Apa alasan seorang data scientist mengundurkan diri?

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!