原文：
www.kdnuggets.com/2022/03/data-science-reality-expectations.html
-
当你告诉别人你是数据科学家时，这会带来很多假设和高期望。每个公司对数据科学家的定义都是独特的，这取决于他们的期望。
-
我在 2019 年 9 月完成了为期 9 个月的 Bootcamp 后，深入了解了数据科学的世界。课程包括线性代数、统计学、应用建模、SQL、机器学习、计算机科学和生产部署（例如 git、Flask、AWS）。我很兴奋能够参与到一个以惊人速度发展的领域。特斯拉有了自动驾驶汽车，Instagram 正在创造疯狂的算法，几乎每家公司都在其商业计划中实施数据使用。
1. Google 网络安全证书 - 快速进入网络安全职业轨道
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织的 IT
-
在完成了 Bootcamp 后，我以为会得到大量数据，需要在变量之间找出模式。这将涉及大量的数据清理和机器学习模型的实施，以更好地理解当前和未来的输出。我看到几乎每个行业都有数据科学家的职位空缺，从明显的像亚马逊到新兴的像主要护肤品牌。我相信自己进入了一个每家公司都需要的职业，虽然这是真的，但现实却有所不同。
-
我对数据科学家的角色有很多假设和期望。然而，在我在行业中的近几年以及与其他数据科学家、机器学习工程师和分析师交谈后，我开始看到数据科学未能满足行业期望的方式。
-
接下来我将逐一讲解每个要点。
Jehyun Sung 来自 Unsplash
-
我相信，为了让任何事情成功，你需要有一个合适的团队，每个成员都具备特定的技能。当所有成员的技能结合在一起时，成功的机会就会大大增加。
-
在大多数公司中，负责数据科学和使用数据科学进行决策的高层管理人员，对实际的数据科学知识和理解几乎没有或完全没有教育背景。
作为数据科学家，这使你处于什么境地？在进行数据科学工作流时，总会有被阻碍或需要领域专家建议的时候。与没有数据科学知识的高管交流会使你的工作生活变得困难，因为解决问题的责任将落在你身上。
当公司实施自上而下的管理方式时，这就成为一个主要问题。这种方式是在最高层进行决策，并传达给团队其他成员。许多数据驱动的公司仍然严重依赖这种方法，这导致了等级制度和整体员工满意度的问题。作为数据科学家，你可能没有参与决策过程的机会，也没有得到足够的重视和尊重。你会非常沮丧，因为清理数据、构建模型和生成准确输出都是你投入的时间和精力。
这一点与上面提到的有关。过去十年中，数据驱动的初创公司急剧增加。有些初创公司一开始就表现良好并高效运营，但大多数公司员工少于 100 人。
排除高管、董事总经理、HR 团队等后，只有少数员工擅长数据分析、数据可视化、机器学习和 SQL。如果你是团队中的主要数据科学家，你很可能会被来自不同团队成员的多个请求压得喘不过气来。
在这种情况下，拒绝这些请求并无妨。工作过多会开始影响你和你的健康。此时，公司应理解公司的成长，并开始考虑扩展数据团队。
Patrick Tomasso via Unsplash
数据科学家的面试过程通常非常复杂。可以查看 simplilearn 来查看前 60 名数据科学面试问题及答案：从基础到技术。在过去，我被问过有关 SQL、线性回归和逻辑回归、决策树等问题。
你可以想象，准备数据科学面试是多么令人畏惧，你需要掌握广泛的概念！然而，不要让这阻碍你追求数据科学的职业生涯。了解的背景越多，你的机会就越大。继续练习顶级面试问题，直到你感到自信。你可以向招聘经理询问面试过程的详细信息，这将有助于你准备。
一旦你获得了数据科学家的职位，你可能会被要求在几乎没有或没有方向的情况下解决问题。这可能是因为团队成员对数据科学没有了解，或者误以为数据科学家什么都知道。我的建议是，与数据团队中的其他成员，如软件工程师和分析师密切合作，以获得支持。如果你不幸是团队中唯一的数据人员，拥有一位专家或高度熟练的导师来提供建议是一个不错的选择。
本文的目的并不是要劝阻任何人追求数据科学职业，而是为了让大家更好地理解这份工作的内容。
我希望在我进入第一个商业数据科学职位之前，有人给我提供详细的分解和建议。虽然在工作中学习这些东西对你成长有帮助，但如果你能带着这些知识去工作并做好准备，将会让你的生活更轻松。
本文旨在帮助公司了解他们可能存在的问题以及如何改进。公司的总体目标是高效且成功的，而对我来说，这从员工开始。
Nisha Arya 是一名数据科学家和自由撰稿人。她特别感兴趣于提供数据科学职业建议或教程以及数据科学理论知识。她还希望探索人工智能在促进人类寿命方面的不同方式。她是一个热衷学习者，致力于拓宽自己的技术知识和写作技能，同时帮助指导他人。