对内部数据分析准备情况进行真实有效的评估。数据驱动型决策是商业世界中规模更大、全球性的"数字化转型"运动的组成部分之一。实现有效数据科学的挑战不是短暂的，而是沿着更大的旅程（通常，向人工智能和云倡议）前进的步骤。诚实评估您的组织对此旅程的承诺，并相应地"正确大小"您的数据科学计划，以适应风险和预算概况。要使全面的数据科学成功，您的组织必须完全接受数据驱动的数字化转型。
没有人能够直接将现成的预测系统卖给你。数据科学需要深厚的学科专业知识和对业务独特方面的熟悉。即使您聘请顾问启动数据科学计划，您的内部团队也必须及时学习如何维护和发展他们构建的模型和管道。有效的数据科学会影响您对业务中核心问题的思考方式;几乎从来没有一个现成的预测系统，只是为大家工作。
在IT行业中获得更多盟友。对于许多公司IT团队来说，数据科学家的计算需求相对新颖：数百个开源库；Python和R等语言；海量内存需求；GPU和矢量加速器。为了让数据科学团队取得成功，他们需要IT盟友的支持和协助。
不幸的是，企业IT团队往往有“拒绝塔”的坏名声，而且数据科学领导者(特别是那些刚进入企业的人)很容易对IT同行变得愤世嫉俗。我们已经看到数据科学领导者和IT部门通过将DataFocus实施为用于协作、部署、安全和治理的企业级平台，在中间地带进行了富有成效的交流协作。
从细节开始。尽管数据科学和机器学习的领域可能看起来很广阔，令人望而生畏，但请记住，你总是可以从细节着手。选择一个真正令人痛苦的问题，明确业务驱动因素，并迅速赢得帮助，帮助建立认同和信任。早些时候，明确地解决一个清晰且易于理解的问题比在一个宏大而雄心勃勃的问题上产生模棱两可的结果更重要。
随着公司真正拥抱数据科学，他们将经历远远超出组织结构图的转变，延伸到文化、规范和思维方式。这种改变是值得努力的：虽然标准的装配线业务分析是关于计算度量的，但数据科学让你有洞察力来构建更好的尺子。
Comments | NOTHING