DS岗位的未来

先简单介绍一下背景。我现在是个MLE，但一开始是做DS的。在我们公司，MLE已经接手了大部分建模工作——从原型设计到上线全都搞定。虽然有些DS还保留了一些这方面的工作，主要是因为历史原因，但领导们好像更希望他们专注在analytics上，比如提供insights和做一些ad-hoc analyses。在这种情况下，DS还能算是“scientist”吗？

我把你说的建模理解成特指ML modeling。Analytics这件事情本身是可以做出“scientist”级别的工作的，causal inference 本来就是统计学的重要研究。至于公司有没有能力，需不需要做“scientist”级别analytics那是另一回事，但不能说stats modeling/experiments就不如ML modeling。反倒是很多ML modeling相关工作现在高度eng化，很难算“scientist”工作。

现在实质DS相关的工作分成三类，airbnb之前的分类就比较科学 --
1. Analystics -- 拉数据，做分析，出报告和报表
2. （Causal inference） -- 做AB测试，实验设计
3. Algorithm -- 搞模型和工程

现在的很多混乱基本是title的锅。如果每个公司分一下track就很清楚了

苹果用户_ow5c8 发表于 2024-08-20 07:47:24
但是还是可以分开的，1是一个consulting或者business analyst背景就可以胜任的，讲故事嘛。2需要一些统计学的背景

讲故事需要建立在方法/过程/结论扎实的基础上，说好听点是用科学的方法来做（所谓 science），说直白点是至少不能为了讲故事而讲故事。
可以招不同背景的人来做，各有长处，但咨询或者 BA 背景的也需要懂些统计，统计背景的也需要练好沟通，分太细的结果是实际操作中这俩 track的人还是有很多互换的例子。

Stats modeling 是指 causal inference 对吧？可是问题在于这是一个support function，没有直接去建产品。个人觉得scientist应该是去建algorithm的

相比起mle的工作，ds做的当然更像scientist的工作，但能做出什么来就要看ds自己的水平了

DS建议成为domain expert，做好分析不容易的。

相煎何太急啊

匿名用户 发表于 2024-08-19 21:40:02
相煎何太急啊

联合起来对付其他的SWE是吗

dayeye2006 发表于 2024-08-19 22:11:10
现在实质DS相关的工作分成三类，airbnb之前的分类就比较科学 --
1. Analystics -- 拉数据，做分析，出报告和报表
2. （Causal

Infra呢？类似meta之前的rds那种算2？

dayeye2006 发表于 2024-08-19 22:11:10
现在实质DS相关的工作分成三类，airbnb之前的分类就比较科学 --
1. Analystics -- 拉数据，做分析，出报告和报表
2. （Causal

3 分开是比较合理的
1和2其实互相结合的很紧密