如果不去TECH大厂，请慎选Data Science

上学的时候觉得建模什么的很厉害，学了一堆乱七八糟的模型，毕业以后去了一家金融500强，去之后才发现数据科学其实是需要场景的。给大家讲一讲吐血经历帮助各位同学避坑。

首先，根本没人知道要做什么。我们组一共9个人，4个数据科学家，2个engineer，2个PM，1个老板。数据科学家2个senior，也是两个junior的老板。PM是program manager，engineer都是被原来公司辞退和老板关系不错的同事，所以真正的代码工作就压在了DS身上。再加上每个DS项目都不同，所以如果你要是拿到一个烂项目就要从头开始找数据。经常是弄到了数据，做了很多implementation，然后老板又推翻告诉我们因为priority变了，所以不做了。

一开始对于这些非常沮丧。后来才明白数据其实是这些金融行业的支持部门。业务部门有自己的做事方式。唯一需要的就是让数据部门提取一些数据，跑跑模型，然后业务部门参考一下。参考一下都是好的，大部分时间就是跑数。因为岗位限制，我们其实是没有visibility的，建的模型老板自己都不在意，有一天居然对我说，你可以把建模当成练习，但我觉得业务部门可能根本不在意模型。模型不行我就尽可能围绕业务做一些图，老板一开始说很好，后来又决定不用了。跟老板几次沟通希望了解他的需求，后来发现老板也不知道自己干什么。和一些朋友交流，发现数据组老板不知道干什么的情况非常普遍。

其次，很多项目根本没有数据，有也基本是垃圾。你写个爬虫爬到数据老板说质量无法确认，也不提供支持。当然，我们组工程师是老板请来养着的，什么也不做。每天就说学了这个学了那个。没数据的话PM就天天做幻灯片，和大佬说我们准备做什么。

第三，我们组继续DE和SDE，老板又招来两个连python都不会的实习生做全职DS。组里什么东西都做不出来，招人水平也越来越低。

我后来去面了一个名叫OW的咨询公司，按说也是业内不错的公司了。老板说我们没有数据，没有产品，不知道sprint为何物，我们给你开12万，希望你来做DS，但是你要帮我们建立data lake，帮我们弄一个database，然后再做一些产品可以让我们部门也开始成为client facing。我当时就觉得这个坑比现在的坑还大。

各组之间的政治和竞争我就不吐槽了。

我其实越来越觉得DS挺没存在感的。即便以后当了manager，要和业务部门没项目硬造项目，没有存在的必要去硬要找存在感，这种感觉非常辛苦。

大家觉得DS价值是什么呢？这条路如何发展？怎样才算有存在价值？

前后换了四个公司，从Finance到Tech大厂，发现DS的真谛就是你能用结果做Decision，做不了Decision的DS项目99.9% 死翘翘。

就算是同一个Tech大厂，告诉你两个例子，一个做DL Segmentation，做了结果Present一下，顶多建个Dashboard, 之后大家都说好结果要干什么不知道，完蛋了。
另外一个Project，简简单单用用个Regression，算了个什么时候在Social media发广告，然后就按这个时间发，huge impact.

简单来说你做什么模型没用，你究竟能不能按这个模型做take action至关重要。 金融公司最大的问题是，你让我predict customer Risk level prediction, OK， 我Predict了你是不是能按照这个结果去降他们credict, 或者增加他们credit line？或者就按模型去决定贷多少钱给客户。 除非你是非常非常新的fin tech startup本来revenue就很少，否则在大点的金融机构现实情况是多数都扯谈几年一堆regulation卵用没有。 你做的各种Project最后能不能执行至关重要。

当然这是双刃剑，敢进Production的model才有用，但是你作为DS敢不敢负这个责任也是你部门考虑的，你们部门爱吹水就是知道真进production可能分分钟GG。 因为这种机会就算在tech 大厂也不是很容易建立信任，给你证明的机会只有一两次。 你敢出model去推荐产品，一上线效果不好损失的就比较容易是按$1M-$10M起步， 你说银行regulation多不敢你上线，但是要是你上线的话Credit 这种东西就是影响银行revenue的生命线，各种director / vp敢不敢担这个责任真难说，大部分情况下是上有老下有小吹说两年POC再跳槽就算了。。

还有一种analytics track， 为什么反而需求多能survive， 因为本质是他们也能guide execution, 只用SQL或者很简单的逻辑，告诉business我们把什么launch日期提前两天，邮件早一天发， 这个什么threshold提高一点之类的，因为逻辑实在简单，business很容易懂，接受程度高，最后只要真按照这个建议去take action, 就是huge impact.  你如果用black box模型，你自己反而不一定有信心，而且iteration慢，搞了半年想去Launch人家又有concern, 万一上线效果不好你这半年绩效就GG了， 还不如analytics track。

DS有好多track，engineering, analytics and modeling，不同方向的career path还有工作内容差很多，建议楼主你得想清楚你想走什么方向的再去跳槽合适的岗位和公司。。

放到具体的岗位，DS的作用也很取决于你所在的组。
我见过，一般情况下都是biz做决定，DS纯support的项目，这种DS的工作个人觉得很无聊，也的确priority经常因为biz的一个决定被shift。。当然也见过，虽然有biz参与，但DS几乎起主导作用的项目，这种个人觉得是比较有价值的，因为你在drive实打实的revenue。

DS起什么作用，感觉和DS的技术水平无关，比较取决于soft skills，即是否能influence biz using data……不过这不完全是由你一个人的努力决定的，也很看所在的组的氛围和传统，所以建议找新工作前问一下who made the decision during a project? Biz or DS or together? 这样应该能避免你跳坑。。

最后，虽然DS听上去似乎是一个有点tech的职业，但除非你完全在engineering track上一条路走到黑，否则个人感觉它的核心/挑战点还是know how to use the data to solve a real problem, influence people and create value for the business。。你学的model和coding都只是工具而已。。

刚从传统公司modeling ds跳进某tech的过来说两句。之前在传统公司做modeling ds那日子简直不要太爽，唯一值得抱怨的点就是钱少，神仙WLB（基本只有life，没有work），呆了三年我一共就做过4个modeling projects吧，没有一个上线的。不是说模型不好，因为传统公司里其他DS同事基本就是research statistician换了个名号，每天都在分析一堆数据但是工程能力为0，也不会说好话哄好business，所以基本两头不落好。我个人工程能力有，business也能聊得开心，最后上线不了是因为结构太臃肿，implementation必须得SDE组做，他们又很忙没时间弄，项目进程一拖再拖。部门整天吹嘘我们用ds解决了多少问题，很多时候都没有多少real business value, 更多时候是打辅助的（senior上线了一个特别6的NLP模型，说能帮人节约review时间，结果压根没人用，模型延时还特别长巨难维护，这么一搞就差不多两年）。现在在某小tech每天忙得不可开交，而且也没有fancy ml，但是就非常简单的rule还是进了prod能给公司带来收益，所以还是有成就感的。如果沉迷modeling，多打打kaggle可好？传统公司我见到的大部分ml相关的最后都胎死腹中，时间久了还是很打击我这种想要给business带来价值的人的自信心的

没有data的公司不要去！没有data的公司不要去！没有data的公司不要去！重要的事情说三遍。

别信老板说什么你来了给我们弄个data lake，他们知道从零弄个数据库，security，legal，budgeting，招个data engineer/infra engineer再到有点数据能写点sql要多长时间吗？在传统企业，两年能搞下来不错了。

还有数据特别烂的企业也别去，去了就是一天到晚clean data，找data vendor，写eda。过来人告诉你，十分憋屈，学一堆模型毫无用武之地。这种工作放在简历上，下一份工作都不好找。

. 1point 3acres DS找工作首先要遵从一条标准：这个企业是不是没有ds就不能成为一流的企业。换句话说，ds是不是这个企业的核心之一。别轻易相信老板说什么：哎呀我们公司特别重视data，也别轻易当公司的第一个ds。去看他们到了做了什么，落地了没有。上面有没有数据，下面有没有ml engineer落地模型。

另外这都什么年代了还要sde来落地ml的模型？现在都是专门的ml engineer建一个专门的ml的deployment pipeline。跟devops一样，推荐大家关注一下mlops的概念。

至于做的项目没人重视，那是项目本身就没有target right questions。ds不是打辅助的，不是说我做个dashboard希望对你们部门有帮助，而是你们部门今年的指标是什么？我们怎么用数据来直接帮助你们完成你们的指标。

我都快怀疑楼上这条回复是我自己写的了...

我在传统金融公司做，名字叫DS其实进来都是SQL和纯粹的BI reporting（没有说BI/BA不好的意思，只是和JD和面试时讲的完全不是一个东西）。数据很差，团队里没人懂数据和建模，工具也不够（比如连version control也没有，你可以自己run python但是所有要进production的全部都得用SQL写）。由于数据差和工具差，连可以自动化的空间都很小，每天被催着给数据、不断地重复没用的步骤来清理数据整理。要找工作的时候别人看你DS的头衔，结果没有一个可以拿得出手的建模项目或者复杂点的数据项目，很难跳到其他DS。

即使公司说注重data但是团队的成熟度不够，同时公司靠着单纯的卖数据和卖BI可以赚钱 （没用动力和理解去推动模型），除非你是有经验的、想要build from scratch来建立团队，否则不推荐新人来。

我觉得可以直接在面试的时候问看看 讲述一下最近move to production的模型和应用情况，公司团队的背景和人才，HM对数据和DS的看法，来了解一下公司的情况。

想要价值不如转sde，做的东西都是实打实能看到的，有成就感

楼主说的没错，如果不是Tech厂，大部分DS的impact有限，因为不直接跟利润挂勾。之前面过不少谘询公司，讨好客户才是重点，什么科学根本不重要

12万做那么多东西是搞笑吧

这种情况太普遍了。几年前在一个传统制造业做DS, 整个部门就十来个DS，结果有三个VP，三个Director 三个manager, 机构臃肿还没人干活。年终报告跟CEO吹水，说DS一个项目每年为公司节省了一亿美元的开支。CEO脸挂不住了，当场怼回来了。真能吹，真把CEO当傻缺了，哈哈。

刚打算从传统工科转DS的，看的瑟瑟发抖。。。

同意LZ整体来讲大部分行业及公司（modeling) DS是坑及泡沫，DS是吹的很光鲜，但实际上很多人成就感很低，跳槽率最高的职业之一，慎选DS，
但不同意标题里前半句“如果不去TECH大厂。。。。", 我猜LZ没去过tech大厂，也没深入面试或了解过大部分tech大厂DS在干嘛，据我观察tech大厂有很多DS职位更是打杂，核心的ML model 不会让DS们负责的，都有大牛教授/researcher/MLE专门负责，而不是'DS', 建议LZ多面几家tech大厂或和认识的人了解一下有多少DS在某些所谓的tech大厂是整天只跑SQL做adhoc data question 的，又有多少PHD学位DS在某些大厂整天做ABtest的。。。。。我有2个类似主题的讨论在这，感兴趣可以看看：https://www.1point3acres.com/bbs/thread-811686-1-1.html     https://www.1point3acres.com/bbs/thread-812014-1-1.html

请问有没有介于ds和sde之间的岗位呢

楼主的说的和我的观察差不多。这两年传统行业大厂也招了ds或是新成立了ds部门，可能是因为数据科学比较流行，没有ds部门怕是不好意思和人打招呼。可是真的不知道ds能干什么，在传统行业又有什么影响力。如果真有需求（如果有），外包给咨询公司不就行了吗？

splash 发表于 2022-3-5 10:23
请问有没有介于ds和sde之间的岗位呢

不是之间，而是之和， 合格的 MLE 或 applied scientist ~=  DS + SDE