# Caution: Data Science Projects Can Turn into the Emperor's New Clothes

**URL:** <https://discuss.dataengineercafe.io/t/caution-data-science-projects-can-turn-into-the-emperors-new-clothes/577>\
**Category:** 97 Things Every Data Engineer Should Know\
**Tags:** data-science, book, communication\
**Created:** [May 2, 2023, 3:58am UTC](https://discuss.dataengineercafe.io/t/caution-data-science-projects-can-turn-into-the-emperors-new-clothes/577 "2023-05-02T03:58:37Z")\
**Posts on this page:** 2\
**Page:** 1

<div class="post-metadata">

**Author:** ![zkan](https://yyz1.discourse-cdn.com/flex035/user_avatar/discuss.dataengineercafe.io/zkan/32/2_2.png) [@zkan](https://discuss.dataengineercafe.io/u/zkan)\
**Post date:** [May 2, 2023, 3:58am UTC](https://discuss.dataengineercafe.io/t/caution-data-science-projects-can-turn-into-the-emperors-new-clothes/577/1 "2023-05-02T03:58:37Z")

</div>

โดย [Shweta Katre](https://www.linkedin.com/in/shwetakatre/)

เค้าบอกว่า challenge ใหญ่เลยของการทำโปรเจค data science ในทีมเลยคือการที่ทำให้ stakeholder เห็น progress ที่วัดผลได้ เพื่อให้ stakeholder มั่นใจว่าสิ่งที่เค้าลงทุนไปยังคงเดินหน้าต่อไปได้

เวลาส่วนใหญ่ 80% จะเป็นการทำพวก data collection/selection/preparation/exploratory อะไรพวกนี้ตามรูปด้านล่างนี้เลย จะเห็นได้ว่ามี overheads ที่ใหญ่มาก

 ![80% of time spent on data collection จากหนังสือ](https://canada1.discourse-cdn.com/flex035/uploads/dataengineercafe/original/1X/9e237845bb5daa87f39ad75951d46a5a55c55ee1.png)

ดังนั้นเค้าก็เลยให้คำแนะนำประมาณนี้

1. Understand the _sell-first_ approach - คือให้เราสื่อสารไปในแง่ที่บอกว่า stakeholder จะได้อะไรจากโปรเจคบ้าง และให้เราส่งมอบเป็นแบบ iterations แทนที่จะเป็น big-bang เพื่อให้ stakeholder ยังคงเห็นภาพ และยังคงได้รับสิ่งที่เค้าต้องการอยู่
2. Give a “face” to the project - คือให้เรามีของที่จับต้องได้ และเป็นตัวที่ให้ stakeholder เห็นภาพว่ามีอะไรเกิดขึ้นแล้วบ้างในโปรเจคนี้ เราอาจจะมี user interface (UI) ให้ หรือมี interactive dashboard ให้เค้าเล่น และเพื่อสื่อสาร progress ของงานที่เราทำ
3. Ensure environment readiness - เรื่องของ development environment ก็สำคัญ มันควรที่จะช่วยให้เราพัฒนาของออกได้เร็ว ช่วยให้เรานำข้อมูลมาวิเคราะห์ได้เร็วด้วย
4. Catalog scripts - เวลาที่เราเขียนสคริปต่าง ๆ เช่น ดาวน์โหลดข้อมูล หรือเตรียมข้อมูล เราก็ต้อง tag สคริปพวกนี้ให้ดี ๆ เพื่อให้นำกลับมาใช้งานใหม่ได้ง่าย

สุดท้ายถึงแม้ว่าโปรเจคของเราจะได้ผลลัพธ์ออกมาเป็น AI ที่ดีมาก หรือออกมาเป็น failure ก็ตาม การที่เรามี steps ต่าง ๆ ที่กล่าวมาข้างต้น ก็ยังคงช่วยทำให้ stakeholder ไม่สิ้นศรัทธาในงาน หรือในโปรเจคที่เราทำ

---

<div class="post-metadata">

**Author:** ![kahnwong](https://yyz1.discourse-cdn.com/flex035/user_avatar/discuss.dataengineercafe.io/kahnwong/32/295_2.png) [@kahnwong](https://discuss.dataengineercafe.io/u/kahnwong)\
**Post date:** [May 3, 2023, 6:33am UTC](https://discuss.dataengineercafe.io/t/caution-data-science-projects-can-turn-into-the-emperors-new-clothes/577/2 "2023-05-03T06:33:04Z")

</div>

อย่าลืม deliver small wins เป็นระยะๆ เขาจะได้ไม่คิดว่าเราเทเขา 😂