为什么这么多数据科学家离职?

没错,我是一名数据科学家,曾经在英国网络点餐外卖平台Deliveroo工作;没错,你也没看错标题。没错,真相总得有人说出来。

数据科学是本世纪最理想的工作,这个领域拥有大量高端人才,他们热衷于解决复杂的问题,这样的报道已经连篇累牍。

但事实是,根据英国《金融时报》的报道,数据科学家通常“每周花一两个小时寻找新工作”。

这篇报道还指出,根据程序设计专业问答网站Stack Overflow针对6.4万名开发人员的调查,数据科学家在寻找新工作的开发人员名单上名列前茅。

那么,为什么这么多数据科学家在寻找新的工作?

从我的角度来看,数据科学家对他们的工作不满意有四个主要原因。

一、期望与现实不符

关于大数据,每个人都在谈论它,但没有人真正知道如何去做,每个人都认为其他人都在做,所以每个人都声称他们在做——丹·艾瑞里(Dan Ariely)

艾瑞里的描述很贴切。我认识的许多初级数据科学家(包括我自己)都想进入数据科学领域,因为这个行业总是用最牛的新机器学习算法去解决复杂问题,而且这些算法对企业产生了巨大影响。这样的一个情景让让我们觉得我们正在做的工作比以往做过的任何事情都重要。然而,情况往往并非如此。

在我看来,期望与现实不符是许多数据科学家离开的最终原因。

每个公司都不一样,所以我不能代表所有公司,但是许多公司招募了基础不相当的数据科学家来从事人工智能研究,这导致了人工智能中的冷启动现象。加之这些公司在雇佣年轻人之前并未拥有资深的数据专家,因此公司与员工都会彼此产生失望和不愉快。

数据科学家往往被要求上手直接编写智能机器学习算法,但实际上不应该这样做,因为他们的第一项工作是整理数据基础,创建分析报告。但公司管理层不这样想,他们只想要一张可以在董事会上展示的图表。 因此他们认为没有很快看到数据科学家的价值,而这也使得数据科学家不开心。

罗伯特·张(Robert Chang)在他的博客中引用了一句非常有见地的话,他给初级数据科学家提供了建议:

重要的是要评估我们的愿望与我们所在公司的关键路径有多一致。我们应该寻找关键路径与自己最一致的项目、团队和公司。

这突出了雇主和数据科学家之间的双向关系。如果公司不在正确的路径,或者发展目标与数据科学家 不一致,那么数据科学家的跳槽只是时间问题。

数据科学家失望的另一个原因与我对学术界失望的原因相似。我们总自信地认为能够对整个世界产生巨大影响,不仅仅是公司内部。实际上,如果公司的核心业务不是机器学习(我以前的雇主是一家媒体出版公司),那么你所做的数据研究很可能只会带来少量的增量收益。

二、政治至高无上

如果你真的认为精通机器学习算法会让你成为最有价值的数据科学家,那么请参看第一点 。

事实是,你需要业内的权威人士对你有一个良好的评价。这可能意味着你必须经常做一些临时性的工作,比如在适当的时间从数据库中获取数字给适当的人,以及从事简单的项目。在我之前的公司,我不得不做很多,尽管令人沮丧,但这是工作中不可或缺的一部分。

三、所有数据有关的事情都来找你

从前面的观点来看,公司中有影响力的人往往不明白“数据科学家”是什么意思。这意味着你将是分析专家,也是报告专家,当然,你还必须是数据库专家。

不只是非技术高管会对你的技能做出太多假想。技术领域的其他同事也会认为你理所应当知道所有与数据相关的事情,包括如何处理Spark、Hadoop、Hive、Pig、SQL、Neo4J、MySQL、Python、R、Scala、Tensorflow、A / B测试、NLP等。(如果你看到上面有所有这些的招聘广告,保持清醒。这意味着一家公司不知道他们的数据策略是什么。)

但这并不止于此。因为你知道所有这些,并且显然你可以访问所有的数据,所以你应该会得到所有问题的答案。

试图告诉每个人你真正知道和控制的事情可能很难。作为一名缺乏行业经验的初级数据科学家,你会担心人们会对你不太重视,这可能是一个相当困难的情况。

四。在一个孤立的团队中工作

当我们看到成功的数据产品时,我们经常会看到经过专业设计的具有智能功能的用户界面, 重要的是,它能输出有用的信息,这就是价值所在。现在,如果一个数据科学家只花时间学习如何编写和执行机器学习算法,那么他们只能是团队中的一小部分,这意味着独立工作的数据科学团队将难以凸显价值!

尽管如此,许多公司仍然有数据科学团队提出他们自己的项目并编写代码来尝试解决问题。在某些情况下,这就足够了。例如,如果所需要的只是每季度制作一次静态电子表格,那么它可以提供一些价值。但如果目标是优化定制网站产品并提供智能建议,这将涉及许多不同的技能,只有真正的数据科学独角兽才能解决这个问题。

因此,如果一个独立的数据科学团队接手这个项目,很可能会失败,或者需要很长时间。组织孤立的团队在大型企业中从事协作项目并不容易。

要成为一名卓有成效的数据科学家,仅仅在Kaggle竞赛中表现出色并完成一些在线课程是不够的,还取决于你对公司的商业运作路径的理解。在寻找数据科学工作时,找到一家关键路径与你一致的公司很重要。即使如此,你可能仍然需要重新调整你的期望。(Jonny Brooks-Bartlett)

Leave a Reply

Your email address will not be published. Required fields are marked *