翻译|审稿人赵庆尧|梁策当孙淑娟开始学习数据科学时，我以为找到一份相应的工作就万事大吉了。然而，工作几年后，我开始意识到我错了。我认识很多datascientist进公司没几个月就走了，还有我自己，因为觉得领导布置的任务和自己苦学的技能没有关系，所以我也是交了datasciencepost之后实习一周。辞职了。在和像我这样早早离职的业内人士交谈后，我了解到数据科学的员工离职率高主要有两个原因：1、个人期望与公司岗位期望不符。数千小时的学习统计和不同的机器学习算法，然后申请几十种不同的数据科学工作，然后通过大量的面试，最后被一家中型公司录用。当你满心欢喜，以为终于可以开始研究现实世界的机器学习问题，以为终于可以把多年所学付诸实践，可是上班第一天，你却发现，公司系统中有大量未经处理的非结构化数据。在领导的心目中，你就是“做数据”的人，所以你负责对每天收集到的大量数据进行分析，从而帮助他们提升业绩。到最后，你发现你的工作根本不像预期的那样去构建负责任的算法和模型，而是把所有的时间都花在“审查”SQL和数据准备上，把系统中的数据提取成不同的格式，并将这些数据呈现给领导这样他们就可以使用它来做出适当的业务决策。尽管职位名称是“数据科学家”，但您并没有扮演您认为的角色。你不甘心只做公司的数据负责人，而是想从事一个能让你辛苦学来的技能发挥作用的项目。最终，你有两个选择——要么在公司呆几年，继续做你不喜欢的工作，要么离开，寻找更符合你个人发展目标的公司。您可能没有遇到过这种情况，但从我周围的数据科学家那里听到的情况来看，这几乎是他们最抱怨的问题之一。他们中的许多人对自己的工作范围有不同的期望，但最终每天都在执行数据报告和分析任务。在这些公司工作一段时间后，许多数据科学家最终失去了之前获得的机器学习技能，因为他们多年没有从事真正的机器学习项目。在寻找另一份工作时，他们也无法申请中级或高级数据科学职位，因为他们不再具备所需的专业知识。这些人往往不得不改变职业方向，继续从事数据或报告的分析工作。2.未能增加商业价值大多数数据科学家不满的另一个常见原因是无法通过他们的机器学习模型增加商业价值。在我看来，这个问题比上一个更普遍，因为具有明确工作范围和合适的数据管道（DataPipeline）的组织目前正面临这个问题。以下是数据科学家未能构建增加商业价值的模型的几个原因：此外，这个领域被大肆宣传，作为一名数据科学家，你可能会听到领导者提出一些更雄心勃勃的要求。在这种情况下，数据科学家需要向领导解释一个项目是否会成功，是否会带来预期的结果，以确保他们的预期与潜在的结果一致，这样大家才不会太失望与未来的结果。在着手任何机器学习项目之前，最好分析其估计的成本和收益，以便公司可以集体决定是否值得为该项目分配时间和资源。没有提出正确的问题作为数据科学家，您需要知道您构建的模型是否会为业务增加价值。我见过的大多数数据科学家都是根据指??示快速启动一个项目，但他们可能没有提出正确的问题或试图理解经理的想法。当你只是按照别人的安排去工作的时候，你就不会清楚地知道自己能给自己带来什么价值。如果此时有人问你工作的价值是什么，你可能很难回答。如果你一开始就不知道为什么要做你的产品，你怎么能让别人相信你的产品是可行的？如果缺乏正确提问的相应知识，需要先了解业务运营模式。您的模型构建应该特定于该领域，同时还要了解它对最终用户可能产生的影响。例如，如果您正在为一家服装公司构建模型，则必须知道季节性等因素会影响您向客户提供的建议。我从事市场营销工作，我的大部分专业知识都是通过直接与业务团队合作获得的，还有一些是通过在线课程获得的，其中很多是基于我与人的日常互动以及我对如何做的理解他们的行为。根据您的工作领域，花一些时间获取特定于行业的知识可能是明智的。这些知识可能会用到数据科学工作流程的每一步，包括预处理、特征选择、特征加权以及模型部署后的微调等。那么如何成为一个对工作充满热情的数据科学家呢？首先，选择一家能让你发挥优势的公司很重要。避免在职位描述中列出大量工具的公司。在申请职位之前，查看招聘平台，看看他们以前是否招聘过数据科学人员。如果不是，那么我建议你远离这样的公司，因为这意味着所有与数据相关的工作都可能由你来完成。如果是这样，请检查他们的数据科学家档案，看看他们对角色的描述是否符合您的期望。其次，在面试中不要只被单方面的问，需要尽可能多的问面试官关于工作范围和内容的问题。如果它没有达到预期，最好继续寻找其他机会。最后，花时间获得你所从事领域的专业知识。利用这些知识向经理提出正确的问题，并确保他们的期望与潜在的项目成果保持一致。译者介绍赵庆尧，51CTO社区编辑，从事驱动开发多年。他的研究兴趣包括安全操作系统和网络安全，并发表了与网络相关的专利。原标题：为什么这么多数据科学家辞职？，作者：NatasshaSelvaraj
