數據科學家:為什么我要離職…

我是一名數據科學家。

很多人都認為數據科學家是21世紀最性感的工作，作為數據科學家有豐厚的薪資，這無疑是一份理想工作。該領域聚集了大量高精尖人才，他們熱衷于解決復雜的問題，而且熱愛他們的工作。

然而事實上根據英國《金融時報》的報道，數據科學家通?！懊恐軙?到2個小時尋找新工作”。此外，文章還指出：“在聲稱尋找新工作的開發者中，機器學習專家位居第一占比達到14.3％。數據科學家緊隨其后，為13.2％?！斑@些數據來自由Stack Overflow對6萬4千名開發者的調研。

對此我深有體會，最近我剛換了新的數據科學工作。

為什么有那么多的數據科學家在找新工作呢？

在回答這個問題之前，我想聲明的是我仍然是一名數據科學家。我熱愛這份工作，我也不想阻止那些想成為數據科學家的人，因為這份工作有趣，刺激而有價值。本文的目的是向你們介紹這份工作背后不那么光鮮的一面。

從我看來，數據科學家主要出于四個原因對他們的工作感到不滿。

1. 期望與現實不符

我認識的許多初級數據科學家(包括我自己)入行都是由于，在我們看來數據科學家使用新型的機器學習算法去解決復雜問題，從而對業務產生巨大影響。我們會覺得這份工作比之前做的任何工作都重要。但是，情況往往不是如此。

在我看來，期望與現實不符是許多數據科學家離職的終極原因。當中具體有很多原因，在此我不能一一列舉，這里只舉出我所遇到的情況。

每家公司情況不同，不能一概而言。但是據我所知，許多公司在聘請數據科學家時，并沒有配備適當的基礎設施，讓其能夠從AI中得出有價值的結論。再加上這些公司在招聘初級數據從業人員之前，并沒有聘請經驗豐富的資深數據專家，這樣就會導致雙方關系不融洽，無法達到互相期望值。

數據科學家希望在工作中，通過編寫智能機器學習算法得出分析見解。但他們很難做到這點，因為他們的首要工作是整理數據基礎架構，得出分析報告。相比之下，公司只希望他們能夠每天在董事會中提交相應的圖表。之后公司因為沒有及時得到數據的價值而感到失望，所有這些又會導致數據科學家對工作的不滿。

Robert Chang在他的文章中對初級數據科學家提供了很寶貴的建議：

“評估自身的期望與所處環境的關鍵路徑是否一致非常重要。因此需要找到關鍵路徑與你相符的項目、團隊和公司?！?

這突顯了雇主和數據科學家之間的雙向關系。如果公司的決策發展與數據科學家的目標不一致，那么數據科學家離職只是時間問題。

數據科學家感到失望的另一個原因與我對學術界失望的原因類似。我認為我能對全球各地的人們產生巨大的影響，而不僅僅是在公司內部。事實上，如果公司的核心業務不是機器學習(我的上家公司是媒體出版公司)，那么你所進行的數據科學工作可能只會帶來少量的價值。也許這些工作能累積帶來很有價值的內容，或者你幸運地發現一個大項目，但這不并太常見。

2. 決策至上原則

我曾經早上6點起來研究支持向量機。當時我想：“這真的很難，但至少會給我未來的雇主帶來價值?！?但如果我有時光機的話，我會回到過去打消這個念頭。

如果你認為掌握大量機器學習算法能讓你成為最有價值的數據科學家，那么回到我說的第一點：期望與現實不符。

事實是，公司中的領導階層需要對你有好印象。這意味著你必須不斷做領導層安排的工作，比如從數據庫中獲取數字，在適當的時間交給相關人員，做簡單的項目，以便得到上級的好評。在我的上一份工作中，我做了大量這類工作。盡管這會讓人沮喪，但卻是工作的必要組成部分。

3. 數據方面的全能專家

公司中的領導層往往不太明白“數據科學家”的含義。這意味著在大家眼中，除了分析專家、報告專家，你還是數據庫專家。

不僅僅是非技術的同事這么認為。技術方面的其他同事會認為你掌握任何與數據相關的知識。你掌握Spark、Hadoop、Hive、Pig、SQL、Neo4J、MySQL、Python、R、Scala、Tensorflow、A / B測試、NLP、以及任何機器學習和數據相關的知識。

如果在職位描述中你看到了這些具體的內容，請保持謹慎態度。這反映了該公司的工作規范，他們不清楚自身的數據策略，因為他們認為雇用的數據從業人員能夠解決所有的數據問題。

但是試圖告訴他人你真正掌握的技能是很難的。不是因為其他人會輕視你，而是因為作為缺少經驗的初級數據科學家，你擔心他人會輕視你。這是一個很棘手的情況。

4. 在孤立的團隊中工作

當我們看到成功的數據產品時，我們經常會看到具有智能功能的用戶界面設計。重要的是當中有輸出，能夠被用戶感知并解決相關問題。

數據科學家花時間學習編寫和執行機器學習算法，然而他們只構成團隊中的一小部分。這意味著獨立工作的數據科學團隊將難以提供價值！

盡管如此，許多公司由數據科學團隊提出自己的項目，并通過編程來嘗試解決問題。在某些情況下，這能夠滿足要求。例如，如果需要的只是每季度生成靜態電子表格。

另一方面，如果目標是在定制的網站開發產品中優化提供智能建議，那么當中將涉及許多不同的技能，絕大多數是數據科學家所不具備的。因此，如果項目是由孤立的數據科學團隊承擔，那么很可能會失?。ɑ蛘咝枰荛L時間，因為組織孤立的團隊進行大型企業的協作項目并不容易）。

結語

因此，要在行業中成為合格的數據科學家，僅僅在參加Kaggle比賽并學習在線課程是遠遠不夠的。

在找數據科學工作時，找到與自身的關鍵路徑保持一致的公司是很重要的。但是，你也需要調整自身對數據科學家職位的期望。

希望我沒有打擊你成為數據科學家的信心。