Hvordan man bliver freelance Data Scientist

Sådan markedsføres dine tjenester, finder klienter og opkræver mere som datalogi-freelancer

Selvom det er sandt, at den bedste datalogi udføres af dem, der kender deres organisation meget godt, er der meget om datalogi, der egner sig godt til høringsstilopgaver. Jeg har arbejdet som freelancer inden for datavidenskab (og analyse mere generelt) i en bedre del af et årti, og i dette indlæg viser jeg dig, hvordan du freelance ved hjælp af dine datavidenskabelige færdigheder.

Det eneste krav

Der er virkelig kun én ting, du skal gøre for at blive freelance data videnskabsmand - du skal få klienter til at betale dig penge for at udføre datavidenskabeligt arbejde. Det er det.

Andre indlæg om dette emne vil diskutere ting som at få en forretningslicens og spare op til 6 måneders udgifter. De viser alle de færdigheder, du skal være dygtige til, før de søger din første klient. Men sådan gør du tingene forkert. Du kunne have alle de færdigheder i verden, en forretningslicens og et redeæg. Men uden at betale klienter er du ikke freelancer, du tager bare en karriere pause.

Med det sagt, lad os komme i gang med de vigtige ting.

Sådan får du kunder

Der er et ordsprog i freelanceverdenen, der går sådan her - hvem som helst kan få en første klient, men kun en ægte forretningsperson kan få et sekund. Hvad dette betyder er, at enhver kan finde en klient gennem deres netværk. De kan plage venner, fætre, succesfulde onkler. De kan kontakte tidligere arbejdsgivere. De kan tale med nok mennesker til, at de til sidst vil snuble i noget arbejde.

At udnytte dit netværk som dette er både en velsignelse og en forbandelse. Når du lander den første klient dagen efter, at du har startet dit freelancing-eksperiment, tror du, at det altid vil være så let. Du stoler på dit netværk for at give dig det næste projekt. Og du krydser gennem dit forhold til din første klient uden nogensinde at lægge det nødvendige salgs- og marketingarbejde for at sikre, at der er en anden, der venter på dig, når du er færdig. Kun for at finde ud af, at netværket er tørret op.

Lad mig være klar. Du skal fortælle alle, du kender, at du går freelance. Et netværk gør aldrig ondt. Men hvis du vil have en seriøs indsats for at være freelance data videnskabsmand, kan du absolut ikke stole på dit netværk for at finde dig projekter, hver gang du er uden arbejde.

Datavidenskab adskiller sig fra de fleste freelance-discipliner - meget få mennesker har brug for det (i modsætning til f.eks. Frisørtjenester), succes er objektiv (i modsætning til logo-design), og det er meget værdifuldt arbejde, der endnu ikke er kommodiseret (i modsætning til grundlæggende kodning) ). Det er vigtigt at huske disse forskelle, når du planlægger din marketing- og leadgenerationsindsats.

Kend din kunde

Der er normalt kun en håndfuld mennesker i enhver organisation, der har beføjelse til at købe datalogi-konsulenttjenester. De er administrerende direktør, CTO, software engineering manager og afdelingsleder, der arbejder på et afgørende projekt inden for deres domæne (såsom en risikoleder eller HR-chef).

Disse mennesker er dine kunder. Du burde lære dem at kende.

Hvis du har oprettet et websted, der beskriver dine tjenester og oprettet en AdWords-kampagne i håb om, at disse mennesker vil lede efter 'Freelance Data Scientist' i Google, har du gjort det forkert. Denne gruppe mennesker vil aldrig finde dig på den måde. Hvad du finder, hvis du søger på 'Freelance Data Scientist', er artikler som denne (inklusive en anden af ​​mine), artikler, der forklarer, hvordan man bliver freelance data videnskabsmand, eller hvordan det daglige liv for en freelance data videnskabsmand er .

Folk i stand til at købe dine tjenester starter ikke med et ønske om at købe, de starter med et problem.

Her er en sag for sag forklaring på, hvad jeg mener:

CEO'er er under pres for at forblive konkurrencedygtige og rentable. Deres problem er at finde de bedste måder at få en fordel på et konkurrencepræget marked. De er (normalt) ligeglad med, om du kender din Adaboost fra din Adagrad. De har simpelthen brug for hjælp til at forbedre det ene eller to tal, som deres jobpræstation vurderes efter.

CTO'er og softwarechefer er de mennesker, som administrerende direktører henvender sig til, når de mener, at et forretningsproblem skal løses gennem smart brug af teknologi. CTO'er ønsker ikke at ansætte freelance dataforskere til helvede. Ingen CTO, jeg nogensinde har mødt, har haft 'mit budget er for stort' problem. Dette er de mennesker, der vil forsøge at finde ud af tingene selv (med hjælp fra deres hold). Dette betyder, at de vil søge efter specifikke svar på specifikke spørgsmål. Hvad er den bedste algoritme til Churn Prediction? Kan jeg bruge Azure ML med AWS Redshift? Den slags ting.

Endelig leder afdelingslederne, der kører vertikale specifikke projekter, ikke efter freelance dataforskere, fordi de ikke har nogen idé om, hvad en dataforsker er. De har brug for at vide, hvordan man beregner medarbejderomsætning på pro-rotabasis over en gruppe på 10.000+ medarbejdere. De har brug for at vide, hvordan man automatiserer bestemte sektioner af deres tegningsforsikringsprocedurer for at reducere de arbejdstimer, der bruges på mindre opgaver. De har brug for ærlig rådgivning fra en ekspert i ord, de kan forstå.

At køre annoncer mod ordene 'Freelance Data Scientist' kan være meget lettere, men det er meget mindre effektivt end at hjælpe nogen af ​​disse mennesker med deres egentlige problem.

Vælg en niche

Datavidenskab er et bredt felt. Næsten enhver dataforsker, der er værd for deres salt, kunne sammensætte et rudimentært datalager, oprette et instrumentbræt, implementere lineær regression fra bunden og træne et nedbrydningsnet. Det er det, der gør marken sjov.

Desværre er forskellige færdigheder sæt til at skelne mellem virksomheder.

For at nå dine kunder (angivet ovenfor) bliver du nødt til at oprette marketingplaner dedikeret specifikt til deres problemer.

Nogle mennesker tror, ​​at datalogi allerede er en niche. Jeg vil argumentere for ellers, men at semantisk skelnen ikke engang er vigtig her - jo mere fokuseret du kan være, jo bedre fungerer din marketing.

Den reaktion, du ønsker fra nogen, der besøger dit websted, er 'Jeg kan ikke tro, at dette eksisterer'. Du vil komme med et tilbud, der er så unikt og skræddersyet til en bestemt gruppe mennesker, at deres beslutning om at købe (eller i det mindste kontakte dig) bliver automatisk.

Dette betyder ikke, at du ikke kan gøre noget andet i hele din karriere, og at du altid vil være kendt for kun én ting. Det betyder, at de mennesker, du er interesseret i at finde dig , finder dig. Når du først er inden for døren, og når du først har opbygget tillid, kan du arbejde sammen med dem om de projekter, du ønsker. Faktisk, hvis du gør det første projekt godt, vil de sandsynligvis bede dig om at gøre det andet, uanset om det er i din niche eller ej.

For at give dig nogle eksempler på nicher, her er dem, jeg har haft gennem hele min karriere:

  • Bygning af datalager til datavidenskabsprojekter i FMCG-virksomheder
  • Bygge anbefaling motorer til indholdswebsteder
  • Forudsigelse af sjældne hændelser inden for detailhandel og e-handel (køb, churn, svindel, tyveri)
  • Brug af computersyn i SaaS-apps

Hver af disse er afhængige af et specifikt område inden for datavidenskab og en bestemt industri. For din første niche skal du vælge det datavidenskabelige område, du er mest fortrolig med, og en branche, som du holder af at hjælpe.

Marketing ved deling

Når du først har valgt en niche, skal du komme i gang med markedsføring inde i den. De fleste mennesker kan lide at lære, og de fleste mennesker prøver først at løse deres problemer alene. Du vil gå langt med at lære andre.

Jeg læser så mange datavidenskabelige blogs, der analyserer de samme Kaggle-datasæt igen og igen. Eller værre, de bruger np.linspacetil at generere et datasæt til at forklare noget koncept eller fænomener. Sådan fungerer datavidenskab i erhvervslivet. Artikler som denne starter for sent (de beskriver ikke dataindsamling og rengøringsindsats) og stopper for tidligt (de beskriver ikke løsningens forretningspåvirkning).

Hvis du vil skrive et blogindlæg for at forklare et koncept i håb om, at en potentiel klient finder det, skal du forklare i artiklen, hvordan konceptet løser deres problem.

Personer, der søger datavidskunder, bør aldrig skrive en generel redegørelse for en bestemt algoritme. Gå den ekstra afstand og find et problemområde i din niche, som du kan anvende det på. Og gør dette meget. Jo mere du skriver om din niche, jo flere mennesker vil sidestille dit navn med det specifikke område, bliver du no-brainer leje.

Hvis du opbygger en stor nok krop af denne slags arbejde, vil dit SEO-spil være i topform, og kunderne begynder at finde dig. Ikke alle vil konvertere, men nogle vil, og de vil være de mennesker, hvis problemer du ved, hvordan man løser.

Byg en proces

Nu hvor du får kunder, skal du optimere processen med at arbejde med dem. Dette er vigtigt af to grunde:

  1. Det hjælper engagementet med at gå glat og forhindrer omfang-krybning
  2. Det giver dig mulighed for at udtrække og genbruge vigtige leverancer

En anden fordel ved at have en niche er, at du ender med at se de samme problemer igen og igen. Du kan genbruge de samme algoritmer, forklare din løsning på samme måde og køre de samme opdagelsesmøder igen og igen. Dette sparer dig utrolig meget tid og giver dig mulighed for at fokusere på det vigtige arbejde i projektet.

Den proces, du ender med at udvikle, bliver et salgsargument. Det vil være den ting, du bruger til at forklare, hvordan du arbejder i casestudier og tonepræsentationer. Så snart du kan, skal du begynde at dokumentere stadierne i hvert projekt, få alle dine leverancer i orden og lære at skrive casestudier baseret på din proces.

Dobbelt din sats

De fleste freelancere opkræver for lidt. De laver algebra og finder ud af, hvor meget de tjente i timen på deres gamle job, og bruger det. På trods af masser af råd til det modsatte synes det stadig at være den måde, folk går på.

Så hvad jeg vil sige er dette - hvis ingen skubber tilbage på din sats, når du sender et forslag, skal du fordoble det næste gang. Og fortsæt med at fordoble det, indtil nogen siger, at det er for meget.

Det kan være let at afskrive dette som grådigt eller selvdestruktivt, men faktum er, at hvis du laver meget nichearbejde, bliver du meget hurtigt ekspert på det. Eksperter kommer til at opkræve en præmie. Du skal belønnes tilstrækkeligt for at udvikle processer og leverancer, der giver dig mulighed for at udføre arbejdet hurtigere end nogen anden. Hvorfor skal du straffes for at være effektiv?

Har en exitstrategi

Uden en bestemt plan går forholdet til klienter som entropi. De siger, at de vender tilbage til dig, når de har et nyt projekt, du vil sige tak for muligheden.

Det øjeblik, du er færdig med at udføre godt arbejde for en klient, er det nøjagtige rette tidspunkt at bede om henvisninger og udtalelser. Når du er færdig med at sende en e-mail med et kort spørgeskema om, hvordan processen gik, og bede om navne og kontaktoplysninger på mennesker med lignende problemer, får du dig til at ligne en professionel, der er interesseret i at hjælpe samfundet.

Den eneste gang dette ville være et problem var hvis arbejdet var understandard. Så gør godt arbejde og bed om at blive henvist.

Glødende tilbud hjælper med socialt bevis for dit marketingmateriale. Og udgangsspørgeskemaet giver dig mulighed for at bestemme, hvad klienten gerne vil se i en casestudie om dem.

At bede en klient om at skrive en anbefaling til dig (uden at være nøjeregnende) giver dem chancen for at reflektere over de gode ting, der skete under hele projektet og slutte på en høj tone i stedet for de pressede, hastede følelser, som store implementeringer normalt kan efterlade dig med.

Tak for læsningen

Hvis du har spørgsmål om at være freelance data videnskabsmand, er du velkommen til at e-maile mig.

Hvis du er interesseret i at få mere specifik rådgivning om freelancing som dataforsker, tilbyder jeg nu et kursus.

Oprindeligt offentliggjort på machinelearningphd.com den 9. marts 2019.