私は平凡なデータサイエンティストです。そして10年間うまくやってきました

• PhDを持ち、FAANGで働き、最新技術に精通した本当に優秀なData Scientistたちがいることは分かっている。だが、自分はそういうタイプではない
• 古い技術を使う中小規模の会社、一人でAnalyst/Scientistの役割を担う会社、たいていは名前も聞いたことがないような会社で働いてきた
  • 特別なことをしているわけではなく、自分を賢いとか卓越しているとも思っておらず、今のFAANGの面接には通らないだろう
• それでもData Scientistとして素晴らしい経験をしてきたし、一緒に働いた会社で実質的なインパクトを生み出してきた
  • 今でも面接を受ければ内定をもらうのに大きな苦労はないが、今の時点ではずっと難しくなっている
  • 新しいことを学ぼうとする渇望と推進力を常に持っており、複雑な情報を誰にでも分かる形に翻訳する才能が自分にあることに気づいた
• 親切で共感的な姿勢を保ち、データは興味深くて面白いものになり得ることを誰にでも示そうとしている
  • 他人を見下して自分をより賢く見せようとする態度を拒み、だからこそ複雑な概念を誰もが理解できるように解きほぐす仕事が大好きだ
• データからインサイトと進むべき方向性を示す仕事が好きだ
  • 結果につながらないモデルが多くても、モデルを構築すること自体を楽しんでいる
  • 会社が下した最も大きなインパクトと意思決定の一部は、棒グラフと基本的なKPIから生まれた
• これからもこの仕事を続けていくつもりだ
  • 自分は平凡、あるいはそれ以下だと感じているが、好きなことをやりながら自分が得意な領域に集中している
  • 特にAIによってこの分野に劇的な変化が起きており、今はその変化にも適応しているところだ
• 痛いほど平凡な人間の前向きな経験を共有したかった
  • 特に新人やこの分野に転向しようとしている人たちに、部屋の中で一番賢い人である必要はないことを伝えたかった
  • 堅固な基礎を深く掘り下げ、会社に変化をもたらしたり価値を届けたりしようとする意志が必要だ

[GN⁺]

Redditの意見

• モデル作りが楽しくて、たとえ多くのモデルが実際には使われなくても、会社の大きな意思決定は棒グラフと基本的なKPIから生まれることが多い、という話は本当に現実的
  • 私の経験では、その棒グラフは学習済みのxgboostモデルの最重要特徴レポートであることが多かった
    データサイエンティストを辞めて7年くらい経つので、古いタイムカプセルのような体験だけれど、顧客がその成果物をかなり気に入っていたことを覚えている
  • ソフトウェアエンジニアだけど、モデルを作って学習させるのを趣味のように楽しんでいる
  • その部分には少し引っかかった。私は共感できず、自分が作ったものは必ず使われてほしいタイプだ
    それでも、複雑な内容を人が理解できる言葉に変える能力は決して軽視できない。この基礎ができない人があまりに多いので、きちんとやれるだけでも平均以下ということはないと思う
• 私も平凡なデータサイエンティストとしてありがたく感じる。ここでFAANGの話ばかり見続けるのにも飽きてきた
  • 最近はOnly FAANGSの自己宣伝ばかり見えている感じだ
  • 平均かトップ層かより、データサイエンティストになったタイミングのほうが重要だ
  • しかもFAANGのデータサイエンティストのかなりの部分は「AI」モデルを扱っていて、そういう仕事は自分をおかしくしそうだ。世の中にこれ以上のChatGPTバージョンは必要ない
• これが現実的なデータサイエンティストのキャリアパスに近い。99%の場合、派手なモデルよりビジネスへの影響とコミュニケーションのほうが重要だ
  • コンサルでデータサイエンス・分析チームとして働いているが、SQLクエリを書いて結果を顧客に伝えるだけで何百万ドルも請求してきた
    もちろん、私が請求した金額がそのまま私の給料という意味ではない
  • データ畑ではない人たちは、ときどきオッカムの剃刀の正反対を適用しようとする。「数学」が増えれば常に洞察も増えるわけではなく、時には単に仮定が増えるだけだ
• 正直、良いデータサイエンティストのように聞こえる。履歴書に資格や有名な名前が並び、話は大きいのに、実際にはほとんど何も生み出せない人を十分見てきたので、そういうものをあまり重視しなくなった
• 平均的なデータサイエンティストではなく、中央値のデータサイエンティストなのかもしれない
• 新鮮な視点だ
• 私も似たような平凡なデータサイエンティストなので、ここの投稿を読んでいると時々不安になっていた
• 私もこちら寄りだ。会社は大きいが、最も派手で複雑な最新手法を押し進めるより、財務チームの意思決定を助けることに焦点を当てている
  データサイエンスの面接コンテンツを見ると、統計学、コンピュータサイエンス、人工知能の生きた辞書にならなければならないように感じるが、実際に最も成功している人たちは、他人の仕事に良い影響を与え、チームで一緒に働きやすい人であることが多かった
• データサイエンティストの仕事を見つけられない人たちには、私はいつもこの話をしている。私はサプライチェーン出身で、人がやっている手作業が多すぎると感じて独学でプログラミングを学んだ
  その後、データサイエンス修士を取りながらサプライチェーンのプロジェクト管理の役割に移り、そこで自動化、ダッシュボード、データパイプライン構築、予測モデリング、アドホック分析などを行うようになった。学位を終えた後、会社は実際にデータサイエンティストの肩書きと給与で昇進させてくれた
  一部のデータサイエンティストのように非常に高度な作業をしているわけではないが、データサイエンスと技術的なスキルで会社の問題を解決すれば、珍しいが満足度の高いキャリアパスを見つけられる
  • 今はいくら稼いでいるのか気になる。それで続けるのに十分なのか、それとももっと高い報酬のためにさらにやる必要があると感じているのか気になる
• こういう話は本当に好きだ。中堅どころの古参の実務家たちも声を上げるべきだ