原文：
www.kdnuggets.com/2023/07/7-steps-mastering-data-science-project-management-agile.html
图片来源：作者
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织中的 IT
敏捷方法论是在 2001 年初，当 17 人聚在一起讨论软件开发的未来时发现的。它基于 4 个核心价值观和 12 条原则。
它在快节奏、不断变化的科技行业中非常受欢迎，这很好地反映了它的特点。作为一种完美的数据科学项目管理方法，它允许团队成员在项目增长的过程中不断审查项目要求，来回调整，并进行更多的沟通。该模型随着用户导向的结果而发展，节省了时间、金钱和精力。
在数据科学生命周期的不同阶段做出关于更改的决定，比在项目完成后再做决定要好。让我们谈谈你可以采取的 2 个步骤，以启动你的敏捷数据科学项目管理。
一种敏捷方法的例子是Scrum。Scrum 方法使用一个框架，通过一系列的价值观、原则和实践来帮助团队创建结构。
例如，使用 Scrum，数据科学项目可以将其较大的项目拆分为一系列较小的项目。这些迷你项目将被称为 sprint，并包括 sprint 计划，以定义目标、要求、责任等。
为什么这有益？因为它帮助团队的不同成员对自己的任务负责，以完成一个 sprint。已完成的 sprints 在业务的最终目标中扮演重要角色，例如推出新产品。
员工通过能够发现解决挑战的方案来专注于为最终用户提供价值，这些挑战可能会在 sprints 中遇到。
Scrum 工具包括：
Kanban 是敏捷方法的另一个示例。它是一个源自日本库存管理系统的流行框架。Kanban 向员工展示当前和待办任务的可视状态。每个任务，也称为 Kanban 卡片，都显示在 Kanban 状态板上，代表其完成的生命周期。
例如，你可以设置生命周期列，如进行中的工作、已开发、已测试、已完成等。这可以帮助数据科学家更早地识别瓶颈，并减少进行中的任务量。
Kanban 被认为是数据科学领域非常流行的框架，许多数据爱好者采用这种方法。它是一个轻量级的过程，具有可视化的特性，以改善工作流程并轻松识别挑战。这是一种易于实施的方法，数据科学家对于“你的下一个任务是什么？”的反应很好，而不是“你在下一个冲刺中有哪些任务？”。
Kanban 的工具包括：
敏捷方法的第一个初始步骤是计划。计划，计划，再计划！我无法强调这一点的重要性，这就是为什么重要的是学会先走后跑。拥有像 Monday 或 Jira 这样的工具很好，但如果不进行计划，你将无济于事。
召开讨论会议，以确保你和你的员工都在同一页面上，每个人都理解需要做什么，并且每个人心中都有相同的计划，这是至关重要的。缺乏规划可能导致错过截止日期、缺乏动力和员工生产力下降，以及项目不可行。
一旦每个人都在同一平台上，你就可以继续进行下一步。
下一阶段是设计你的项目，这基于你与员工的讨论。你团队在规划讨论中涵盖的所有方面将帮助你设计一个有效的解决方案来解决当前任务。
在这个阶段，沟通是你最大的工具。你团队的其他成员可能有不同的工作方式或任务划分方法。因此，作为团队成员，你有责任设计一个满足所有人需求的解决方案，基于他们的工作方法、可用性等。
在这个阶段，你可以分配谁负责项目的哪个方面。这会给员工一种重要感，从而提高他们的生产力。一旦员工被赋予了任务的一部分的所有权，他们有责任确保该部分任务顺利进行，按时完成，一切按照计划进行。
这就是你讨论、规划和设计显现的地方。你可能认为在这个阶段你不需要再与团队成员沟通，可以直接开始工作。这是不对的。这个阶段沟通尤为重要。每周站会很重要，它帮助所有员工保持信息同步，并相互交流。
在你为当前任务开发解决方案的过程中，你将遇到挑战或瓶颈，这些可能会让人感到非常压倒，并改变你的时间表以及其他人完成任务的能力。沟通每一个成功和失败的步骤对保持所有成员的了解很重要，也让其他人能够给予你帮助。
如果你正在分析数据、创建算法或为业务生产新产品，你将需要对其进行测试。然后再测试一次，甚至要多测试几次。
确保你在数据科学项目中尽可能准确没有任何坏处。不仅团队成员投入了时间和精力在这个解决方案上，如果它准确并解决了问题，那就更好了。
最后你想做的事情就是反复回去，因为你的结果没有像第一次那样准确。
数据科学项目中最自豪的时刻之一。与团队成员沟通，将最新的增量投入生产，在它可供实际用户使用之前。
数据科学家需要将自己置于一种情境中，仿佛接下来要将解决方案交给客户一样。对整个数据科学项目及其高低起伏进行审查、文档记录、修正和讨论是很重要的。
因为说实话，类似的项目将会出现，与其从头开始，不如利用你以前项目的文档作为你下一个项目的垫脚石。正是这些审查和文档将在讨论/规划下一个数据科学项目的第一步中被使用。
确保你拥有成功进行敏捷数据科学项目管理所需的正确工具是一回事。但能够从每个阶段中获得最大收益则更为重要。沟通很重要，你现在已经知道这一点了，因为我提到了无数次。但为了获得回报，你必须努力工作，这需要大量的沟通。
Nisha Arya 是一名数据科学家、自由技术作家和 KDnuggets 的社区经理。她特别感兴趣于提供数据科学职业建议或教程及理论知识。她还希望探索人工智能如何有益于人类寿命的不同方式。作为一名热衷学习者，她寻求拓宽自己的技术知识和写作技能，同时帮助引导他人。