“大数据专家：为何数据科学家建不好数据产品”

本篇文章1487字，读完约4分钟

[摘要]第一，因为工业工程师和数据科学家在心理模拟方面不协调。

作者:德里克·； 琼斯( derick jose )，美国加利福尼亚州大数据观察企业Fluturadecisionsciences & analytics的创始人。 (本文最初发表在linkedin上) ) ) )。

点击此链接进入作者的linkedin页面。 共享按钮. in-widget {显示: inherit！ 点击 汇入者； }将副本共享到linkedin页面。 (点击进入栏“linkedin的人物”)

支出行业和产业行业充斥着大量的数字化数据产品，以非常高的速度被推入重要的生产过程。 这些数据产品从人类、机器生成的大量数据中提取信号，以驱动尖端行为。 在这里，我们想区分市场上已经出现的两种数据产品。

1 .费用昂贵的数据产品:情感分解装置( sentiment analyzer )、推荐引擎)、社会交流图分解装置)、数字购买意图探测装置)数字

2 )工业数据产品)工业物品互联网世界的机械，用于控制传感器数据生成的数据产品，如资产推荐( asset reccomender )、故障间平均时间计算机) Meantime Between Failu RECALALATORORATOR

在支出行业中，数据科学家们可以发挥惊人的潜力来开发改变游戏规则的数据产品。 这是因为他们与顾客的环境联系在一起，可以从销售漏斗和顾客的互动中解析数字的意图。

另一方面，在工业界，很少看到数据科学家和机械世界的联系。 结果，多个数据产品得到善意开发，但在运营方面还不够。 第一，因为工业工程师和数据科学家在心理模拟方面不协调。 那么，如何才能提高工业数据产品被工程行业采用的概率呢？ 根据fluturas的工业数据产品体验，我们需要理解五个“咒语”:

1 .工程技术落后于数据技术的进步

数据科学家经常受到诱惑，梦想着开发出能够解决数十亿数据的算法和平台。 在这个过程中，他们经常忽略要处理的问题。 例如，如果提拔电气和机械工程师为产品经理，他们可能会倾向于处理工程问题。 对了解数据科学的工程师来说，他比数据科学家更容易理解工程学的细微差异。

2 .穿工程师的鞋走路

对数据科学家来说，了解从事工业数据产品研究开发的尖端技术人员的环境是很重要的。 数据科学家在开发数据产品时，在开发之前需要正确理解其任务，以及这些产品可能被采用的条件等。

3 .工业工程师的质量阈值大于数据科学家的质量阈值

工程师开发并发表产品时，将接受此前严格的测试，其质量值得期待。 根据flutura在工业行业的经验，工业工程师对数据产品质量的期望高于数据科学家。 即使是细小的软件漏洞，工业技术人员也可能比软件技术人员更疯狂。 这个预想的差异需要协调和调整。

4 .解体不是我们要做的工作

尖端工业工程师们需要领取报酬后再行动。 对他们来说，解体不是他们真正必须做的工作。 因为那很无聊很简单。 数据产品应该能引起他们的模拟共鸣。 例如，在智能电网中，数据产品可以推荐特定的资产来稳定电网，其价值远远超过了许多关于电能质量的美丽图。

5 .唤醒人类的感情

数据产品最终被某种人采用，因此数据产品的顾客体验唤起人们的感情是非常重要的。 这个重要特征可以反映工业数据产品的成功还是失败。

由此可以得出结论，感兴趣的事件总是交叉存在的。 在工业行业越来越数字化，支出行业和工业行业的冲突越来越频繁，两个不同行业融合的过程中，上述五个“咒语”还有很长的路要学。 (帆)

【版权声明】本专栏所有副本版权归腾讯企业所有。 未经腾讯企业许可，任何组织、机构或者个人不得对本专栏的复印件实施转载、摘录或者其他任何形式的录用行为，违者腾讯企业将追究其法律责任。 】