro enorme quando potresti semplicemente saltare questo passaggio, annotare alcune note in un wiki e lanciare il modello in produzione, ma credo fermamente che questa sia una parte importante della modellazione di successo. Per prima cosa, solo prepararlo richiederà di rivedere ciò che hai fatto e pensarci. Sapere che questo sta arrivando ti stimolerà a documentare il tuo lavoro e a tenere un diario di modellizzazione, come un diario di laboratorio nelle lezioni di scienze. Farai un lavoro più organizzato ed efficace quando monitorerai i tuoi progressi.
Inoltre, produrre una revisione del modello di qualità ti darà la possibilità di ricevere suggerimenti e feedback da molti colleghi contemporaneamente. Il tuo team dovrebbe avere regole di base per assicurarsi che il feedback sia costruttivo, gentile e fornito con buone intenzioni, ma se le hai, le cose che impari facendo una revisione del modello saranno inestimabili. Probabilmente insegnerai anche ad altre persone con l'esempio! È un'opportunità per tutti i membri del team di osservare i processi e le idee di altre persone, invece di nascondere queste informazioni in un thread DM su Slack o in una chiamata zoom 1:1.
Partecipa a una revisione del modello aspettandoti che il lavoro NON sia perfetto e che ne uscirai con nuove cose da provare, modifiche da apportare o domande su cui indagare e a cui rispondere. Il punto non è ottenere riconoscimenti ma capire cosa potresti esserti perso, così il tuo modello sarà migliore alla fine della giornata.
Ovviamente, sollecitare feedback sul tuo lavoro da parte dei colleghi ha l'obiettivo finale di fornirti consigli che miglioreranno il tuo lavoro, su questo progetto e anche su quelli futuri. Ma penso che sia importante notare che ci sono alcuni vantaggi meno ovvi che puoi ottenere da questo. Per prima cosa, ti guadagnerai la reputazione di qualcuno che vuole imparare e migliorare, se lo fai nel modo giusto: accetta il feedback con gentilezza, applicalo e dimostra che stai interiorizzando buoni appunti. Il tuo lavoro migliorerà, ma sarà visibile anche ai tuoi colleghi e manager.
In secondo luogo, migliorerai nel comunicare le tue idee. Anche se non esegui revisioni complete del modello di presentazione (anche se penso che dovresti), è una capacità essere in grado di spiegare il tuo lavoro 1: 1 a un collega e formulare domande chiare a cui vuoi che rispondano. Man mano che avanziamo nella nostra carriera, essere in grado di comunicare chiaramente su argomenti tecnici diventa sempre più importante e praticarlo in situazioni informali e a bassa pressione ti avvantaggerà.
In terzo luogo, sarà più facile ricevere feedback. Conosco molte persone, me compreso, che a volte provano ansia nel ricevere feedback. È facile sentirsi intimidito o sentire solo gli aspetti negativi e non quelli positivi quando gli altri valutano il tuo lavoro. Ma più lo fai, più diventa facile. Chiedere ripetutamente, in una cultura di positività e costruttività, ti desensibilizzerà all'ascolto delle critiche o ai modi in cui puoi migliorare e, di conseguenza, migliorerai nell'assorbire e imparare da ciò.
Pertanto, mentre procedi con il tuo lavoro sui dati, crea opportunità intenzionali per chiedere consigli costruttivi per migliorare i tuoi risultati. Se non hai colleghi esperti di dati, partecipa a incontri o gruppi di data scientist in cui puoi chiedere consigli (senza violare alcun NDA, ovviamente) e costruire una rete di persone di cui ti fidi delle opinioni e offrire lo stesso feedback per loro. Ti prometto che di conseguenza vedrai vantaggi per la tua carriera e le tue capacità, per non parlare dei tuoi modelli e delle analisi dei dati.
Fonte: towardsdatascience.com
