或許你的數據分析團隊不夠成熟，或許
公司管理層與數據分析團隊經常出現分歧，或許你的數據分析師正疲於爲推進工作處理各種公司政治，而非集中精力處理各種分析問題。
1、讓高管主動“買賬”
公司推進任何項目的都是爲了讓高管買賬。無論你是數據科學團隊負責人、項目負責人、數據科學家，都應該讓公司高管充分信任你的項目，讓他們看到數據項目對公司戰略起到了積極的推動作用，如此你才能獲得更多的資源。否則你的團隊將陷入“巧婦難爲無米之炊”的困境。
2、用數據勇敢告訴你的manager，他們錯了！
你的領導都是普通人，只能通過處理有限的數據並且從中發現有限的關聯性。而一個數據科學家，則可通過專業知識和工具處理比他們高100倍的數據並且準確無誤的發現其中的相關性。
面對普通人，你不妨給領導做個大膽的展示，告訴他們是“錯誤的”。這不是說讓你做一個壞人，因爲正確的分析結果會幫他們實現更出色的年度彙報，那時他們會感謝你的。
3、讓你夥伴信服你
當我們用數據幫助其他團隊的時候，我們發現很多產品經理並不相信數據。他們吐槽儀表板不好看，希望能提供一個新的儀表盤；吐槽數據科學團隊不夠專業……以至於你都開始懷疑你的數據。
如果你關注夏洛克福爾摩斯（Sherlock Holmes），你一定會記得他說過：數據是構建思維的基石。建立在數據基礎上的房子，你不應該懷疑你房子的堅固性。要讓別人相信你和你的數據！
4、先順利推進一個簡單的項目，然後複製
公司內部每個人都希望成爲下一個谷歌，掌握Facebook的算法。的確它們很酷、超級強大，且每年能賺上數十億美元。即使你的團隊剛剛起步，你也希望有個成功的開始。
你要知道，哪怕只是做好最簡單的事情也可能會產生不可逾越的價值。一旦你贏得了第一場勝利，你會迎來更多的領導的“請求轟炸”。所以先推進一個簡單的項目，然後不斷複製，你的項目會持續進行的。
5、像銷售一樣“安利”你項目的價值
數據科學還是個新鮮事物，公司大多管理人員並不知道什麼情況下、在哪裏使用它。你要像銷售一樣“安利”你項目的價值，你的安利會給你的項目帶來資金支持、資源等等。
6、讓你的數據科學工作流程標準化
數據科學的從業者會接觸許多很酷的技術和工具，這些工具讓我們有更深刻的見解，但這並不是個“
軟件工程”的活兒。
如果沒有流程，您的項目會逐漸落後，出現項目的“內部故障”，分析結果“劣質”，最終無法順利完成項目。這意味着您需要將您的項目流程化，從項目一開始就制定標準化的科學分析過程，別認爲這是在浪費時間。
7、別束縛你的數據團隊的“手腳”
別把你團隊的能力侷限在你所知道的範圍內，去挑戰他們，相信他們，經常詢問他們的想法和意見。不要總想着把他們的思路“拽回來”，傳遞你的信任，數據科學家是聰明人，信任很重要。
8、計劃很重要，但別頻繁制定計劃
如果有什麼我們從我們不同的經歷和項目中學到的東西。你需要計劃。這確保您不會離開範圍，這確保您能夠獲得所有數據源的良好處理，以及需求，並確保您成功。
然而，事情在今天的商業中變化很快。所以你不能用1年的時間來規劃一個項目。當項目進入管道時，您需要跳轉到獲得需求。不要把所有的時間都花在計劃上，也不要去發展。
9、要與其他部門小夥伴一起愉快“玩耍”
每個項目的推進都是一項“團隊運動”，它會涉及財務、會計、運營、銷售等其他你需要合作的其他部門。爲推進項目順利進行，你需要每個部門的“數據倉庫”。
如果你運氣夠好，會有人專門爲你提供這些數據，並幫助你獲得各部門的專業知識。當然，在你獲得幫助的同時，各部門都會對你提出要求。無論如何，你和其他團隊要“好好玩”。
10、向中小企業學習
與第9點一致，你希望從各部門中獲得儘可能多的專業知識。因爲數據科學家不是藥劑師、醫生、會計師、財務經理等。因此你需要從更多人、項目、中小企業中不斷獲得業務或主題的見解。當啓動一個新項目時，列出你需要的主題和數據，去主動尋找那些符合你需求的人。
11、去除公司層面的偏見
在你拿到一些意見後，注意不要讓他們思想上的偏見阻礙你的新觀點。偏見很常見，例如公司的高管、經理和其他團隊成員，經常會認爲：驅動就是執行“XYZ”。
然而你的團隊很可能產生一個全新的結果，畢竟項目的最終目並不是給經理做事。不要因爲你的項目結果會違背現狀，就埋葬新的觀點。莫忘記，你的工作就是挑戰現狀。
12、做一個反叛者，勇敢挑戰現狀
作爲一個數據科學家，你的手頭總是有很多數據。這意味着，你有“數據”的撐腰——當你認定自己是對的時候，你一定是對的。
所以不要害怕，別被你領導的思維改變你的想法。坦白說，他們也希望你能給他們一些信息，他們要通過這些信息去理直氣壯地說服自己的老闆。因此，用數據巧妙地挑戰你的老闆的意見。
13、讓數據稱爲企業內驅力
數據就是力量，這不是什麼新想法。人們一直都在用數據來證明，科學一直也依靠數據來反覆證明理論的真僞。包括每一項行動和決策都要經歷這個過程。總之，數據是最好的驅動力。
14、構建一個早期購買模型
搭建一個用戶購買原型(當然,在python中)，並向你的團隊和領導展示它能做什麼，相比理論和語言，大家更需要切實的行動。
搭建這個模型後，不斷獲取真實的數據，若不能爲你的模型注入數據，你要確保它功能的存在，逐漸讓它變得有形、互動和可操作！
15、保證數據系統健壯性和可維護性設計
這一點如何強調都不足爲過。你要確保所構建的任何儀表板、所設置的流程或開發的算法都是可維護的。如果你明天離開公司，要確保數據項目仍然正常運轉，否則會有人問“詛咒”你。很認真地說，如果你要離開，你要留下文檔說明，並共享代碼，保證其他人能夠正常使用。
16、讓無聊的工作變得“自動化”
別再做無聊的數據處理和純人工的Q&A工作！ 在你第一次設計你的分析系統時，儘量讓大部分的枯燥、基礎工作都自動化。企業內的數據科學項目接踵而至，基礎的東西還是交給機器來做，比如你每週花2個小時來上傳數據等。
17、認識到數據科學指南（手冊）重要性
有許多數據科學諮詢公司會有一份數據科學指南（手冊）。該指南（手冊）用於評估數據科學團隊的狀態，發現項目推進過程中的問題，以保證高效工作。
然而，通常情況下，許多公司的數據科學團隊都會省去這一步驟，事實上指南（手冊）引入外部幫助和監管是十分有必要的。
18、寫一本自己的數據指南
也許你的團隊裏有一個了不起的數據科學家，他或她身兼數職，並能夠爲團隊編撰一本很讚的工作手冊，包括代碼、編碼實踐、系統文檔等。
走進一家公司沒有什麼比獲得文件更有用的了。你可以提前瞭解到項目的歷史，針對此開發一個新的解決方案並快速推進，如此可以節省公司資金，也是一件讓數據科學顧問興奮的事。
19、在編撰你的數據指南之前，學會創造性地收集和分類數據
20位分析師，花費1個月的時間，將5萬個單位的數據完成分類，很糟糕，這是對資源和資金的嚴重浪費。
當你剛開始一個數據分析項目時，嘗試開發一種不需要分析人員的數據分類方法，以及在吸引公衆的意見、提供服務、設計一個新產品等方面，都儘量避免讓你的團隊參與到枯燥的工作中去。
20、正確收集數據是第一要務
從頭開始一個新的項目並參與其中，是一件很幸運的事情。
數據系統可能在6個月內收集數據，並在你腦中形成雛形：你要考慮一下你希望未來如何使用數據，以及它與其他系統的交互與打通等。這不僅僅構建一個功能系統，正確收集數據是第一要務，並要隨着業務發展不斷增加數據採集組件。
21、數據採集：儘可能收集大量、乾淨
數據有不同來源，包括內部數據倉庫、外部API 等，儘可能多地收集數據，並確保它是可管理、乾淨的。
22、做個牛逼的故事講述者
作爲一名數據科學家，我們都有老闆，我們必須說服老闆自己是對的。這個故事怎麼講呢？你告訴他們一堆百分比和標準偏差，講着講着就發現他們的目光變得呆滯了。
爲了讓領導快速買賬，你應該傳遞枯燥數字之外的東西，比如一個信息圖的展示等，併爲你的觀點注入些許激情。
23、把數據科學的內部和外部價值傳達給管理層
數據科學具有影響客戶和僱員的能力。告訴你的領導，數據將如何運作以及數據的價值。你可能覺得我說的有點重複。
然而，你能與管理層溝通的角度越多，你的項目就越能省錢。數據科學家喜歡談論算法是如何計算出“一個人在瀏覽Facebook時正在撓鼻子的概率的”。然而業務團隊只關心他們能從這些結論中賺到多少錢……正確認識數據價值，靠你去傳遞。
24、瞭解公司的管理流程
你的團隊需要知道項目管理應如何推進，比如，經歷多少個部門，他們的溝通頻次，他們日常看什麼數據？當你越瞭解高層管理的工作，你就越能幫助他們在正確的方向上推動項目進程。同時獲得資金和項目的難度也會降低。
25、瞭解高管們的策略和理由
每個高管都處在公司的政治之中，他們做每個決定都有自己的流程和策略，而普通員工並不知道“關着的門”後面究竟發生了什麼。
我們要在數據科學家和高管之間，或者說是一羣高管之間創造更爲廣泛的討論，當你更充分地瞭解更高層次上的關注點，項目開始與推進變得更加容易。
26、有解釋失敗原因的能力
在數據科學領域，失敗總是發生的。你要告訴領導失敗的原因，以便在你需要的時候尋求幫助。否則你可能會束縛在一個需要外接干預的小問題上，而導致項目只完成一半，造成團隊的損失。
27、必要時尋求外部支援
有時尋求外部干預是必要的。這意味着僱傭一個顧問團隊，或者僱傭新員工。有時候會增加項目，這需要臨時的人員流入。在一個可以拯救數百萬人的項目上多投入一點是有意義的，讓一些臨時工來滿足時間安排並不是件壞事。
28、聽取足夠多的外部新聞以獲得靈感
太多的外部消息會使思想陷入困境。因爲你的項目可能不像其他行業巨頭那樣，所以這可能讓你害怕落後。不要對此擔心，當你讀更多的書、獲取更多的外部新聞，你會被激勵以繼續向前進，並獲得靈感。
29、學會質疑你的每一個項目
如果你的領導帶着一個項目來找你，他得到了公司資深的VP或高管的支持。你不應該盲目接受，而應該要質疑：爲什麼要這樣做？誰是項目的受益者？它會節省多少資金成本？找到這些答案只能靠你自己，在項目開始前要確保你知道答案。否則，您可能正在研究一個即將死去的項目。
30、心態積極
這點聽起來是陳腔濫調，但是很真實。如果你是一個數據科學項目經理，會很容易失去信心，因爲你的團隊所帶回的見解不是很有價值，也許他們根本一無所獲。令你想不到的是，這比你想象的要普遍得多。不是每個項目都能帶來立竿見影的效果。要有耐心，要有積極的態度。如果您的數據是乾淨的，並且您的數據科學實踐是可靠的。有些東西最終會被打破。
31、做決定時，要給出一個實際的意見
不要忘記你是一個科學家，你有數據，這意味着你可以自信地做出結論。你可以 這樣說：“最好的決定是……”、“我建議我們……”、“我知道……”，“我們來試試X的解決辦法”。
