数据科学不仅仅是一个技术领域，它还涉及到团队管理和项目管理。在职业生涯中，有幸参与了许多数据科学项目，并且从中学到了很多关于如何管理团队的宝贵经验。记得有一次，向一个从未领导过数据科学团队的人汇报工作。他是一个好人，也是一个优秀的管理者，但在领导数据科学团队方面，他并不擅长。他的大部分经验都来自于销售领域，这使得他在管理数据科学团队时遇到了困难。
没有什么比亲自参与团队项目更能让人深刻理解数据科学了。将明白为什么向潜在客户推销分析服务有时会很困难，为什么客户可能需要数月时间才会给一个公平的机会。也会理解为什么数据清洗看起来需要很长时间。此外，实施分析解决方案也会给带来自己的学习经验——可能会遇到哪些障碍？为什么需要对实施的正确性保持警惕？
如果只想从这篇文章中带走一个建议，那就是这个：除非亲自（最好是亲手）参与过项目，否则无法有效地领导一个数据科学团队。
虽然第一个建议帮助深入了解这个主题，但还需要理解这个主题的广度。这就是区分优秀管理者和出色分析师的地方。作为管理者，需要理解哪种工具和解决方案最适合解决什么问题。数据是否需要大数据解决方案，还是传统的数据科学方法就足够了？是继续在Excel上自动化报告，还是转向像QlikView或Tableau这样的工具？作为管理者，将面临这些问题，决策将影响团队成员以及他们如何分配时间。
这几乎是理所当然的——如果不擅长结构化思维，就不可能成为一个优秀的分析管理者。作为分析师，需要为非结构化问题提供结构。作为管理者，需要在会议中迅速提供结构。将参加缺乏结构的会议，只有当能够为讨论提供结构时，才能从中受益。
作为数据科学管理者，将被期望讲述基于数据的故事。基本的期望是擅长沟通想法。一个好的管理者应该能够有效地可视化数据，并以一种能够讲述连贯故事的方式呈现它。
如果需要了解产品的区域分布，最好的理解方式是什么？是通过区域或集群来制表渗透率？还是仅仅在地理地图上绘制热图？
展示与去年相比，15个集群的销售额如何变化的最好方式是什么？
越擅长讲故事，团队就越能成功地销售解决方案。