DS的未来趋势讨论

今天和同事讨论到一个问题，想来听听地里的大神们的想法：

以后会不会单纯做modelling的data scientist越来越少，而DA和MLE越来越多？或者说厂子们比起设立ds-modelling这样一个岗位，更希望招到的人不仅会modelling，还同时具备business acumen或是deployment的能力？

自己很羡慕一心一意做model的ds，但是感觉这样的岗位可能会越来越少...

Domain knowledge是核心中的核心，Senior以上跳槽，做过相关行业/ domain 的因素比技术因素大多了，例如to C 消费类Hot Start-up 招data science manager/senior/staff data scientist - ads 这类，你仅仅5-6年总经验勉强包裹2年lead经验的弱鸡profile， 但如果你真的做过几年大厂Ads的DS， 完全能干掉10-15年资历没做过Ads的大厂Candidate。

同样适用于DS - Marketing, DS - Risk, DS Fraud, DS-recommendation, DS Experiment Design, DS People Analytics, DS - Growth, DS - Supply Chain / Finance, DS-Payment, DS NLP/CV/无人车之类的，每一个细分领域都有domain knowledge 的护城河，你干得越深，一两年相关经验能顶别人5年不相关经验。

上面说的是对的，你越专精能跳槽的岗位越来越少，但是哪行哪业不是哪样？ 越往Senior的职位能跳槽的职位是的确越来越少，放到CEO都适用，而且Senior的职位干两三年就跳槽是很伤的，越往上走越要积累，当然也不是说死守一个领域完全不能拓展，例如DS - Marketing 跟DS - Growth可以说是相辅相成的领域，完全可以拓展，但是你的领域最好是相互之间有联系，逐渐拓展自己的知识版图。亲眼见过一个不满30岁的国人在FB做了Director - Head of Growth Analtyics, 带DS和DA，之前所有经历都是做Growth的，可见Domain Knowledge有多重要， 否则你看一般大厂的社招Director职位要求的YOE资历是很深的。

除了DS自身， 往上走更建议拓展职能走出DS，很多senior data lead的岗位，machine learning 建model 那些可能只会是他们的一个sub team, 可能会同时有其他sub team, 例如BI team, Data Engineer / Data Quality Team, Data Warehouse team, Delivery Team等等，千万不要看不起这些非machine learning的职能，你往Director及以上的职位看， 你会发现很多时候建模工作只是他们下属team的一小部分，除非你整个org是很偏research那种。这也是另外一种职业发展的思路。

亲身经历过几个湾区pre-ipo公司也面过很多flag大厂ml职位。 体会是ds-modeling职位一般是小公司还保留的 大厂都是mle在做ml , ds专注analytics. 并且ml职位越来越多被de-centralized到product engineering/backend engineering 组。ml-scientist越来不受待见，会deployment/system的mle越来越香。 亚麻是个例外, applied scientist 地位很高.

所以在做ds-modeling的可以either转去mle，或者转去analytics. 这2个方向科技公司都是刚需，尤其是toC的公司。

同意楼上说的，domain knowledge很重要，尤其做ml的。career初期尽量在一个domain呆久一点，无论是ads/search/recommendation,还是fraud/pricing/optimization 成为领域专家找下一份工作会容易很多.
另外尽量选择跟product/business密切相关的ml组，项目多、容易产生impact、内卷少. horizontal function 的ml组比如做nlp/cv/knowledge graph research 相对来说比较难产生impact （除非公司核心业务是这些）。

公司业绩好的时候可以养一些算命的，不好就先砍掉拉  /doge

我觉得回答这个问题主要在看ds的护城河在哪里？

engineer的职业护城河主要在技术 然后配备以经验式的business scope决定了engineer的发展和bar

其中engineer的技术足够有空间和难度区分高下，所以单纯以技术就能决定大概的职业方向。也即可以有单纯积累技术的ic来提高自己的补课替代性，而不太需要在乎其他。

另外比如销售，职业护城河来自于经营多年的链接网络和销售经验。特别是链接网络和engineer的技术一样有足够空间拓展和区分高下，所以职业方向也很清楚。

ds的特点比较奇怪，很多ds岗的护城河并不在技术，因为很多ds工作中用不到太复杂的技术（如果是专门招phd进行复杂模型设计/研究的岗例外）。如果说ds的护城河在data analytical的sense，这个又和你所在行业甚至公司的domain有很大联系，导致你并不能在跳槽后有等效的迁移。

我赞同lz说的如果看下来只剩model implementation的engineering work能成为护城河的话，需求会更把ds大浪淘沙后带往mle的方向

我觉得这个讨论很有意思。但我觉得专心做model的恐怕只有在学术界了吧。在工业界感觉基本上就是数据为王。模型只要差不多就行，真正推动performance的是数据。

补充内容 (2021-06-10 09:33 +08:00):
所以也一定程度上解释了为什么很多ds都被推到了mle的方向。

瞎说一嘴。感觉想象中的DS=MLE+BI，实际是没有MLE里的E，也不够BI里的B。而公司需要的就是E和B，而S注定只能是少数玩家的游戏。你说DS尴不尴尬？怎么搞？走向E或者B呗。

补充内容 (2021-06-10 09:53 +08:00):
补充一下。防杠。DS的技能还是很有用的。只是出发点最好是E或者B。

Lenin 发表于 2021-6-10 06:38
我觉得回答这个问题主要在看ds的护城河在哪里？

engineer的职业护城河主要在技术 然后配备以经验式的busin ...

很有道理， 可以看看我的回答欢迎讨论

2ndcat 发表于 2021-06-09 19:19:36
Domain knowledge是核心中的核心，Senior以上跳槽，做过相关行业/ domain 的因素比技术因素大多了，例如to C 消费类Hot Start-up 招data science m

非常容易层主的说法，对于senior ds来说domain确实很重要。所以钱，层主有没有比较看好的方向呢？

以前就一直是是做分析的data analyst部门和做model的engineer部门呀。不知道为啥这几年居然出现了只做model，对系统和code实现不懂的ds？这种人没啥用呀。model和ml system息息相关。不懂ml system，做个啥model呀。而且不会写code来launch你的model，要靠mle帮你实现，没有意义呀。因为mle对model懂得不ds少，他们自己e2e啥都做了不就得了。为啥还有花钱招不会写code的人，带来更多地communication overhead。凡是招不会写code还想做production model的人的公司，都说明领导层不懂这个。