全文共1741字，预计学习时长6分钟
图源：unsplash
不久前，有人在工作中问了我一个问题。这让突然我意识到曾经犯下了一个严重的错误，毁了我五年多的工作声誉。
这项工作是我从博士阶段就开始的，经过了两任雇主。下文大致写了我的经历以及从中获得的经验教训，希望你能引以为戒。
什么问题？
（一位数据科学家在上班第一天与公司的首席执行官进行了交谈。首席执行官需要有人来预测哪些用户会购买公司产品。数据科学家立刻开始了工作。）
在任职数据科学家有一段时间后，同事问我“你认为什么时候可以开始用到机器学习、人工智能和预测建模？”。
我并不明白他在问什么。这么多年来，我们不是一直在使用机器学习、人工智能和预测建模吗？困惑归困惑，我还是委婉地指出了两年前的一个项目。
我说：“你还记得去年秋天我们做的那个项目吗？公司一半的人都在会议室里一直开会到深夜那一次。”
同事说：“当然啦！那真是太有趣了，那对于我们团队来讲至今难忘。我知道我们干了件大事。”
我说：“我也很喜欢这个项目……事实证明，我们运用预测建模来确定邀请哪些客户参与这个项目。所以我们一直在使用预测建模。而且是每天都在用！”
问题的真实面目
问题是我的同事们，也许是大多数人不知道自己已经（并且有很长一段时间）成功地应用了机器学习、人工智能和预测建模等相关技术，这是数据科学工作的核心。这得怪我。
（这是一个半自传故事。在这个故事中，首席执行官要求新来的数据科学家预测哪些用户会购买公司产品。数据科学家用逻辑回归集成完成该任务后，首席执行官问：“你试过机器学习吗？”）
经验教训
这幅漫画中的数据科学家，以及我在数据科学职业生涯初期的时候，对所做工作报告不足，描述不当。逻辑回归是一种有监督的机器学习技术。使用集成（多个实现相关模型）也是预测分析中常用的技术。
我曾以为避免使用现代的、行话式的、笼统的、几乎毫无意义的时髦术语，比如“机器学习”、“人工智能”和“预测建模”等词汇，利人又利己。
图源：unsplash
我曾用一些我所知道的术语代替这些笼统的时髦术语，以期实现更具体、更精确的解释。这幅漫画中的数据科学家也犯了和我类似的错误。
无意之中，由于没有明确地将逻辑回归的集成描述为有监督的机器学习算法，很少有人意识到这项工作就是数据科学的应用。
如何避免该错误
从这次经历中，我得到了教训并仍在学习中。下面列举其中的一些：
1.让他人清楚了解你的努力。这意味着你需要以尽可能多的沟通方式，去花时间沟通，准确地表达自己在做什么以及为什么要这样做。幸运的话，老板或导师会帮助你做这样的事情，但不要一直等待别人的许可。
为避免此错误，可以寻求并使用尽可能多的沟通方式（例如，面对面交流、一对一沟通、小组讨论、Slack、电子邮件、状态报告等）。
还需注意的是，要找到别人能接收到你信息的沟通方式。如果不确定，请寻求帮助，以确定你所在公司中最有效的方式。
图源：unsplash
2.用词很重要。从对方的水平层次满足其需求。在我的案例中，我没能从同事的水平上满足其需求，因为他们期望听到的是“预测分析”等词汇，而我却用“有监督的机器学习逻辑回归集成技术”给了他们重重一击。我错认为，将这项工作深入浅出地解释会利人利己，事实上，我让事情变复杂了。
为避免此错误，在你开始谈论工作前，先听听你的听众认识哪些术语和短语。使用他们认识的术语和短语。细心并设身处地地来引入新的术语、短语。
3.过去的还会上演。回顾我在成为数据科学家之前的工作，通常是教育工作者或大学管理者，我发现曾经对自己的工作报告不足或描述不当。
这个错误，无论是技术领域还是其他行业的专业人士都可能会犯，为避免此错误，必须从过去经历中吸取教训，否则你将会重蹈覆辙。
如何描述自己的工作是一项艺术。在这方面的疏忽差点儿让我的声誉完全毁掉。我们已经在公司用到机器学习、人工智能和预测建模很长一段时间了。同事却以为还没有开始！
学会沟通和表达，这在职场上很重要。
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）