数据科学的领导者应该是不舒服的
利用不适感来实现数据科学的有效领导
领导一个团队不是我们很多人的梦想吗？这是职业道路上的自然发展，每个人都有自己的雄心壮志，想在公司、客户和整个分析世界中留下自己的印记。更重要的是，关于数据科学的文化，至少对我来说，意味着许多最有激情的人也想传授他们的知识和专长。
但是，领导是困难的。没有什么能让你为领导一个分析团队做好充分的准备。当然，你可以参加一些课程，其中一些课程有其价值，但没有什么能完全让你达到目的。你需要运用的经验和技能太抽象了，无法在理论上学习。它们只有在实践中才能真正理解。
除此之外，在数据科学领域，我们经常让我们的项目管理和领导风格漂移到舒适的领域。我们每天都在处理如此多的抽象的前沿技术，以至于我们几乎没有精力去处理混乱的领导工作。我们在技术方面如此努力，以至于我们试图在非技术方面做一些自然的事情。这并不奏效，因为作为数据科学的领导者，我们所面临的问题是混乱的、未知的领域。恰恰是因为我们处于一个前沿的领域。
因此，在我们组织的其他部门行之有效的管理理念似乎并不能很好地转化为我们的数据科学团队。我们的情况感觉太独特了，那些哲学似乎都不能处理支撑我们问题的细微差别。
对我来说，我花了很多时间进行试验，才找到可行的方法。重要的是，我还了解到，对我有用的东西并不适合所有人。它太依赖于更广泛的组织文化，被领导的团队的个性，以及领导者的个性。
因此，我不会声称这篇单一的文章会使你成为一个成功的领导者。但我希望它能给你提供工具，让你找到自己的个人道路。对我来说，这条道路一直是由一个重要的灯柱所指引。"我即将迈出的这一步有多不舒服？"
越是舒适的一步，越是需要证明它的合理性。作为处于未知领域的领导者，我们倾向于回到我们熟悉的事物。那些与我们的个性、我们的举止和我们的长处相适应的事情。我们经常忘记或忽视那些不舒服但能带来更好结果的选择。
在数据科学中，有两个大的主题可以帮助我们站在不舒服的灯柱旁。第一个是仆人式领导，即把我们团队的成功置于我们自己的成功之上的想法。第二是持续学习，在我们的职业生涯中，每天都致力于挑战自己的成长。他们会给你正确的心态，然后根据你的情况找到你需要的工具。
这到底是什么意思？
仆人式领导
说实话，当有人告诉我做一个仆人式领导时，我无法忍受。这个词听起来心地很好，但它又是如此模糊，几乎对任何人都意味着什么。正因为如此，每个人似乎都能从中得到不同的东西。
一方面，你有的人认为他们需要尽可能地使他们的团队工作生活舒适。另一方面，你会发现，只要能成功完成项目，他们可以随意对待自己的团队。仆人式领导是那种每个人都同意的完美咨询哲学之一，因为它对每个人来说意味着完全不同的事情。
但它确实有其价值，这也是我们经常听到它的原因。我们只是需要注意，不要只拿掉让我们舒服的部分，而忽略了不舒服的部分。就其核心而言，仆人式领导代表着首先帮助团队，其次才是领导者。职能方面的收获是。"把团队的幸福和成功放在首位，而不是你自己的。"
优先考虑团队听起来很明显，但它实际上是相当强大的，而且让人深感不舒服。你必须做和说一些会让你不舒服的事情，无论是积极的还是消极的。你必须愿意牺牲自己的舒适感，以支持你的团队在学习、项目和更广泛的职业生涯中取得成功为目标。
对于一个数据科学的领导者来说，这意味着你，当你觉得下一步是一个你已经很熟悉的模型时--挑战自己 "我把这个模型推给我的团队是因为我已经很熟悉它了，而我现在对学习新东西感到不舒服？"
同样地，当你觉得下一步是使用你的团队成员推给你的令人兴奋的新模式时，作为你自己 "这是因为我不舒服进行艰难的对话，把我的团队推向一个不同的方向吗？"
做一个仆人式领导意味着要采取将团队置于领导之上的选择。不幸的是，这样做的自然后果是，领导者往往会被推到他们的舒适区之外。因此，当下一步感觉舒适时，我们需要暂停。推动我们自己去证明为什么这个选择对团队更好。如果没有这种警惕，我们往往会朝着对我们这些领导者来说自然更容易的方向前进，而不是朝着对我们团队最有利的选择。
根据我的经验，我发现在仆人式领导的背景下，我可以利用六个主要的工具。这些工具并不详尽，它们的应用会根据你的情况而定，所以把它们作为一个起点，在对你有意义的地方进行补充。
**教导--**作为一个领导者，你往往比你的团队成员有更多的背景和经验。这并不是说你比你的团队有更多的技术专长，但你往往有免费的组织或背景知识，可以帮助团队最好地使用他们的技术知识。花点时间分享你所拥有的背景知识，并帮助团队理解它。教会团队在哪些情况下可以使用不同的模型，这些模型在你的组织中是如何被看待的，以及在开发过程中需要注意的危险信号。
**反思 -**腾出时间来回想你的团队中的事件。什么导致了成功？什么导致了失败？我们是否为我们的模型和分析设定了适当的期望？如果没有一个花时间进行反思的领导者，数据科学团队很容易陷入困境--提供与更广泛的组织目标不一致的模型。
**辩论 -**在数据科学团队中需要鼓励辩论。团队正试图使用数据来理解世界，就像任何形式的科学一样，会有相互竞争的假设。如果我们不鼓励辩论，而偏向于安逸，那么我们的解决方案和他们给出的答案就会受制于在该具体项目上工作的人的个人偏见。我们需要利用团队中的多样性（各种形式）来尽量减少这些个人偏见的影响。
流程- 流程对于数据科学团队来说是至关重要的。领导者必须处理模糊不清的问题，但对于更广泛的团队，我们需要确保有步骤可循，以支持整个团队的一致性和团队总体目标的一致性。这并不是说团队不能有创造性的自由，只是要很好地定义这种创造性的自由可以应用在哪里。例如，你的流程是用R语言建立模型还是用Python？你不能让一半的团队用一种语言工作，另一半用另一种语言，而不对交叉分享的机会做出重大牺牲。
**反馈--**反馈是领导者掌握的主要和最明显的工具之一，因此，有很多研究和很多文章来学习如何给予有效的反馈。简而言之，根据我的经验，最常出现偏差的是积极和消极之间的平衡。为了保持团队成员的士气，平衡必须向积极方面倾斜。需要几件积极的反馈来平衡一件消极的反馈。如果你不能找到这种平衡，那么你就需要考虑这个团队成员是否应该继续留在你的团队中。如果你想让他们留下来，那么你必须想办法把他们的积极因素回馈给他们，否则你就可以预期他们会离开。
做一个仆人式的领导，优先考虑你的团队。但要经常回头看看你的不舒服的灯柱，寻求指导。当事情感觉自然时，强迫自己去证明它。
持续学习
第二个基础理念是持续学习。你必须不断地寻找新的想法，新的领导方法，这些方法对你来说是不舒服的。正是因为它们让你感到不舒服，你才需要刻意去寻找它们。
我们中的许多人生活在回音室中。我们的组织就是一个。当然，我们阅读的文章，我们互动的社交媒体，我们观看的电视节目都可以是回音室。他们只是简单地把我们已经习惯的想法背给我们听。你有多少次在读完一本书后说 "这本书很好，我真的很喜欢"，但仔细想想，你并没有从这本书中得到什么新的东西，它只是强化了你已经培养的一些信念。
这很有挑战性。我们都不希望不断地阅读与我们现有信念不一致的东西。但这正是我们学习的地方--在思想的交汇处。如此多的科学进步来自于文化的融合，这是一个原因。不同的文化带来了相互冲突的思想，从而产生辩论并导致新的发现。
因此，当我消费一些关于如何成为一个有效的领导者的材料时，我寻找那些我预期会有不同意见的作者和观点。我有目的地走出我的回音室。这意味着我需要保持开放的心态，找到我觉得可以接受的观点，同时花时间故意拒绝那些我仍然不同意的观点。
具体来说，我问自己："我不同意其中的哪些部分？他们是如何证明他们的观点的？"再有，"我拒绝这个想法只是因为它让我感到不舒服吗？因为它不符合我预先存在的个性？"
这是一个令人不舒服的过程。我们都不喜欢或希望自己是错的，而这个过程的大部分时间是在怀疑自己。但是，这是很有意义的，因为总能学到一些东西，即使只是为什么这个观点没有意义。
我可能会从一篇告诉我我对所有事情都是正确的文章中得到很多乐趣，但我从一篇告诉我是错误的文章中得到更多知识。
作为一个有效的领导者，在很多方面，意味着在很多时候都是不舒服的。这意味着支持你的团队的方式对你来说并不自然，这让你感到不舒服，因为它们不是你的本能选择。这也意味着了解那些让你不舒服的想法，并花时间去寻找其中的真理，以帮助你更有效地管理你的团队。
然而，正是在这种不舒服的情况下，你才能最好地服务于你的团队并继续学习。这种不适感，如果利用得当，将成为指导你成功领导旅程中每一步的灯塔。它不会回答你的问题，但它会把你推向最有利于你的团队、你的组织和你的特定情况的工具方向。这是一个能给你的团队带来成功的领导力的地方，在他们的日常工作和更广泛的职业生涯中。
取得联系
请在LinkedIn上与我联系，以获得更多关于数据科学领域的观点。
Why Leadership is Uncomfortable最初发表于Towards Data Scienceon Medium，在那里人们通过强调和回应这个故事继续对话。
