原文：
www.kdnuggets.com/2022/06/data-science-career-7-expectations-reality.html
在即将开始数据科学职业路径的人们的期望与数据科学家实际做的事情之间存在巨大差距。有些期望得到了满足，但许多新数据科学家发现他们的工作与他们预期的完全不同。
1. 谷歌网络安全证书 - 快速进入网络安全职业。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织进行 IT 工作
这部分是因为数据科学是一个快速发展的领域。今天的流行词汇可能在明天就变成过时技术。另一个原因是因为它是一个广泛的领域——数据科学家发现他们必须在工作中扮演许多角色。此外，面试阶段通常存在一些误导：雇主对员工的需求非常迫切，因此会过分美化职位描述。而且，数据科学领域如此广泛，它包括数据清理、整理、机器学习、基础统计和数据可视化。
让我们来看看数据科学家的期望与他们实际面临的现实。
一般认为数据科学家需求很高，所以薪水也很丰厚。实际上，你的数据科学薪资在很大程度上取决于你生活的地方、你为谁工作、你处于职业生涯的哪个阶段以及你所在的行业。
那么 数据科学家赚多少钱 呢？薪资可以达到六位数，但 $60k-70k 范围的薪资也很常见。一些初级职位的平均薪资不到 $50k。尽管如此，大多数薪资水平仍然非常具有竞争力，并且附带许多福利。
许多人会告诉你，成为一名数据科学家不仅仅是与你处理数字和 Python 的技能有关。成为一名优秀的数据科学家意味着你具备商业洞察力。你知道这些数字意味着什么。你将把这些重要的洞察传达给公司领导团队的关键成员。
现实情况是，和其他任何角色一样，你必须屈服于政治。有时你所做的工作会对业务产生实际影响。你会开发出一个真正影响公司底线的算法。但是，往往情况下，甚至更多的是，你会制作一个电子表格、数据可视化，或者只是为一个需要数据用于明天演示的高管处理一些数字。Deliveroo 数据科学家 Jonny Brooks-Bartlett 写道：“你必须不断地做一些临时工作，比如从数据库中提取数据，以便在正确的时间将数据提供给正确的人，做一些简单的项目，以便让正确的人对你有正确的看法。”
例如，目前人工智能在数据科学中是一个非常流行的流行词。新的数据科学家可能自然地认为他们将构建前沿算法，并从事机器学习工作。
然而，如上所述，很多工作只是临时的与数据相关的工作。这涉及大量的 ETL 和数据清理。虽然你的一部分时间肯定会花在令人兴奋的概念和技术上，但大部分时间不会。
此外，你的雇主通常会期望你尽快开始使用极其有限且笨拙的数据构建 AI 模型。Monica Rogati 在她关于如何避免招聘数据科学家的指南中 写道：“[新招聘的数据科学家] 预计需要投入一些精力来收集和清理数据——但他们没想到会如此复杂和混乱，缺失或难以访问的情况如此之多。”这完美地概括了作为新数据科学家是什么样的体验。
有一种感觉是，训练营或 Coursera 课程将教会你成为 数据科学家 所需的一切。现实情况，如同几乎所有其他工作一样，是你需要在工作中进行大量学习。有一些沟通技巧和领导本能是你从 Coursera 课程中无法获得的。
对于数据科学家来说，这也更为真实，那就是工作取决于你如何对待它。许多初创公司雇佣数据科学家是因为投资者要求这样做。缺乏技术知识的创始人对你能做什么一无所知，所以你需要自己搞清楚并定义角色。（并且准备好在过程中遇到许多误解。）
作为数据科学家，你期望你的工作是纯粹的数学。你收集数据、进行分析、创建数据产品，并处理数字。但请记住，你的雇主并不像你一样中立。正如数据科学可以被意外地用于不良目的一样，数据科学家也可能如此。
我们都对亚马逊臭名昭著的反女性人工智能招聘工具有所了解。一些数据科学家开发了那个模型。一个更具道德灰色地带的例子是优步的 Greyball 项目，该项目帮助优步司机躲避执法，避免被罚款。同样，这个产品并不是像雅典娜从特拉维斯·卡兰尼克的额头上直接跳出来的。真实的人们是将其构建出来的。
作为数据科学家，你可能会被要求做一些值得怀疑的事情。公司并不一定是为了善意而存在；它们大多数是为了盈利。特别是当你正在开发可能影响许多人的产品时，保持对所需完成任务的分析思维是值得的。
正如许多数据科学家所知，工作的现实是没有指导、基础设施不足，而且对你实际做的事情了解甚少。“数据科学家可能是为了编写智能机器学习算法来推动洞察，但因为他们的第一份工作是整理数据基础设施和/或创建分析报告，所以做不到这一点，” 布鲁克斯-巴特利特写道。特别是如果你在创业公司工作，你通常需要做大量的预数据科学工作来完善你的工具、架构和技术。而且 IT 团队并不总是合作。
此外，同事们会认为你能处理任何与“数据”相关的请求，无论当时流行的数据术语是什么。六七年前，数据科学家们会被要求用 Hadoop 存储和处理数据。C-suite 级别的高管可能会要求你处理“深度学习”相关的工作。同时，你也会被要求发送一个带有简单 VLOOKUP 公式的 Excel 表格。
“最终，你不再像你想象的那样构建复杂的算法和预测模型。你现在花费所有时间来提升 SQL 和数据准备技能，从系统中提取数据并转换为不同格式，向利益相关者展示这些数据，以便他们可以利用这些数据做出商业决策，”Natassha Selvaraj在讨论为什么这么多数据科学家离职时写道。
虽然数据科学家确实很抢手，但对这个角色的困惑如此之多，以至于你不总能获得完成工作的支持或基础设施。
正如 Selvaraj 所指出的，许多数据科学家正在离职，但许多人仍然享受他们的生活。Glassdoor 列出它为美国第 3 大最佳工作，工作满意度相对较高（5 分中 4.1 分）。一项 KDNuggets 调查发现大多数数据科学家对他们的工作仍然感到满意。
像任何工作一样，做数据科学家可能会很乏味。它可能伴随有意外的任务。它可能具有挑战性。但它也可能非常有趣。作为数据科学家，你将被要求突破你的极限，并有机会对你的公司产生真正的影响（即使你也需要做一些琐碎的工作）。
一旦你度过了适应新角色的成长 pains，你将有权创建一个你喜欢的工作。“我处于一个可以只做数据科学的职位，”BullCityPicker在 Reddit 上写道，“极少的无聊会议，大量的‘别打扰我’时间，还有我选择有趣项目的自由。我为此得到很高的薪水。我有很多自主权，能够不断学习新东西，感到非常满意。”
总结来说，作为数据科学家，你：
-
有机会赚很多钱——但这并不保证。
-
可能会影响最终结果——但如果你希望别人听你说话，你需要与他人友好相处。
-
将从事前沿技术——同时做大量枯燥的 SQL 查询。
-
仅通过在线学习就能做好准备——但你必须通过被扔进深水区来学习某些技能。
-
创建真正影响人的数据驱动产品——但这些影响既可能是负面的，也可能是正面的。
-
被你的同事和公司重视——但你也会遭到深刻误解和常常得不到足够的支持。
-
会喜欢你的工作——如果它适合你的话。
换句话说，数据科学家就像其他工作一样。这份工作与其他工作不同的是，数据科学也受到了被称为“21 世纪最性感的工作”营销的影响。这导致你和你的雇主之间产生了很多误解和期望不匹配的问题。
如果你知道期望是什么，并且仍然感兴趣，那么这将是一个非常有回报的职业路径。
内特·罗西迪 是一名数据科学家和产品战略专家。他还是一名讲授分析课程的兼职教授，并且是 StrataScratch 的创始人，该平台帮助数据科学家准备来自顶级公司的真实面试问题。你可以通过 Twitter: StrataScratch 或 LinkedIn 与他联系。