作者Ian Xiao，德勤營銷與人工智能實踐.

大約在這座城市因新冠肺炎而被封鎖的3周前，我和一個朋友坐在多倫多市中心我們最喜歡的泰國餐館里。

“我應該留在數據科學嗎？如果沒有，我下一步該怎么辦？“我的朋友問。

就像采集的聲音和餐廳新鮮食物的氣味一樣，如何進入數據科學的問題現在似乎有點遙遠。事實上，你可以在Google上找到大約30億個結果，其中有一個非常具體的步驟指南（只有大約20億個關于“如何賺錢”的結果）。

然而，我朋友的問題揮之不去。在內心深處，這種緊張關系是由兩個因素驅動的：1）數據科學的期望與現實--它可能比我們預期的更可怕；2）角色與我們的愿望。

那么，有哪些選擇呢？

1. 保持相同的角色，并將挫折感內化（您可以跳過本文，但請分享后點擊關閉）
2. 離開當前的角色，但繼續在其他地方做與數據科學相關的工作（本文是為您準備的）
3. 我完全做完了（你確定嗎？在開始之前考慮一下選項2）

但是，去哪里？

要知道我們想去哪里，你必須知道我們在哪里。為了更好地了解其他選擇，我們中的許多人可能會轉向“什么是數據科學？”這個問題，如果你用谷歌搜索這個短語，我們可能會遇到這樣的問題：

這種分類是有意義的，但它并沒有真正捕捉到日常工作和公司性質的現實和細微差別。這兩個因素在我們做出專業決策時可以說是最重要的。

對此有一個更好的思考方式。因此，讓我向您展示數據科學家的原型。

等一下...

在我們開始之前，考慮一下我的背景和旅程是很重要的，這樣你就可以根據自己的現實和限制來翻譯我的見解。

簡而言之，，我通過為大型企業提供咨詢、與許多類型的數據科學家交朋友，以及在最終被收購的AI初創企業開發ML產品，見證了數據科學的發展。

我的觀點只是一個數據點（希望它是有用的和獨特的），所以你要注意其他人的。

選項：數據科學家的原型

那么，什么是數據科學？它取決于公司的規模（企業或初創企業）和角色的主要責任（面向客戶或專注于內部）。

當你面試一個數據科學的角色時，盡管有頭銜和工作描述，很可能屬于以下四個過于簡化和主觀標記的組之一。

如何使用它？原型向您展示了各種可能性。它可以讓你看到你現在在哪里，以及什么是立即的選擇。對于有抱負的數據科學家來說，你可以用這個來計算你最好的起點。

接下來，您可能會問:我如何知道新角色是否更適合我？

為了幫助您做出決定，下面是每個角色的一些優點和缺點。此外，我將討論可能最適合的人才簡介。當然，這些都有些主觀：對我有利的事情可能對你不利?？傆欣?。所以做出你自己的判斷。

注意:

1. 您還可以根據公司的其他方面進行分類，例如行業和產品類型（例如，與數據科學相關的服務或工具，非數據科學產品）。我認為公司的規模對日常工作的影響更大。
2. 公司規模不是二元的，有很多中型公司；為了簡單起見，我對其進行了二值化。
3. 在初創企業，面向客戶的工作和內部工作之間的隔閡并不存在；人們傾向于兩者都做。這只是時間分配的問題。

1-昂貴的顧問

在全球咨詢公司或大型技術公司的專業服務部門（如德勤、麥肯錫、埃森哲、谷歌、IBM等）提供數據科學服務

The good:關于解決問題和如何高效工作的非常好的培訓。做非?！爸匾氖虑椤?，因為客戶為結果支付了很高的費用。每個項目都可以是不同的，以防你感到無聊或沮喪。非常明確的晉升途徑和要求（例如，從分析師、經理到合作伙伴）。接觸高級管理人員，早期職業生涯中廣泛的話題，以及許多雄心勃勃的人。

壞的:商業價值超過一切（例如，科學創新和酷算法）。所有資歷都要求工作時間。有些公司可能不會考慮讓數據科學家進入傳統的伙伴關系軌道（你可能會覺得自己被邊緣化了，但別擔心，大多數人都非常尊重數據科學家）。很多阿爾法人格。

最適合:業務導向型的人，受過一定的技術培訓，渴望在大公司里經營自己的“小企業”。剛起步的學生，尋找導師，想學最好的靈歌，不介意真的很努力。

2-精通技術的銷售

在專注于人工智能的初創企業或中型公司（如Dessa、Element AI、H2O、Cloudera、Palantir）擔任技術銷售或項目負責人。

好的:您可以處理一些前沿的用例，因為客戶通常希望您進行創新，而不是交付（無聊的）長期、大規模的轉換項目。在重要的戰略和產品決策上有更大的發言權。要敏捷，要創新。

不好的:有些客戶可能不信任你的大型項目（例如，獲得更多預算），這是“靈活和創新”的另一面。為了贏得客戶的信任，可能需要做大量的“免費”工作。與大公司相比，后臺支持更少。產品愿景可能會受到投資者（如果你找錯了風投）或沉沒成本心態的影響，而不是真正的市場需求。

最適合:那些希望在早期與公司一起成長，實現創業夢想，并且已經擁有堅實的業務網絡、領域專長和/或聲譽的人。對新手來說不好，因為你需要開始跑步。

3-產品嬉皮士

具有軟件和/或ML背景的人，他們在人工智能產品公司從事工程工作，構建IP、演示和支持銷售電話。

好的:研究有趣和實際的問題，而不必處理太多的客戶政治問題。短期項目。以“內部用戶”的身份影響或定義產品應該如何設計。為客戶或內部建立酷的東西。

壞的:可能被拉入面向客戶機或用戶的角色，這會在競爭優先級和時間管理方面造成緊張。很難在“尖端”和“立即實用”之間找到正確的平衡點?？赡軙痪砣霙]完沒了的客戶支持工作中。

最適合:以產品為導向，以工程為重點，但有時很笨拙的人。在某些技術堆?；蚬ぷ髁鞒谭矫婢哂蓄I域專長的經驗豐富的專業人員。學生有一個開放和好奇的頭腦，喜歡技術挑戰，并能完成。

4-大家庭

好吧，家庭可能很復雜，所以這個群體需要分成兩部分:無名英雄和超級極客。

4.1-無名英雄

來自企業內部傳統BI、分析和建模組的人員。他們主要從事業務或職能（例如，營銷、風險、財務等）。在這個術語被創造出來之前，他們是數據科學家。

好的:非常專注的工作。接近真實的商業運作。具有訪問唯一數據集的權限。有機會使用可運作的大型基礎設施。很好的工作和生活平衡。有做出投資決定的影響力或權力。

不好的:事情在（大多數）時候都是緩慢和無聊的。經常得不到21世紀最性感工作的認可。內部政治。緩慢的（呃）事業軌跡。被鎖定在某些角色或項目中。

最適合:在生活中找到自己的激情或喜歡在特定領域投入時間的人。不在乎炒作的人。有耐心和韌性的人。

4.2-超級極客

數據科學界“金童”的刻板印象。在主要公司從事研發工作的人，如谷歌大腦/DeepMind、Facebook's Fail、Uber和沃爾瑪Research等。

好的:研究非常智力的主題。訪問唯一的數據集和問題。能夠用大公司的資源突破極限。得到很多認可和贊揚。

不好的:必須展示“業務價值”的強烈壓力。業務優先級會限制或影響研究主題。如果研究證明有價值，可能會被吸進“無聊”的實施中。

最適合:學術。對學術研究和教育背景有很強品味的工程師。希望發表文章并獲得一些行業曝光率的研究生。