为什么很多人对数据科学工作失望了？

大数据文摘出

来源：Medium

作者：Luna、笪洁琼

数据科学最近火到几乎全民皆知。入门看上去很容易，把数据和模型还有代码稍微研究一下，在代码没有Bug的情况下，基本上都能出结果。

但问题就在于，模型跑出来的结果到底评价如何？刚入门的人可能就会比较疑惑，评价结果需要通过长期的研究经验才能判断，跑出来的结果在什么情况下，趋于哪个位置是比较合理的。

Reddit上最近有一个关于数据科学方向的工作的帖子，获得了不少网友的热情回应，也表达出了很多人对数据科学的爱恨交加。

不少看似简单的经验，都是经过大量的重复而繁琐的工作得到的，而如果你不考虑从最基础的工作进行沉淀和积累，那么就难以成为有经验的人，自然就与数据科学的研究产生了隔阂。

接下来就让文摘菌给大家总结一下，数据科学工作的失望来自于哪些因素？

数据科学曾是最受喜爱的热门职业之一，而现在，这个趋势正在改变。

较早的时候，几乎每个计算机专业的学生都想从事数据科学领域的职业，该领域也吸引了来自许多其他专业的学生。现在，尽管围绕数据科学的炒作仍然存在，但并非所有人都可以轻松获得相关的职位。

过去的二十年对数据科学界来说是一场革命。这二十年来的发展是惊人的，影响所有传统领域、影响了很多人。

数据科学的应用已经覆盖了所有行业，理论上，在市场上应该会看到源源不断的对数据科学家的需求。

但是如今，这个趋势正在发生变化，市场的需求不再像以前一样。即使需要数据科学家，很多求职者也缺乏技能或经验。当看到数据科学领域逐渐失去魅力时，我试图列出所有我能想到的潜在原因。

1.人们无法一毕业就立刻在这一领域找到工作

大学毕业后，应届毕业生希望能立刻找到数据科学家的职业。但是在大多数情况下，雇主愿意招聘的数据科学家，至少需要2至3年的工作经验。因此，人们不能直接以数据科学家的身份开始工作，而必须从别的领域方式开始自己的职业生涯。

公司不准备将时间投入到新来的人才上，而是希望招入在该领域已经具有出色技能和经验的人才。虽然几乎所有的高科技公司都有自己的数据科学部门，但其他没有此部门的公司，却只能招聘有丰富业界工作经验的数据科学家。

我认为，只有一种方法可以帮助他们：在他们学习期间，同时进行实习，来积累经验以满足公司的需求。

2.人们不了解数据分析师，业务分析师和数据科学家之间的区别

另一个主要原因是，当今的数据科学爱好者，不知道该领域中不同工作细分之间的区别。他们所有人都希望获得“数据科学家”的头衔，却不知道数据科学家的实际工作是什么。他们错误地将数据分析师，业务分析师和数据科学家视为相似的工种。

在不知道自己想从事什么工作的情况下，就无法胜任工作。

3.人们发现数据科学太容易了

人们直接开始研究算法，调整数据的方法，但是他们不考虑的是算法背后的数学。凭借入门级别的编程知识和机器学习算法的知识，他们便认为自己已准备好面对现实世界中的问题。

人们通常会忽略统计学和模型背后的原理，这是真正意义上需要大量付出才能理解的数据科学的垫脚石，因为他们觉得它无趣。数据科学本质上，是需要人们不停学习的，一个发展不会停滞的领域。在过去的2-3年中，自然语言处理取得了巨大的发展，在这个领域人们必须随时了解最新的模型。

人们误以为数据科学很容易，这是因为他们没有处理现实数据。在教育系统中，他们花了很多年学习的时间，一直在处理结构化数据或一些可供人们学习的预处理过的数据。

然而，现实世界中几乎99％的数据都是非结构化的。在业界，数据科学家需要花费大部分时间对数据进行预处理，才可以从数据中提取有意义的信息。

4. AutoML正在使人们找到工作的道路更加艰难

科技巨头Google，Microsoft推出AutoML之后，就震惊了有抱负的数据科学家。公司对数据领域的兴趣和好奇心，逐渐演变成了对AutoML的投入和期待，而数据科学家开始担心自己会因此失去工作。

AutoML自动化了将机器学习应用于数据集的这个过程，它也可以预处理和转换数据。与此同时，AutoML涵盖了从处理原始数据到部署机器学习算法的完整流程。

AutoML擅长构建模型，但是在预处理方面，它们暂时还无法替代人类，进行准确标注分类。由于数据科学家的主要工作，在于对数据进行预处理，所以显然的，到目前为止，AutoML不能替代人类数据科学家。

尽管AutoML降低了成本这一事实不容忽视。在美国，数据科学家的平均年薪约为12万美元，而Google和Microsoft AutoML的使用成本约为4千美元至4万美元一年。

由于现实世界中的数据是高度非结构化的，需要大量的预处理，我们并不能否认数据科学家在预处理数据方面的优势。

有太多东西要学，而没有人愿意做艰苦的工作。对于普通人而言，他们很难从基础知识入手，并在该领域表现出色：这将花费大量时间，并且需要人们又足够的耐心。数据科学的领域范围很广，但是行业中缺乏具有实际技能的优秀从业人员这一点，导致数据科学里最有前景的工作内容从数据科学手中流失。人们正在远离它。

相关报道：

https://towardsdatascience.com/why-is-data-science-losing-its-charm-3f7780b443f5

https://www.reddit.com/r/datascience/comments/gv3i57/so_many_people_disappointed_with_their_jobs_you/?utm_medium=android_app&utm_source=share

原标题：《为什么很多人对数据科学工作失望了？》

阅读原文