为什么大家都喜欢diss FB的data scientist？

staftermath 发表于 2020/01/19 01:46:58
研究experiment和做日常experiment也是不同的事情吧。
看过一些微软和airbnb的A/B testi...

日常用的scorecard 的时候 如果出现SRM 等等一系列问题也要做simulation 去分析 然后会改metric set 或者重新定义metric 和背后的数据view ....做research 去选threshold 或者解释问题出现原因并找到solution ...并且present 给各个feature team 问他们建议 。。从而该metric ...一切是现成的也是在改动和improve 的过程中。

因为FB最早开的先河，把product analyst title改成DS，好几年前了，那时Apple还叫statistician，google还叫QA，LinkedIn也是analytics org，很多厂在那会都还没DS这种title。之后就都跟风跟上了呗，if the title is not DS, then it doesn't sound as cool as DS and the position won't be as attractive。时至今日所有大厂都完成了analyst title -> DS的转变，才有了楼主的困惑，只是因为FB DS = Analyst历史最悠久。（题外话，公司给同个岗位换title是常有的事，为了迎合就业市场，现在哪个title听着好听就会换成更好听的，或者内部re-org，划到了不同部门下面但其实职责没变）
话说回来，还是因为DS这个职业本身太新，来美时间稍微久点的人都该知道，7、8年前data science还是个全新概念，就算读统计，读CS的人很多人都没听说过还有这个职业，一个太新的职业在初期就容易有不同的解读。如果已经存在很多年了，比如当年很多的Statistician，相信就更好理解job scope了

楼主不要难过，哪里的ds都被diss的，被软件工程师嫌弃写代码慢，被咨询师嫌弃slide做的难看，被产品经理嫌弃功能太弱，可惜公司里还真的需要这样的人，因为ds可以和所有人沟通，有些公司存在感还是很强的。

K姐 发表于 2020-1-18 03:32
What does 处理 data mean?
Pipeline 不是处理data 吗

难道我跟你说的不是一个pipeline？ 我们的pipeline涉及很多engineering 属于production 不只是data pipeline

ql2 发表于 2020-1-19 02:13
处理data不用写sql吗...

要写sql呀 我的意思就是data engineer主要写sql 处理data 相当于BI类

causal inference,logistic regression/XGBoost,ab test,跑ML已经很有技术含量了，这就是我expect的ds的工作啊，没什么人diss吧。Anlayst应该是更多用sql, excel， metrics都给你定好了让你算，这种比较简单。我感觉，job description差别可能细微，但是实际工作内容差别可能会很大，具体究竟差在哪里不是光看Jd能看出来的吧，所以大家diss的原因应该来自于真的去工作了的人的反馈，而不是因为jd

ql2 发表于 2020-1-7 23:43
那你可能不知道现在硅谷大厂ds差不多都这样，就算有的会用到ml，可能也是偶尔一两个项目用到，大部分的活 ...

观察到中小厂DS分两种：做ML model (in production)的，做analytics的。而大厂的DS基本都是analytics, 如果有ML model, 也是那种report generation类的，而不是要in production到产品上面的（比如ads, recommendations）。很疑惑为什么有这个区别，是因为大厂的ML model只需要research team 来做吗？而小厂很少有research team

真的假的 FB家的也被diss？

可能不是diss吧就是觉得naming组是ds 但做的是analytics？货不对板？

俩原因吧，1.给的钱少。2.招的人多出镜率高， 其实大厂ds做的都是analytics