做好比完美更重要

原文:towardsdatascience.com/done-is-better-than-perfect-e055d5993fe7?source=collection_archive---------0-----------------------#2024-07-30

如何成为一名更务实的数据科学家,以及这对你职业发展的重要性

https://medium.com/@twalbaum?source=post_page---byline--e055d5993fe7--------------------------------https://towardsdatascience.com/?source=post_page---byline--e055d5993fe7-------------------------------- Torsten Walbaum

·发布于Towards Data Science ·10 分钟阅读·2024 年 7 月 30 日

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/d24197c19442838c025e6750c646fc21.png

作者提供的图片(通过 Midjourney 生成)

你在工作中表现出色,且以自己知道做事的最佳方式为荣。既然你希望提升标准,你也要求他人达到同样的标准。这肯定会让你引起注意并晋升,对吧?

但是,接着你发现自己被忽视了,错失了晋升机会,而当你环顾四周时,你发现那些确实晋升的人,他们交付的工作远不如你的严谨。难道大家看不出差别吗,还是发生了什么事情?

如果你是一个高绩效者,很容易陷入完美主义的陷阱。这种情况从很早就开始了:学校和大学教育我们使用科学方法,任何偏离理想解决方案的做法都会被扣分。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/8777b8cbf2c2cbda6ec6cf82ac2e1732.png

作者提供的图片

这种学术方法常常延续到职场,尤其是在数据科学与分析这样严格的领域中。

然而,现实是:在高速增长的公司里,完成工作比追求完美更为重要。如果你无法以业务所需的速度交付结果,企业将不会等你。

这篇文章将教你如何避免这种情况的发生。

我将涵盖:

  1. 为什么完美主义正在阻碍你的职业发展

  2. 如何识别完美主义以及该如何应对

  3. 什么时候该务实,什么时候不该务实

  4. 如何变得更加务实

[## 每当 Torsten Walbaum 发布新文章时,获取邮件通知。

每当 Torsten Walbaum 发布新文章时,获取邮件通知。通过注册,如果你还没有 Medium 账号,你将创建一个新账号…

medium.com

为什么完美主义会让你止步不前

从表面上看,完美主义听起来很好:你基于内在对完美的渴望,追求卓越。你所生产的任何东西都不会让你的经理或公司显得不好。

但完美主义可以成为你职业发展的主要障碍:

1. 完美主义降低了你的产出。

  • 研究表明,人类倾向于更看重短期结果,而非长期结果。这就是为什么我们在可以立刻用钱去度假时却难以为退休储蓄。

  • 在工作中,这意味着完美主义者会尽力减少犯错的机会(因为那会导致直接的负面后果),因此花费过多时间去打磨交付物。结果是产出减少,从而使得晋升变得更加困难。

2. 完美主义限制了你的成长机会。

  • 完美主义者会竭尽全力去减少错误的可能性。自然的后果是,他们往往会待在自己的舒适区内。

  • 如果你从事市场营销数据科学工作,做 B2B SaaS?最好继续专注于你已经掌握的知识,即使你发现自己更有兴趣做消费金融产品分析。如果你转行,你将不得不从头学起新行业,而且更有可能犯错;为什么要冒这个险呢?

根据我的经验,完美主义在高度分析型的人或有高级学术背景的人中尤其常见。而且它变得越来越普遍。然而:

在一个高速成长的环境中成功的艰难但必要的认识是, “把你带到这一点的方法不会是你能达到下一个层次的方式”

你可能因为能够交出完美无缺的工作而取得了好成绩,并被目标研究生项目录取,花费几个月时间打磨一篇论文或项目。但你在工作中很少有机会展示这种能力。

做工作时想到“我本可以做出更复杂的版本”是痛苦的;有时候,你甚至会为自己随便拼凑出来的粗糙方案感到羞愧。但要记住,你在一个交付物上投入的时间很快就会出现收益递减的情况:

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/26937da9eeb487f43d345f5d351c753e.png

图片来源:作者

如何识别完美主义以及该如何应对

应对完美主义的第一步是了解你所面临的是哪种类型。完美主义有三种类型:

  1. 面向自己(你对自己设定了不可能达到的高标准)

  2. 社会规定的(你觉得别人要求你完美),以及

  3. 面向他人(你对他人设定了不现实的高标准)

例如,如果你意识到你的完美主义至少部分来源于你认为来自经理的不切实际的高期望,你可能需要和他们一起解决这个问题,而不仅仅是尝试改变自己的心态。

鉴于完美主义可能源于许多因素,包括早期的童年经历,在一篇博客文章中提供一刀切的解决方案并不现实。因此,我将重点讨论完美主义在职场中的不同表现,以及你可以在这些具体情况下做些什么。

症状 #1:完美主义者无法跟上业务的节奏 🚀

  • 这是什么样子的: 完美主义的数据科学家提出复杂的方法,尽管公司需要的是几周内的结果,他们却需要几个月才能见到成效。他们不愿妥协,你常常听到“那不可能”。

  • 如果你是这样的人: 记住,作为数据科学家,你的工作是帮助业务完成任务。与其说“那不可能”,不如提供一组选项及其相应的时间表,并强调其中的权衡。这将使业务能够在了解风险的情况下前进,而你也能够“保护自己”。

对我有帮助的: 不要专注于你可以如何改进交付物,而是思考如果你完全没有提供任何意见,项目会变得多么糟糕(如果你不够快速,这将会发生)。

  • 如果你正在面对这个问题: 与其问别人需要多久,不如沟通一个明确的截止日期,并询问在该日期之前可以完成的工作。明确指出是否仅需要方向性分析;通常,推动工作的需求比人们想象的要简单且不那么严格。

症状 #2:完美主义者在做出决策时对不完整的数据感到不安 📊

  • 这是什么样子的: 完美主义的数据科学家在做决策时往往会陷入瘫痪。他们拖延决策,希望能获取更多信息或进行更多分析以降低决策风险。

  • 如果你是这样的人: 给出明确的建议,并说明你的信心程度,以及如果你错了会发生什么。你还应该列出你决策时所依据的关键假设;如果 1)别人不同意这些假设,或 2)后来得到的新信息改变了其中一个假设,你将能够进行调整。

对我有帮助的: 意识到我们 从来 没有完美的信息。每一个决策在某种程度上都是基于教育性猜测,而且 研究表明我们往往会过度后悔我们所做的决定

  • 如果你正在面对这个问题: 让人们直接面对问题;向你的团队要求建议或决策,而不是选项。并且培养一种文化,即根据当时所知来评判决策,因为事后总是容易挑出问题。

症状 #3:完美主义者经常成为他人的障碍 🚫

  • 这是什么样子的: 完美主义者不断挑剔别人提案中的漏洞,却不提供替代方案。

  • 如果这就是你: 不要试图在公司内部强制要求完美。扮演“反面角色”并互相挑战是重要的,但应该是建设性的。将项目视为一个优化问题,你需要在给定的约束条件下(时间、预算等)找到最合适的解决方案。

对我有帮助的是: 假装如果你批评别人的提案,那么你现在就得负责解决问题。这样迫使我从“这不合理”转变为“这是我会怎么做”。

  • 如果你正在应对这种情况: 设定一个期限来提出替代方案,并奖励那些专注于解决方案的思维,而不是那些只指出问题的人。

症状 #4:完美主义者打磨每一个交付物 🎁

  • 这是什么样子的: 每一份文档或幻灯片(即使是个人笔记或内部文档)都被精确地格式化和设计。

  • 如果这就是你: 将精力集中在面向客户的交付物和向高层汇报的文档上。任何时间花在美化内部工作文档上,都是本可以用来推出更多项目的时间。

对我有帮助的是: 试着从反方向思考。每个人都会注意到你花了很多时间在打磨这个内部文档,而不是做一些有影响力的事情。在一个快速发展的公司里,这实际上比交付一个边缘粗糙的文档看起来更糟。

  • 如果你正在应对这种情况: 以身作则;营造一种文化,让截图的仪表盘图表和简短评论成为制作幻灯片的可接受方式。不要挑剔诸如颜色或字体选择这样的琐事。

附注:这并不意味着你应该提交完全没有格式的东西。花五分钟时间使文档 易于理解 (不一定要漂亮)是值得的。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/eecc17a45094d5871c6457c88f1de163.png

作者提供的图片

症状 #5:完美主义者提供过多细节 🔬

  • 这是什么样子的: 完美主义者在书面和口头交流中加入过多细节。他们不喜欢简化,并使用大量技术术语。

  • 如果这就是你: 专注于关键见解,并将支持信息放在附录中。使用简单的英语;你希望来自不同团队和背景的人都能理解你的工作。只有当别人理解你的分析结论时,你才能真正实现影响力作为数据科学家

对我有帮助的是: 不要试图预先预测所有问题并提前回答。将最可能的问题放在 FAQ 部分,并准备现场回答任何剩余问题;这实际上让你看起来比在文档中包含所有内容更有能力。

  • 如果你遇到这种情况: 请要求报告人提供五分钟的执行摘要,迫使他们专注于关键点。然后根据需要提出有针对性的后续问题。

什么时候应该务实,什么时候不应该

有时候,做到 100%准确是必要的,而有时候,速度比完美更重要。但是,什么时候应该务实,什么时候又是一个坏主意呢?

以下是你应该考虑的因素,以指导这个决策:

  • ♻️ 这个决策是可以逆转的吗? 有些决策是单向门,而有些则不是。你应该将大部分时间花在分析那些逆转成本高的决策上,而对于其他决策,可以通过有根据的猜测来处理。

  • 💰 错误的预期财务成本是多少? 即使一个决策是可以逆转的,逆转的代价可能也很高(例如浪费工程资源、花钱买了错误的工具等)。那些逆转成本高的决策应该得到更多的审查。

  • ⚖️ 如果你犯错,会有声誉损害或法律后果吗? 必须收回你在内部做出的声明是尴尬的;如果你向监管机构承认自己犯了错误,可能会有严重的后果。作为经验法则,任何涉及监管机构、华尔街、董事会或客户的事务,都应该接受最严格的审查。

  • 📈 这个决策对分析的敏感性有多大? 一个常见的错误是,即使额外的准确性不会改变决策,也不断投入时间进行分析。例如,如果你想估算一个新商业机会的潜在收入,知道这个机会的范围是 1 亿美元还是 10 亿美元,可能足以做出是否继续的决策。

  • 🗑️ 这是一项可以丢弃的工作吗? 将时间投资于那些将长期使用的工作,比那些仅用于一次性决策的分析更有益。对于当前问题,可以将临时分析做得“足够好”,而将大部分精力集中在优化那些将被内部或外部客户广泛使用的工作上。

https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/8e9234e399c93f3494ddc529be661c1d.png

图片由作者提供

如何变得更加务实

我自己也曾经需要去摒弃完美主义。这些思维方式的转变帮助了我:

  • 意识到即使你做得完美,仍然会经常失败。 例如,仅仅因为你对你的总可寻址市场(TAM)做了无懈可击的分析,并不意味着你的市场进入就一定会成功。关键成功因素是要有更多的“射门机会”,所以你应该将更多的时间花在尝试更多的事情上,而不是把时间浪费在完善单一事物上。

  • 不要关注你做错的事情,而是关注你做对的比例。 如果你大部分时间都做对了,偶尔做错也是可以接受的。例如,亚马逊的领导力原则是“领导者通常是对的”(而不是“每次都是对的”)。

  • 在低风险情境中锻炼你的判断力。 即使你不是决策者,也要练习做出判断。例如,如果你参加一个会议,会议上有高层领导需要做决定,思考一下你会怎么做。决策就像是一块肌肉,最好的锻炼方式是在低风险情境中进行。

结论

变得更加务实是一个过程;它需要时间,因此不要指望一夜之间改变自己的思维方式。但这是值得的;它不仅会增加你的影响力,还会减少你的压力,因为你将花更少的时间去追求那难以捉摸的完美。

想要获取更多实用的分析建议,可以考虑在 Medium、 LinkedIn Substack 上关注我。

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值