如果不去TECH大厂，请慎选Data Science

farmer0307 发表于 2022-03-05 07:27:40
不是之间，而是之和， 合格的 MLE 或 applied scientist ~=  DS + SDE

谢谢～zszs

感谢lz分享心得
我在tech公司，觉得data driven decision难道不是非常自然的事情吗，我司的DS也主要是做各种analytics的事情，还挺有visibility和成就感的。但朋友在一个传统行业的公司，发现并不是data driven，很多部门做决定时并不会请求or尊重DS的分析和意见

所以我觉得找DS工作时，旁敲侧击看是否尊重data and DS很重要

传统公司都喜欢吹digital transformation，实际情况是招来的一堆ds, de，这些人一般呆一段时间就跳槽去了科技公司。

DS的价值主要取决于
1. 应用场景是不是核心业务
2. DS是不是此业务不可或缺的组成部分，或者DS是不是可以显著改进业务

好的DS要求能力非常的全面。
要做出落地的DS项目，业务，数据，模型都得懂，还要会沟通能说服人。

DS落地，特别在传统企业中，难点如下：
1. DS的应用场景并不是核心业务。能带来的实际价值有限。很多只是跟风。大厂龙头有这个资源和动力来做5%的改进，中小厂不一定有。
2. 业务场景本身非常复杂。需求多样化。
3. 决策者不懂DS，不知道怎么用DS。不清楚自己的需求。
4. 很多人包括决策者根深蒂固的business/heuristic driven思维，很难转变他们的想法。
5. 企业环境复杂，部门多且关系乱，一个DS项目落地往往涉及到多个部门的合作。
6. 技术落后/资源匮乏。包括数据的存储，开发环境，后期配套运营工具等等。常常一个模型跑出来，有了score，后期配套的运营工具都没有。

所以很多DS项目都是难且收益小，所谓吃力不讨好。。

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。

是啊，很多小公司只是跟风ds而已，没啥话语权的。确实建议大厂ds

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。。

所以ＬＺ辭職了再找下一步？

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

匿名用户 发表于 2022-03-05 13:06:38
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

问一下传统工资大概是多少啊？是投行那种吗