登录
  • #数据科学

分享‌‌‌‌‍‍‌‍‌‌‍‍‍‌‌‌‍‍‌‍‌‌‌‍‍‍‌‌‌‍‍‌对Data Science职业发展的理解(求米)

craigdavidcc
13392
71
一个求米贴,也是想跟有同样困惑的同学进行交流。

几类DS,哪个适合你?

Product DS

简介: 技术层面要求不高,SQL为主,多从事A/B testing等experiment类型工作,进行产品优化的工作。

点评: 优化类型的工作,非常适合互联网2C业务的大厂, 然而去起步阶段的startup价值有限。在我的理解中,过去企业有多少用excel的商业分析员,未来也许就有多少product ds,可能看起来tech方面要求低,但我觉得长线来看需求会进一步扩大。BTW, fintech的risk data scientist暂且算在此类。

职业发展方向: 大厂 career ladder;或转型product manager;跳槽pre-ipo。

Marketing/Pre-sales DS

简介: 多会做一些offline support的DS,或者对应revenue management,技术要求更宽泛一些,目的是帮助决策。

点评: 在data-driven company会很有存在感,否则可能会略显鸡肋。我个人觉得,总体来说,职业上升空间不见得很高。

职业发展方向: pre-ipo;传统行业DS team;大厂 career ladder。个人觉得改方向天花板略低,大厂的职位应该远不如Product DS的多。

Research Scientist

简介: 可能是”Science“深度的天花板,也许非PhD驾驭不了这个title。

点评: 通常只有FAAMG养得起一个有规模的research团队;我觉得对某些人,这个是自然的选择;对大部分人,这是不存在的选择。这里无需多谈。

职业发展方向: 大厂 career ladder;academic;ai-startup;

Machine Learning Scientist

简介: 盛名在外,很多人眼中真正的”DS“。偏技术,具体也比较看方向。

点评: 其实即使在大公司,很多此类DS也都在做业务,而非前面的”research“,建模只是部分工作,通常模型不能直接解决业务问题,更多的是要理解业务的需求,建”对的“模。很多同学觉得这个光鲜,毕业就想做这个,但从职业的角度去想,如果Meta/FB需要1000个Product DS去分析和研究产品,难道会同时需要1000个做业务模型的DS么?我没有求证过,但我觉得会是一个相对小点的job category。技术永远是随着时间贬值的,我建议对建模没有执念和热爱的同学,或者半路转业想来做modeling的同学,三思后行。不过话说回来,建模毕竟相对硬货,路子其实挺广。

职业发展方向: 大厂 career ladder;all level startup;machine learning engineer;

Engineering DS

简介: engineering有许多去需要measure的东西,需要ds;另外很多internal tool/application是跟data相关的,所以通常会有embbed在engineering org里的data scientist;

点评: 很不巧,我自己就是,我对此相当抵触;因为做的事情通常是辅助性质的,面对的用户是内部的;这个职位会让你不得不去了解很多engineering (software engineer, data engineer)的东西,可也并不会让你成为一个experienced software engineer。

职业发展方向: 刷题转码;刷题转MLE;刷题转其他DS;专注internal data application development;

没有说data engineer这种岗位,暂时不算在DS内吧,也许很多别的DS类型,我不了解的也错过了。

说在最后。DS确实是个很不错的职业,做相对较tangible的事情。名字也很好看,符合”高智商白领“的预期,但希望大家不要在乎title,title是虚的,别人不一定清楚,但自己别骗自己。从职业发展来看,你选了一条道路,机会成本是有的,干上3-5年,换路子就变得复杂了,在同龄人纷纷变成senior/staff的时候,你如何换一条路并且要求同样的level呢?我希望大家透过假象,看本质,早日走在对的那条路上。

求米是真的,楼主每天都在想着跑路,需要大米。今天时间比较短,写的也不清楚,我会接着改,有问题的留言一起交流。
71条回复
热度排序

发表回复