分享对Data Science职业发展的理解(求米)

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
. 1point3acres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。

感觉lz对product ds和mkt ds有较大成见和谬误：

1. 认为对coding这类硬技术要求不高天花板就低：这种成见在yoe比较少的人中比较常见，比较junior容易有技术迷恋，确实职业初期越technical卖得越好。但随着职业发展，越senior技术越不太重要，反而对业务的理解，lead project/team, 推动整个team/org的cross functional collaboration会越来会重要。其实天花板这个问题，去类似level.fyi了解一下high level的tc就知道了，哪个公司给大包给鸡肋职位？

2. 认为mkt ds容易鸡肋：其实mkt跟product一样，是企业并行的两条腿，目标都是理解和影响user behavior，只不过mkt通过campaigns, product通过features来影响，载体不一样罢了。mkt data science的应用很多，甚至比product ds要更大，包括analytics, experiment, modeling等。tech公司像google, uber, airbnb都有专门的mkt ds，钱/前景都是很好的。可能lz没见过mkt science director 手下也有engineering组的情况吧。其实

*另外，大公司的RS/AS通常是phd，但很多并不做research，有些直接就是mle, 有些是ml方向的ds, 他们phd的研究方向都不一定对口的。不是说RS就一定高一等，其实不要总有这种职业鄙视链的看法比较好，任何方向只要做深做精了成为专家，都是很有前景的，捏寿司和炸天妇罗几十年也可以封神的。

总结的很棒啊，加米了。我大概就是第二类，在传统行业的Marketing/Pre-sales DS，更偏向于consulting一点。没有特别resesarch/science，但存在感很强，也能直接接触客户。就是pay跟IT大厂的DS不能比。

zw2019 发表于 2022-1-17 19:55
感觉是因为product ds的高级岗位不够多

我觉得是product ds不是特别需要那种10年，20年经验的超高级IC。相比SDE，很多人可以不做manager，做IC到senior staff这种级别。所以product ds可能往上走的话就自然要求是manager track，而不是IC track，金字塔收窄的更快

已加米，小白诚心发问，mle的核心技能是什么呢。是更偏向于engineering和模型部署，还是更偏向于ML/DL modeling本身呢？

buyaohouhui2 发表于 2022-1-17 00:17
已加米，小白诚心发问，mle的核心技能是什么呢。是更偏向于engineering和模型部署，还是更偏向于ML/DL mode ...

MLE，是个E，大公司偏deployment还有MLOps这些东西，不同公司定义不一样，甚至有时候跟SDE工作内容一样，更多的是解决engineering问题，而不偏重modeling问题，核心竞争力可能就是engineering的那一套，如何使得系统运作更高效和高质量；小公司要求更fullstack一点，一个人负责的环节更多点，但也许粗糙点，也许相对更侧重model吧；

当然也不排除有的公司把MLE就当做处理modeling问题的scientist。

如果不满足现状非要转，看个人兴趣，我觉得基本两条：一条转硬核的SDE或者MLE，另一条转偏商业/产品的DS或者干脆PM（难度大不少）

感觉产品ds大多是朝pm走的，认识10个产品ds就有9个想转pm，我自己也打算往这个方向发展，这么说的话join early starup/pre-ipo反而算是相对容易的path？（当然前提是转成）

"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?"-> 这点不一定，我看狗家云端课程说他们内部神经网路模型有几千个，因为现在ML model还是只能负责专一化任务，所以每个模型负责一个use case是很合理的。 Ref: https://www.coursera.org/lecture ... ogle-products-JlnEX 2min 附近。


不过，一般来说建模只佔整个DS产品开发的很小一部分，大部分时间花在标记资料，清理资料。另外，CI/CD也佔很大一部分。我也认为往MLE方向发展是个好主意。

楼主能讲讲data engineer的发展吗？和ds比起来有哪些区别，未来的前景如何

我也是偏engineer的DS 真的有些鸡肋。。

蹲一个～～～