Tiga hal yang akan membuat ilmuwan data berpikir tentang transisi ke padang rumput yang lebih hijau samping
Secara umum, pergantian dalam “ilmu data dan analitik” khususnya baru-baru ini menyebabkan kita terpukul. Apa yang hilang bukanlah rahasia. Itu bahkan menyebabkan munculnya frasa baru, “Pengunduran diri yang besar.” – Jika Anda mengikuti ilmu data, membiarkan Anda pergi Ini adalah frasa yang hampir tidak bisa dilakukan / percakapan terkait analitis selama beberapa tahun terakhir.
Selama dekade terakhir, “ilmu data dan analitik” telah menjadi salah satu industri dengan pertumbuhan tercepat, dan “data” Ada organisasi yang memahami kekuatan yang dapat dilepaskan dan mencoba memanfaatkannya untuk memenangkan pelanggan mereka untuk. Para pemimpin industri tercengang oleh pengunduran diri berulang-ulang dari karyawan mereka yang berharga. Saya mulai menyadari cara sulit yang saya harapkan. Sesuatu yang berbeda.
Saya telah bekerja di “Ilmu Data dan Analitik” selama lebih dari 12 tahun (. . Ini masih berlangsung), dan saya telah bekerja dengan rekan-rekan selama bertahun-tahun untuk menulis “Data Scientist” Apa alasan berhenti mogok kerja?
Saya akan meringkasnya di bawah ini. Ribuan obrolan kopi spontan, diskusi ruang pertemuan formal, diskusi naik taksi candid 。 Topik-sentris – bahkan profesional ilmu data yang termotivasi dapat membantu organisasi saat ini Jatuh Cinta dan Mulai Melihat 3 Faktor Kunci yang Dapat Menyebabkan 。
Harap perhatikan hal-hal berikut:
- Saya menyebut seluruh domain “ilmu data dan analitik” hanya “ilmu data.” 。
- Saya sama sekali tidak menyiratkan bahwa tidak ada faktor lain bagi karyawan untuk meninggalkan organisasi. Namun, saya telah menyebutkan banyak alasan lain yang telah disebutkan di tempat lain, tetapi ketiganya Saya merasa itu bisa menjadi bagian dari salah satu tema.
- Sebelum melanjutkan, perlu dipahami bahwa tema-tema berikut berlaku sama untuk semua domain: Tetapi dalam pandangan saya, mereka lebih relevan dengan ilmu data dan analitik. Sudah.
1. Karya.
Anda tidak menyukai apa yang Anda lakukan, atau Anda tidak merasa itu cukup menarik Dan pada akhirnya tidak mudah bagi Anda untuk bosan melakukannya. Dan pergi!
- Menurut definisi, data science adalah bidang yang menantang secara intelektual. Pekerjaan ilmu data adalah insinyur, ahli statistik, matematikawan, Ini adalah orang-orang yang telah menghabiskan sebagian besar hidup mereka cenderung intelektual. Sejauh. Oleh karena itu, orang-orang ini memiliki harapan yang tinggi dari pekerjaan mereka – Itu harus menantang mereka, membiarkan mereka mengeksplorasi hal-hal baru, menerapkannya. Biarkan dan berdampak.
Ilmuwan data adalah akademisi yang sering kali perlu terhubung dengan pekerjaan mereka. Mereka ingin pekerjaan yang kita lakukan menjadi menantang secara intelektual. Ini adalah aspek penting dari “pekerjaan yang menarik”.
Dalam percakapan itu, seseorang dengan sangat jujur mengatakan kepada saya, “Profesional SDM telah memberi tahu saya bahwa AI dan pembelajaran mesin adalah Saya menjual peran luar biasa untuk melakukan banyak pekerjaan, tetapi pada akhirnya, saya melakukannya. Laporan bisnis. Saya tidak memiliki gelar PhD. Itulah jenis pekerjaan yang kami lakukan. Jelas, dia segera pergi.
- Aspek lain dari “pekerjaan yang menarik” adalah bahwa ilmu data adalah bisnis. Ini adalah “pengaruh” atau “pengaruh yang dirasakan” yang dimilikinya terhadap Anda. Seringkali, ilmuwan data memutuskan apa yang dilakukan organisasi, pekerjaan ilmu data, dan proyek Alih-alih melihat ke sisi meja yang diperlakukan sebagai ruang belajar, Anda menarik diri dari yang berikut ini Strategi bisnis.
→ Untuk kepemimpinan, pekerjaan tim ilmu data membantu memajukan bisnis. Dalam hal ini, penting untuk membuat tim ilmu data Anda merasa dihargai.
- Aspek lain dari “pekerjaan yang menarik” adalah pembelajaran yang menyertainya. Pembelajaran melibatkan berpartisipasi dalam pelatihan, pembelajaran mandiri, dan pada akhirnya proyek nyata. Anda juga dapat menganggapnya sebagai dorongan untuk memiliki opsi untuk diterapkan. “Kesempatan belajar” mempertahankan keterlibatan ilmuwan data. , kurangnya ini sering monoton, memuaskan, dan pada akhirnya Membawa penarikan.
→ ilmuwan data sering melihat ke luar ketika mereka merasa kurva belajar telah meningkat. Mari kita mulai.
- Pekerjaan harus memberikan kesempatan dan kebebasan untuk belajar dengan gagal. Ilmuwan data diingatkan tentang hal-hal baru, bahkan jika itu mengarah pada kegagalan. Saya ingin memiliki kebebasan untuk mencoba. “Kebebasan pengujian dan pembelajaran” ini didasarkan pada tingkat turnover manajemen yang lebih rendah. Ini banyak digunakan dalam organisasi dengan:
2. Orang.
Orang-orang yang bekerja dengan Anda adalah keluarga kerja Anda. Kehidupan kerja Anda adalah sepertiga dari hidup Anda. Jadi, Anda menghabiskan cukup banyak waktu dengan pekerjaan dan keluarga Anda. Anda harus lebih bersenang-senang!
Kerja tim umumnya penting di sebagian besar domain, tetapi terutama dalam ilmu data dan Ini penting dalam analisis. Dalam domain ini, banyak dari Kolaborasi diperlukan. Ilmuwan data berkembang dalam berbagi pengetahuan dengan orang lain dan untuk memengaruhi proyek Dalam banyak kasus, banyak pemangku kepentingan lain perlu dilibatkan. Sesi berbagi pengetahuan, tinjauan sejawat, rapat klien harus dilakukan – Melarikan diri dari pekerjaan atau melakukan hal-hal yang tidak berhubungan dengan pekerjaan dengan rekan kerja Tidak ada.
Saya membagi pekerjaan dan keluarga menjadi tiga lingkaran konsentris:
2.1 Manajer/Ketua Tim:
Penelitian telah menunjukkan bahwa faktor terpenting dalam pensiun karyawan adalah manajer (lihat artikel di bawah). Lihat juga
- Saya suka manajemen mikro, saya tidak cukup mempercayai karyawan saya, dan saya tidak peduli dengan mereka sebagai individu. Manajer sering kali memiliki tim yang kurang terlibat.
- Manajer yang tidak mengakui / menghargai ketekunan yang berdedikasi dan tidak memberikan peluang untuk pertumbuhan dan perkembangan cenderung melihat masalah turnover yang tinggi dalam tim.
- Manajer berkomunikasi sepanjang tahun untuk memberikan umpan balik yang dapat ditindaklanjuti, melainkan Cukup lakukan siklus tinjauan kinerja dan fokus pada hal-hal negatif.
→ Data Science dan Analytics membuat pekerjaan terus berkembang Karena jarang didefinisikan dengan jelas dan membutuhkan kolaborasi dan manajemen pemangku kepentingan yang teratur Perhatikan bahwa ini lebih relevan. . Manajer Data Science dapat mempengaruhi lingkungan kerja dalam tim data science 。
2.2 Lapisan dalam:
Ini merupakan tim langsung Anda. Artinya, orang-orang yang bekerja/berinteraksi setiap hari adalah. Mereka adalah inti dari pekerjaan dan keluarga Anda. Anda bertukar pikiran tentang ide-ide dengan mereka, berbagi pekerjaan Anda, dan Amati pekerjaan, bertukar pengetahuan, berikan umpan balik, dapatkan umpan balik, dengan mereka Bercanda satu sama lain, makan, minum, keluar – menjauh dari mereka Anda tidak bisa!
→ Sangat penting untuk memiliki hubungan yang hormat dan ramah dengan lapisan dalam kolega Anda.
Jika Anda berada dalam situasi di mana Anda tidak akur dengan rekan kerja langsung, Anda atau mereka bersaing secara berlebihan Berfokus pada kekurangan satu sama lain – bertahan hidup – seringkali menjadi sulit.
2.3 Lapisan luar:
Kelompok ini terdiri dari kepemimpinan organisasi.
- Mereka memiliki tanggung jawab untuk mengembangkan dan mempertahankan budaya tempat kerja yang positif. Perundungan dan perilaku faksional di tempat kerja dipantau secara ketat dan pada waktunya Itu harus diproses.
- Kepemimpinan organisasi meliputi kegiatan membangun tim, bersosialisasi, menumbuhkan suasana kasih sayang dan rasa hormat, dll. Anda bertanggung jawab untuk mengembangkan dan memelihara lingkungan kerja yang mendukung dan sehat. Segala sesuatu yang penting untuk kesejahteraan dan pelestarian pekerja.
- Selain itu, kepemimpinan menetapkan visi dan misi perusahaan, dan setiap tim dan individu memilikinya Mengarah untuk bertanggung jawab untuk membuatnya demikian.
- Kepemimpinan organisasi harus cukup dapat dijangkau, cukup transparan, karyawan dan sering Kita perlu berkomunikasi.
Komunikasi bukanlah email dingin atau buletin berbasis fakta, tetapi interaksi emosional tatap muka kuno yang baik. harus dilakukan melalui:
→ Jika Anda tidak dapat mempercayai pemimpin organisasi Anda , ini bisa sangat menurunkan semangat bagi individu dan tenggelam dalam pekerjaan mereka. mungkin. Dan kita semua tahu ke mana arahnya.
3 . Remunerasi.
Bahwa jika Anda tidak merasa dibayar cukup untuk suatu pekerjaan, Anda pasti ingin menyimpannya. Anda tidak perlu seorang jenius untuk mengerti.
- Data scientist memiliki tumpang tindih keahlian teknis, soft skill, dan ketajaman bisnis yang unik Saya tahu. Tidak mudah ditemukan. Mereka juga mengatakan bahwa selama dekade terakhir, semakin banyak organisasi yang mampu menambahkan nilai “data.” Apa yang kami coba keluarkan, dan oleh karena itu permintaan akan ilmu data/analitik. Saya tahu apa yang saya lakukan. Ini sedang meningkat tidak seperti sebelumnya.
→ Data Science adalah seperangkat keterampilan yang diminati dan sulit digantikan. Dengan booming, gaji ilmu data meningkat, dan ilmuwan data Jika Anda tidak dibayar bersama atau berdampingan untuk pekerjaan yang Anda lakukan dengan pasar; Mereka akan segera berpetualang.
- “Hadiah” juga dapat dilihat sebagai peluang untuk tumbuh secara profesional. Ilmuwan data bertanggung jawab atas kesediaan dan ruang lingkup kemampuan organisasi untuk tumbuh menjadi posisi senior. Memiliki perasaan ketika Anda bisa dan suka untuk tetap berada di posisi itu. Di beberapa organisasi, adalah wajib untuk memainkan peran administratif untuk meningkatkan peringkat. Organisasi lain memiliki peran sebagai Kontributor Individu (IC). Anda dapat tumbuh ke tingkat yang cukup maju tanpa paksaan untuk mengambil posisi manajemen.
→ Seperti yang dapat Anda bayangkan, sebuah organisasi dengan jalur IC yang terdefinisi dengan baik adalah apa yang diperlukan untuk membuat perusahaan aktif dan berjalan. Manajemen memiliki tingkat turnover yang lebih rendah daripada organisasi yang mengamanatkan tangga pekerjaan .
ringkasan
“Turnover” telah terbukti menjadi masalah besar bagi semua domain selama beberapa tahun terakhir, dengan “data” Sains dan Analisis” tidak terkecuali. Beberapa aspek berada di luar kendali para pemimpin ilmu data dalam organisasi Tetapi data tersebut meningkatkan kesehatan para ilmuwan dan membuat mereka pergi. Ada banyak aspek yang dapat dikontrol dan disetel untuk mencegahnya.
Berikut adalah tiga aspek yang diperhatikan oleh para profesional ilmu data dalam pekerjaan apa pun:
-
Pekerjaan.
– Apakah ini menantang? Menarik? Berulang kali?
– Apakah saya memiliki kebebasan untuk gagal?
– Apakah Saya Membuat Dampak?
-
Manusia.
– Direct Manager: Manajemen mikro? Memberikan kemerdekaan? Apakah Anda memberikan umpan balik praktis?
– Kolega: Baik dan suportif? Apakah mereka kompetitif?
– Kepemimpinan: Dapat Dipercaya? Komunikasi? Apakah Anda mengenali pekerjaan yang baik?
-
Penghargaan.
– Kompensasi? Fasilitas?
– Pertumbuhan masa depan? Dapatkah saya dengan bebas memilih IC dan jalur manajemen?
→ Ketika salah satu dari tiga tema di atas menjadi masalah, sebuah pesan diangkat di benak karyawan. muncul.
→ Jika salah satu dari tiga tema di atas dipertanyakan, mereka sudah Saya pikir kemungkinan mereka pindah ke padang rumput yang lebih hijau.
.. Penting untuk dicatat bahwa sebagian besar dari apa yang telah kita bicarakan di atas dapat dipecahkan!