我是统计学专业的研究生，因此参与了与应用科学家（经济学家、林业学家等）的几次合作。这些合作很有趣（大部分时间），我确实学到了很多东西，但也有一些复杂性，例如：
我可能会想到更多的点，但这些是我首先想到的。
我要问你的问题是：
注意：这个问题或多或少与这个问题相反。
你得到了很好的建议，但随着你的经验扩大，它会多样化。
其他可能性包括：
科学家应该具有相当多的主题专业知识，例如在测量以及什么样的关系使物理（生物，无论什么）有意义。表现出你尊重他们的专业知识是建立良好关系的自然而融洽的方式。
科学家可能知道你不知道的统计知识。例如，大多数天文学家比许多统计学家更了解不规则时间序列和未检测问题。许多领域使用循环统计，即使是完整的统计教育也很少包括。
图表通常是一种通用语。奇怪与否，经济学家经常不信任图表，因为他们被训练以高度正式的方式处理统计数据（您的里程可能会有所不同）并避免主观性（意义，判断）。
有时你需要退缩。如果科学家不知道他们期望什么，而只是要求分析或可发表的东西，他们就是在浪费你的时间，你有更好的事情要做。如果数据是杂乱无章的，那么任何智能分析都无法挽救它们。
始终建立逃生路线。您的条件可能包括 (a) 仅同意初步讨论 (b) 限制您的时间或其他承诺 (c) 如果他们不听从您的建议，则有权退出 (d) 对合作条件的某种想法-作者身份。当科学家只是不断回来多一点时，请注意这种情况。另外，请注意您被视为来自天然气公司或管道工的情况：您被要求收拾烂摊子，但一旦完成，他们就没有义务维持关系。
我不是统计学家，但据我所知，我比我的大多数科学家同事了解更多的统计数据。如果每一方都尊重对方，那么这种关系就会非常富有成效。
当然，你的态度就是一切。如果你的客户/合作者觉得你是来支持的——而不是评判——那将有很长的路要走。但是，即便如此，也会出现一些问题。你提到的两颗子弹是关键。
首先，始终强调您希望他们产生最好的科学，虽然您认识到可能存在特定学科的惯例，但这并不意味着可能没有更好的方法来完成这项任务。为此，您最好的两个朋友将是：（1）研究问题，以及（2）任何和所有模型假设。如果可以从“常规”方法中获得（甚至不完美）RQ 的答案，那可能是合理的。如果违反假设变得过于恶劣……那么您可以参考想要产生最好的科学。
希望我的反思对你有用。
硬技能是你的脚，软技能是实际实施解决方案的关键。成为房间里最聪明的人不会为你赢得积分。
话虽如此，您不必自学。尽管陈词滥调，但戴尔·卡内基的《如何赢得朋友和影响他人》实际上可以让你成为一个更好的人。同样，行为经济学类型的播客擅长展示研究，让你批判性地思考，并保持活力。例如，参见 Freakonomics。
阅读和听力很棒，但实际上你必须改变你的行为方式才能产生好的结果。
具体到您的情况，我通过尝试所有方法并与商定的“善良”指标进行比较而取得了成功。如果您可以客观地测试哪种模型最好，则无需争论。这可以是最小化错误，具有最佳解释价值，产生最佳“故事”等。