数据科学的难题

数据科学家的职业困境：理想与现实的差距

本文探讨了数据科学家在职业发展中面临的困境，即理想与现实的差距。作者指出，许多数据科学家在工作中感到不满足，因为他们期望从事尖端研究和解决复杂问题，却往往被安排到无聊且无法充分发挥技能的项目中，导致职业倦怠。

作者分析了造成这种困境的两个主要原因：

1. **企业盲目追逐数据科学：**许多公司认为需要数据科学来保持竞争力，因此招聘数据科学家，却缺乏明确的项目规划和数据基础。
2. **数据科学定义模糊：**不同公司对数据科学家的职责定义存在差异，导致实际工作内容参差不齐。

针对这些问题，作者提出了以下建议：

对于数据科学家：

• 面试时，要确认团队对项目目标、数据资源和工具的清晰规划。
• 了解数据科学团队内部的政治氛围，确保团队成员对数据科学解决方案持积极态度。
• 询问公司对数据科学家的职位定义和工作内容，以及团队成员的组成。

对于企业：

• 确保CTO或分析负责人对数据科学的应用目标有清晰的愿景。
• 对所有团队进行数据科学的教育，强调其重要性和作用。
• 建立数据科学团队，并明确定义其职责和工作内容，避免角色重叠。

作者认为，只有解决好这些问题，才能真正发挥数据科学的力量，让数据科学家在工作中获得成就感，并为企业创造价值。

在这个视频中，我谈论了当今数据科学家和组织面临的最大问题。我还谈论了一些解决数据科学问题的方法。Kd nuggets 链接：https://www.kdnuggets.com/2018/04/why-data-scientists-leaving-jobs.html数据科学的问题在于，许多数据科学家对自己的工作没有成就感。这源于两个方面：1）公司在没有完全了解数据科学家的能力的情况下招聘他们；2）数据科学职业生涯还没有明确定义。对于数据科学家：为了避免这些陷阱，在面试中提出相关问题，了解团队及其周围的政治环境。确保了解其他补充团队的角色。对于公司：确保领导者了解数据科学是什么以及它不是什么。此外，更明确地定义数据科学职位（数据分析师、数据工程师、机器学习工程师等）。征求数据科学家的意见并给予他们反馈。