“我应该继续留在这个领域吗？”“下一步该怎么发展？”前几天，我和一个朋友聊天，他问出了上面的问题。
因为疫情，我们放慢了脚步，去花更多的时间思考，尤其是对于自身的发展。
相信有此类疑问的人不在少数。随手在Google进行搜索，就可以找到30亿条结果，有的还会列出详细的步骤指南。（关于“如何赚钱”的信息为20亿条）
但那些对解决问题并没有实质性帮助。
其实，之所以产生焦虑、紧张的原因就在于两点：期望与现实有所出入，数据科学可能比预期的更无聊；在职岗位的角色似乎不是自己想的那样。
这种情况下，一般有3种选择：
1、接受现状并内化掉挫败感。如果选择了这种方式，那这篇文章可能对你的帮助并不大。
2、离开现在的工作岗位，在新的地方开始数据科学工作。（这篇文章刚好适合你）
3、受够了，我不在这行干了（冲动是魔鬼，在做出这个选择前，不妨考虑下第2个选项）
综合来看，第2个选项大概率是多数人为改变现状会选择的。但离职跳槽就会随之而来一个问题：
去哪儿？
想清楚该去哪儿，就需要先知道当前处于哪里。一步步问下去就会发现问题绕回了最原始的一点“什么是数据科学”？
在Google上搜索，可能会看到类似以下的图片内容：
（什么是数据科学？来源：https://medium.com/@iphs_tech/believing-these-8-myths-about-what-is-data-science-keeps-you-from-growing-528f1bd240dc）
这样分类当然有理可循，但能不能真实的反映现实的工作情况？
答案很明显不能。
每个公司性质不同，职责范围会存在细微的差别。当我们做选择的时候，这两个因素很重要。
有没有什么办法能帮着更好的思考，让我们做出更好的决定？
在过往的从业经历里，我为大型企业提供咨询，还在AI初创公司中构建了ML产品（虽然公司最终被收购）。对于这个问题，我的观点就是：
建立数据科学家模型
那什么是数据科学？
它取决于公司的规模（企业或初创企业）和角色的主要责任（面向客户或内部协作）。
面试数据科学职位的时候，都会看到所要求的职位名称以及职责描述，它很可能会属于以下四个区域中的某一个。
当然，这个模型并不一定就是正确的，但可以作为参考帮助。
怎么用它？
这个模型展示了4个可以发展的方向。可以对照它为自己当前的阶段定位，以及作为未来发展方向的参照。
接下来，你可能会问：我怎么知道新角色对我来说是更好的？
为了帮助做出决定，以下是每种角色的一些利弊。此外，我还将讨论哪类人比较适合。当然，某种程度上，这些偏主观，所以仅作为参考。
Tips：
1、还可以按公司的其他方面进行分类，例如行业和产品类型（例如，与数据科学相关的服务或工具，非数据科学产品）。我比较倾向于公司的规模会对日常工作有更大的影响。
2、公司规模不是二元化的，有许多中型公司；为了简单起见，我将其二元化。
3、在初创公司中，客户交流、内部协作并不会清晰的划分开，通常倾向于两者兼具。只是时间分配的问题。
1、高价值的顾问
在全球性的咨询公司或大型技术公司（例如，德勤，麦肯锡，埃森哲，谷歌，IBM等）的专业服务部门提供数据科学服务。
优势：
在咨询公司，客户为结果会付出较高的费用，所以每个项目都很重要。解决问题以及高效工作的能力会得到锻炼。而且有非常清晰的晋升机制和要求（例如，分析师，经理，合伙人）。有机会接触到高层管理人员，在职业的初期见识、眼界会随之增长、开阔。
劣势：
商业价值重于一切（例如科学创新和出色的算法可能会有所忽略）。存在即便已经比较资深，但有些公司可能不会将数据科学家考虑进“合作伙伴”机制里的现象。
最适合：
经过一定的技术训练，富有抱负心，并且以业务为导向的人。在最开始的时候，比较擅于向有经验的人学习，也不会介意很辛苦，具备在一家大公司里，将自己当做“小企业”来经营的思维。
2、精通技术的销售
在以AI为重点的初创公司或中型公司（例如Dessa，Element AI，H2O，Cloudera和Palantir）中担任技术销售或项目负责人。
优势：
可以接触到一些最前沿的案例，因为客户通常会向你寻求创新，而不是来回交付（乏味的）长期，大规模的项目。在重要的战略和产品决策上有更大的发言权。灵活创新的能力会得到发展。
劣势：
某些客户可能对大型项目不信任（例如获得更多预算），这是“灵活创新”的反面。可能需要做很多“免费”工作才能赢得客户的信任。
与大型公司相比，后台支持更少。产品愿景可能会受到投资者（如果你有错误的风险投资人）或沉没的成本心态的影响，而不是真正的市场需求。
最适合：
希望在公司早期发展，实现企业梦想并已经拥有坚实的业务网，具备某个领域专业知识和/或声誉的人。
不太适合新手，因为他们更需要脚踏实地的打好基础。
3、产品嬉皮士
具有软件和/或ML背景的人员与技术工程一起在AI产品公司构建IP，做原型并支持销售转化。
优势：
无需操心过多的客户关系此类事情，可以专注于解决有意思且实际的问题。一般接手的都是短期项目。在这个岗位上，可以影响或定义如何将产品设计为“内部用户”，为客户或公司内部人员构建有所帮助的东西。
劣势：
可能过于带入到用户/客户的角色中，这会给排优先级、时间管理上造成一定的压力。比较难在“最前沿”与“立即可行”之间找到合适的平衡点，最后可能会陷入无休止支持客户的工作中。
最适合：
产品导向、专注于工程技术，以及在某些技术堆栈或工作流程中具有专业领域知识且经验丰富的专业人员。思维开阔，具有好奇心，喜欢技术挑战并能够完成它。
4、大家庭
好了，这部分可能会有点复杂，所以需要分成两个部分：幕后英雄和超级极客。
4.1、无名英雄
企业中来自传统BI，分析和建模小组的人员。他们主要与业务或职能部门（例如，市场营销，风险，财务等）合作。
优势：
可以非常专注于工作，并接近真实的业务运营。此外，还可以访问唯一的数据集、可操作的大规模基础架构。能比较好的平衡工作与生活，同时具有影响力或权力做出投资决定。
劣势：
大多数时间里，项目进程可能很慢而且有点无聊，会陷入某些角色或项目中。职业发展的晋升比较慢。
最适合：
对生活充满热情或者喜欢在特定领域投入时间，具有耐心、韧性的人，并且不在乎会不会被宣传。
4.2、超级极客
在Google Brain/DeepMind，Facebook的FAIR，Uber和Walmart Research等大公司从事研发工作的人员。
优势：
研究非常有思想性的话题。可以访问独特的数据集和问题。能够利用大公司的资源去尝试挑战。会得到很多认可和好评。
劣势：
面临必须证明“商业价值”的压力。业务优先级可以会限制或影响研究主题。如果研究证明有价值，则可能会陷入“无聊”的实施中。
最适合：
学者、具有学术研究和教育背景的工程师；希望发布并获得一些行业影响的研究生。
模型清楚了，那下一步是什么？
现在你已经了解了几个职业发展的方向，接着问自己以下几个问题：
- 我现在在哪里？我为什么感到沮丧？
- 在数据科学职业（或生活）中，我真正想要什么？
- 目的地是否让你觉得舒服以及提供利益？（希望本文提供一些见解）
- 我可以实现的选择是什么？
- 如何以最少的努力和最佳的结果到达那里？
按照上述的方法对自己的职业进行梳理，希望能有所收获~
原文：https://towardsdatascience.com/the-most-realistic-data-science-career-guide-d12c4af87cc8，有所修改删减。