原文：
www.kdnuggets.com/2021/03/why-data-scientists-quit-good-jobs.html
评论
由 Adam Sroka 撰写，他是 Origami 的机器学习工程负责人。
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 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 在 IT 领域支持你的组织
眼泪汪汪——当理想工作变糟糕时（照片由 Andrea Bertozzini 拍摄于 Unsplash）。
你对你的工作满意吗？不满意？无论如何，参与一个简短的调查
我们经常被告知数据科学作为职业有多受欢迎。常常会看到数据科学被称为“21 世纪最性感的职业”或每年的高薪期待比较。
数据科学有很多优点。它是一个具有挑战性的角色，有许多东西需要学习并保持忙碌。与许多其他角色相比，数据科学家可以获得更多的自主权来探索和解决有趣的问题。而且，在许多情况下，你将有机会与来自不同领域的才华横溢和技能出众的人合作。
尽管如此，根据这项 Kaggle 调查，许多数据科学家每周花费几小时寻找新职位。实际上，从事机器学习的人常常名列寻找新职位的开发者之中——在 2020 年 Stack Overflow 开发者调查 中占 20.5%，仅次于学术界！
如果数据科学如此理想，那就会引发一个问题……
为什么这么多数据科学家在寻找另一份工作？
现在我也经历过这种情况，希望我的经验能为这个问题提供一些启示。
在我晋升为初创公司总监之前，我当了好几年数据科学家。我现在从事更多的管理/领导工作。既当过数据科学家，又管理过数据科学团队（以及更广泛的开发和数据团队），我从两个方面拥有不同寻常的视角。
在我做数据科学家期间，我也感受到了这种痛苦。我大多数时间在初创公司工作，并在职业生涯初期几次跳槽。原因是多个因素的组合，但有很多元素是我在其他公司也听到过的。
我在这里的目标是概述一些更一般的原因，并提出我认为有助于改善情况的方法。这些建议对以下人群将会有用：
-
目前不满意且不确定是否离职的数据科学家
-
对于那些似乎无法留住优秀数据科学人才的经理和组织
-
对于考虑进入这个角色的有志专业人士（如果这些是你的警示信号，那将是很大的投资）
在我们开始之前，必须说我仍然热爱数据科学这个角色。如果你知道如何充分利用它，它可以是一个非常有回报的职业。
有时候，工作环境并不像人们预期的那样（照片由 Sebastian Herrmann 提供，发布于 Unsplash）。
能够使用前沿技术，以有趣的方式解决难题，运用新算法，开发对组织有重大影响的机器学习解决方案——数据科学听起来很棒！
然而，对许多人来说，这听起来太美好了，不切实际。
我亲身经历过，也从许多业内人士那里听说过，现实往往与期望不符。我敢说这是数据科学家感到沮丧并最终离开的首要原因。
现在，这种情况可能有很多原因。我们还应该记住，这问题是双面的。
不切实际的期望
许多刚入行的数据科学家缺乏在真实组织中工作的经验。正如社交媒体对他人生活的非现实展示一样——很容易接受所有激动人心的故事，并认为这就是常态。
我发现这对于那些刚从教育或学术研究职位中出来的人来说是很常见的。很容易陷入无限时间、无限预算的思维模式。我经常听到数据科学家抱怨说他们不能确定工作完成的时间，并且会需要多久就多久。这并不真实，而且在大多数组织的文化中并不适用。
你要么修正你尝试实现的目标范围，并调整时间尺度以适应；要么修正时间尺度并调整目标范围。
另一个主要因素是令人沮丧的认识到工作中有很大一部分并不那么令人兴奋。在大多数组织中，你需要在技术工作和其他不那么令人兴奋的任务之间分配时间。如果你不喜欢报告、写作、做演讲，重复解释模型或方法的基础知识、项目管理和行政开销，或试图争取其他部门的支持，这可能会成为一个问题。
严酷的现实
你可能会发现许多你预期会存在的基础设施和数据处理实际上并不存在。
我之前在一家初创公司工作，担任第二名数据科学家。我在那儿待了 18 个月的同事在这段时间里一直在构建一些基础的数据管道。幸运的是，他们经历了所有说服相关人员批准预算、解决采用新云技术时的安全和 IT 问题、千百次解释所有这一切意义的痛苦。
在某些情况下，你会被用作一个聪明的技术人员，能够很好地处理松散的要求以完成工作。你也能做数据科学的事实可能只是其次。
当团队中缺乏经验丰富的数据科学家或管理层缺乏管理数据科学家的经验时，这些问题可能会变得更严重。如果你是唯一的人，可能很难以引起共鸣的方式表达你的观点。
这往往会导致不愉快的工作环境和未满足的期望。
作为数据科学家，你可能会以为你是来建立智能模型并从数据中获取尽可能多的价值的。你会被拖延，因为你前几个月需要建立必要的基础设施和管道以获取数据。
公司中的高级利益相关者看到大量时间流逝而没有多少结果。实际上，他们会对定期董事会会议上的一些简单图表感到非常满意。他们开始觉得一个昂贵的资源没有足够快地交付价值。
这种脱节最终会让双方都感到沮丧。
如果有机会，请在面试阶段提出相关问题：
-
谁在组织的最高层级支持数据科学？
-
他们是否有相关经验，还是因为炒作而聘请你？
-
数据团队中还有多少其他人？
-
是否有数据工程师/分析师/DevOps 工程师，还是你需要自己完成所有这些工作？
现在，这一切可能看起来很悲观——但实际上并非如此。许多组织在这方面表现良好，但这需要在管理期望和找到有正确支持并且设置成功的位置之间取得平衡。
有时你会觉得自己像个政治家（照片由Deniz Fuchidzhiev提供，来源于Unsplash）。
办公室政治。哦，天哪。
我听说过很多次，才华横溢的团队在良好的管理下因为政治因素而被彻底拖垮、削弱和消亡。我听说过一个亲身经历，当组织中唯一一个支持数据科学的高级领导被迫离职，团队迅速被重组到那些不能充分发挥其技能的单调工作中。
不幸的是，政治是许多职业的一部分。现在，你不必“玩这个游戏”——你始终可以将你那稀有且需求量大的技能带到其他地方。
如果你对退出、声音、忠诚、忽视模型不熟悉，我建议你去读一读。该模型源于阿尔伯特·赫希曼的研究，概述了个体如何应对不可接受的情况的抽象模型。该书于 1970 年首次出版，已经被广泛讨论，并进一步扩展。
当情况不对时，归结为四个选项：
-
退出 — 你辞职另找一份工作，离开公司，导致问题依旧存在，公司失去了你的技能和经验。
-
坚持 — 你要耐心等待，看情况是否会好转。如果事情没有在你耐心耗尽之前得到解决，这种情况通常会导致其他选项的出现。
-
忽视 — 你通过忽视你的职责来反抗发生的事情，这要么会让你在一段时间内轻松度过，要么会导致你被解雇。
-
声音 — 你采取立场并尝试做出改变。
在四个选项中，声音是唯一一个你主动尝试改善情况的选项。在这种情况下，这意味着要应对办公室政治。
在许多情况下，你组织中的政治状况可能超出了你的薪资等级。这可能非常不舒服，因为你可能觉得自己无力影响巨大的预算削减或大规模变革。这可能是一个权衡选项的好时机，但向领导层发送一封写得很好的沟通邮件，实际上可能是促成真正变化的催化剂。
如果你在一个较小的组织中，决策者更容易接触到，我强烈建议你尝试与他们建立关系。与许多人可能认为的相反——人们通常希望为组织和其中的人做对的事情。公司雇佣真正邪恶并打算害你的人的情况是非常罕见的。
高级利益相关者往往没有了解数据科学团队需求的经验。花时间向他们展示你如何增值，并与他们建立强有力的关系，将帮助他们最大程度地发挥你的技能价值。这也可能帮助你更好地理解业务最高层的真正关注点。
在我为初级数据科学家举办的讲座中，我开玩笑地建议尽早在新工作中自动化一些首席财务官或财务总监的工作流程。这将直接向掌握预算的人展示你的价值，并赢得一个盟友。这不仅仅是个半开玩笑的建议，因为老实说，这些人通常是公司中最忙碌的一部分，常常陷入 Excel 的地狱。
在业务中有影响力的人需要对你有一个良好的印象。他们中的大多数人不会在乎你对算法或统计学了解多少。你可以通过为他们做一些平凡的任务和基本的数据检索、自动化或报告工作来赢得他们的欢心。如果你能带着微笑完成这些工作并建立强大的声誉，你会发现从长远来看事情会变得更容易。
当你成为所有数据问题的首选人时，这可能会变得令人不堪重负（照片由 Usman Yousaf 在 Unsplash 提供）。
如果你能成功应对办公室政治，你很有可能会建立起良好的声誉。这可能是一把双刃剑。
许多人不会理解（或在意）成为数据科学家的含义。如前所述，你会被视为一个聪明的技术人员，能够完成任务。凭借对所有数据的访问和丰富的技术工具，你可能会迅速成为解决他们问题的首选人。
如果你能处理这些工作，那当然很好，但这可能会成为一种负担，当人们开始依赖你并施加压力时，情况可能会变得不那么舒适。你可能会发现自己很快就会把 80% 的时间花在一些可能更适合早期职业数据库管理员的工作上。
我常常告诉组织，数据科学家可以做任何事情，通常比其他人更慢、更贵——但重点是可以做任何事情。
拥有广泛的技能和松散定义的角色可能很有趣，但不要因为你的组织不了解而掉进做那些更适合其他工作的陷阱。联系高级利益相关者，并主动帮助招聘那些乐于做那些让你远离真正想做的工作的数据库管理员或商业智能开发人员。
这也有助于解决孤立的问题。如果你在一个小型孤立的数据科学团队中，你在数据方面的专业知识实际上可能会让你感到孤立。数据成为你的领域，人们不愿意承担责任。帮助你的组织更好地进行结构调整并扩展数据角色，可以更好地将你与更广泛的团队进行整合。
不幸的是，仅仅了解所有最新的工具和算法是不够的，以充分发挥大多数数据科学职位的潜力。如果你对期望有一个合理的了解，并且明白你可能需要对你的组织进行一些教育，你很可能会成功。
原文。转载许可。
简介： 亚当·斯罗卡博士，Origami Energy 机器学习工程部门负责人，是一位经验丰富的数据和人工智能领袖，通过提供企业级解决方案和从零开始建立高效的数据和分析团队，帮助组织从数据中挖掘价值。亚当通过公开演讲、技术社区活动、博客和播客分享他的想法和观点。
相关：