只知道DA/DS？说明你完全不了解数据岗位！

数据世界正在迅速扩张，但是进入数据科学领域并不代表我们能够独自完成所有相关的工作，更重要的是：不同类型的工作角色有着不同的风格。是时候问问自己："我适合哪种类型？" 

未来期望从事哪个行业？

在现实世界里， ML（机器学习）/AI （人工智能）领域汇集了与数据相关的每一个工作角色，从统计学家到可靠性工程师都包含在内。但是，到底有多少种数据科学领域的工作角色？他们的工作内容和特征又是什么呢？就让我们来快速浏览一下数据科学领域中的常见角色吧！

本文用“厨房”作比喻来解释不同的数据科学工作角色。假设我们把某一个工作想象成在厨房会使用的词语：

• 【数据】 = 【成分】 

• 【算法】 = 【设备】

• 【模型】 = 【配方】 

• 【预测结果】 = 【菜品】

以下是常见的数据科学领域的工作：

数据工程

通常有两种形式：提供数据集供数据科学家使用，或者实现大规模数据交付。

当我们只是给自己做饭时，去超市购买食材只是一件简单的事情。但是当我们扩大规模时，即使是琐碎的事情也会变得复杂 —— 比如，要如何购买，储存和加工20吨冰淇淋而不让它融化呢？如此巨大的规模使这件事情变成一项复杂的挑战。同样，如果我们只是为学校的某个项目下载电子表格，做数据工程工作相当容易，但是当我们处理PB级（100万GB）的数据时，工作内容会非常繁杂。

数据科学研究

在“厨房”比喻中，这是“发明新型厨房电器”（设备）的工作。我们可以把这看作是数据科学的理论研究方面。重点是，需要创造新的理论来增强我们解决问题的能力。

这一类工作人员就像“发明家”——他们的工作重点是证明不可能的事情是可能的。他们享受这个过程和成果，并且随时准备好进行下一个挑战。在“厨房”比喻中，这一类工作属于设备类。虽然工作人员尝试着将想法变为现实，但是这个全新尝试出的设备并不完美。例如，当我们操作界面时会发现一点也不好用。用户友好？功能强大？精心设计？这可不是数据科学研究人员的工作。这一类工作人员只忙于弄清楚“如何将传输功能引入微波炉”也就是开发新的功能。

数据工具制造/平台工程

这一类工作是构建用户友好的设备，并将其整合到“厨房”中。这是为了向数据科学家提供可使用的工具和平台。

平台工程师不会发明新的设备，而是调试新设备或者新版本让用户接受度变得更高。他们拥有出类拔萃的设计思维，高可靠性和高效率。例如，他们会做用户研究，以确保用户喜欢他们的产品，所以在“微波炉“的起步阶段，他们不会在商店销售大量的新手不友好版本。回到现实，人工智能领域中真正困难的部分并不是思想上的，而是制造上的——与平台工程师的工作息息相关。

决策智能

这一类工作负责在“配方”和“菜品”方面进行创新。我们可以把它看作是数据科学的应用方面。它能够利用数据和算法解决特定的业务问题。

决策智能团队成员致力于配方创新。对现有算法不满意？他们选择招揽一名算法研究人员；需要好用的工具？他们会让一名平台工程师加入团队。他们对“烹饪”更感兴趣，而不是指特定的某一种“烹饪”手法。他们对不同产品发明不同的“定制配方”来解决不可能的商业问题。因为“厨房”的“设备”和“成分”原料非常之多，他们能够帮助我们弄清楚如何做出米其林星级的零卡披萨。

应用 ML/AI 的项目阶段

在应用ML / AI领域，你需要弄清楚你在哪个项目阶段工作，并找到对应的角色。

以下是常见的三个阶段：

推进阶段：进入“厨房”之前，思考我们的目标是什么？如果我们想要某个全新的设备，那就召集团队一起创造出来。

样本阶段：假设我们的目标是制作一种纯素的零卡路里香肠，味道和肉肠一样。那就让“厨房”忙起来，不停地尝试和改进吧！                 

生产阶段：终于琢磨出了一个不错的配方，在“厨房”生产看看效果如何。

推进阶段中的角色

决策者/产品经理：负责想出方案为客户提供服务并且细化到进行服务的方式。

数据工程师/架构师：“设备”已经完成了，他们负责找到能够大规模储存和管理“成分”的物流方法。

研究员：研究现状并告诉团队成员还需要发明什么东西。

工具/平台制造工程师：制造出一个顾客喜欢使用的产品。此类型包含传统软件团队中的所有角色，从设计师到软件工程师。

最后三个角色可以外包——例如云提供商，可以帮助处理“厨房”设置或“运输”等事情。

最重要的是：确保你确切地知道自己在销售什么产品：数据？算法？让其他人制作AI的工具？使用 AI 的解决方案？最重要的是专注于你的核心业务。

样本阶段中的角色

分析员：分析员是唯一一个能够仔细观察所有事情的人。在“厨房”比喻中商店和厨房都是黑暗的，只有分析员拥有手电筒。      

数据工程师：找到一个办法既可以拿出2万吨冷冻胡萝卜又可以保证拿出来时仍然是冷冻状态。 

ML / AI工程师：在“厨房”里不断尝试，直到我们真的做出了零卡的素食香肠。

统计学家：确认所使用的“配方”足够好，可以满足用户要求。

生产阶段中的角色

ML / AI工程师：团队有一个很棒的“样本配方”。我们需要做的就是不断调整让它变得更好，并随时进行维护。

可靠性工程师：安排生产和建立“安全网”，保证我们按照“配方”工作不会出现错误。

分析师：监控生产，在出现问题时发出警报。

统计学家：进行实时实验以验证用户是否满意，还要观察配方是否满足不断变化的要求。

所有项目阶段的角色

决策者/产品经理：团队的领导，负责指导大家！

定性专家/决策科学家/数据翻译：如果决策者对“食物”一点也不了解，他们负责回答一切关于“食物”的问题。

顾问/专家：决策者寻求指定建议（如用户体验）的人。

技术人员：帮助完成工作的人，尽管这一职位的工作基础且繁多。但是所有“厨房”团队都非常需要他们！

传统软件项目中的所有标准角色（从开发人员到项目经理再到人员经理）都在 ML/AI 厨房中占有一席之地。

以上就是“ 只知道DA/DS？说明你完全不了解数据岗位！”的详细内容，想要了解更多IT圈内资讯欢迎持续关注编程学习网