全文共2601字，预计学习时长8分钟
图源：Unsplash
不管是在政治圈、学术圈、教育圈亦或是演艺圈、ACG圈。头衔花样越来越多，也越来越被抬升至高地位。
现在，这颗毒瘤甚至蔓延到了科技圈。
但在科技圈（尤其是数据分析）中，耍头衔花样是很危险的！
图源：Unsplash
“既然是数据分析师，你为什么做机器学习的工作？”
一个刚刚毕业的学生这样问我。
在他看来，同时做这两件事的我顶着“数据分析师”这个头衔十分怪异。毕竟，他是大型电子贸易初创企业的数据科学家以及机器学习工程师。
在如今的数据分析界内，这两个头衔很有声望。但是，在谷歌，头衔并不代表什么。不管你是数据分析师还是软件工程师，如果你的日常工作需要机器学习那么你就得使用它。尽管我自称分析师，但是我仍然需要学会技术，使用计算机视觉、图像识别以及机器学习检测Gmail邮件和谷歌浏览器中的钓鱼式攻击。
传统定义下，我是一个全栈数据科学家，可以提取数据，会用可重复使用的产品代码来获取见解或者模型。
数据分析师和数据科学家的传统定义
来源：Skillfin Learning
我的数据科学职业生涯始于在Lazada（东南亚地区最大的在线购物网站之一）期间的实习。
1.使用表格、仪表盘或者可视化工具来生成图表以及提出商业见解的数据科学家。
2.使用机器学习以及严谨统计分析数据和提出见解的数据科学家。
以上两种都被称为数据科学家，他们都需要和数据打交道，但是本质上，这两种数据科学家是不同的。根据Skillfin的定义，第一种被称为数据分析师，而第二个是数据科学家。一些初创公司会把第一种叫做初级数据科学家。当然第二种就是人们通常认为的数据科学家了。
肮脏的头衔花样
图源：Unsplash
“数据科学家”头衔的滥用
似乎数据科学家的头衔在不断地发展，且数量趋向饱和。
5年前，数据科学家这一头衔在新加坡还没有那么流行。然而，随着数据的“风”越来越大，许多研究员、咨询师和教育家都投身于这股浪潮当起了数据科学家。
这也就是为什么现在许多初创企业都滥用“数据科学家”这个头衔了。数据科学家这个词在当今已经被越来越多的人滥用，部分数据科学家重新命名自己，称自己为机器学习工程师或者是研究科学家。
人类生来就喜欢做减法，总是想要将事物简化从而更容易理解。现在，许多公司的职位描述并不符合数据科学家的头衔。关键是，建造仪表盘以及初步分析的是数据分析师，而建造机器学习模型的是数据科学家。
当我把这些告诉一位从初创公司辞职去谷歌的同事，他和我说：
“不久前，我的10位同事从数据科学家的头衔换到了机器学习工程师，他们问我‘你为什么降职到数据分析师了？’我回答道‘我不在乎是否降级，因为我工资变高了’。”
原因
为什么会发生头衔的戏剧性变化？
答案很简单，因为新的头衔意味着名誉和更多的员工。许多初创公司在工作和相应描述上做手脚，以顺应潮流，从而吸引更多刚刚走出校园的毕业生和专家去他们的公司。
还记得刚刚故事开头问我问题的毕业生吧。他和我说，将头衔从数据科学家变为机器学习工程师，他感到十分高兴，因为换头衔这件事情让他觉得自己更有价值了。
而这样做的结果是，许多人都会感到失望。招聘经理本以为他们招聘到的是一位优秀的数据科学家，但其实只是一个不分缘由只处理数据库的小伙。他们的职位描述和岗位头衔并不相符。
员工也会感到失望。我有一些朋友曾经做过数据科学家实习生，当他们发现工作任务只是手动输入数据标签时，都大失所望。
如果你不仔细分析那些头衔，最终受伤的还是你自己。
招聘经理是关键
图源：Unsplash
就我对许多数据科学家和数据专家的面试来看，我发现，重要的是专注于自己的经验和技能。作为教育者，我往往这样告诉自己的学生：专注于你提供的价值。
所有的采访都只秉承一个目的：
怎么回答面试官的问题？
你需要知道对你和你的面试官来说，何种技能是有价值的。不管你的简历有多么天花乱坠，但凡你不能够回答上面试官的问题，那也是无法进入公司的。
在谷歌，面试官会核实你之前的经历，并且考核你会如何适应并且成为公司中的一员。每一个面试官都会给招聘委员会匿名身份的招聘信息，这意味着招聘委员会不知道每一个面试者的姓名、性别甚至是种族。他们只会根据单纯的个人招聘信息来选择满意的雇员。而在这里，头衔起不到什么作用。
面试官的面试结构分明，会提出许多假设式（要是……）以及行为式（有什么……）问题。这些问题对于谷歌公司发现面试人的价值所在十分重要。
在成为公司一员之后，你需要专注于积累技能并且学习新技能。你也可以从卡尔（Cal Newport ）的《深度工作》中学到如何在有限时间内培养技能，从而在纷扰世界中获得学习的能力以及变得有价值。在这本书中，我学到了分批处理工作，并集中精力投入到数据分析以及机器学习中。
结论：关注工作而非头衔
图源：Unsplash
结论是，人们不是根据你的头衔或是矫揉造作的细枝末节，而是你的工作带来的收益来评价你。解决面试官和雇主的问题才是正道。你应该做的是思考如何积累技能和个人价值为未来的职业铺路。
在闲余，我经常运作辅助项目，并且将他们放入Github或者其他的博客。然后我会运作并编写这些应用程序，这样一来，我的学生们和其他数据执行师都能够从此获益。不到几个月，领英（LinkedIn）把我推荐给了谷歌的HR。他通过输入“数据挖掘”和“数据分析”在这里找到了我。这真是令人惊喜！
总而言之，记住这些可行的计划
1.谨慎分析头衔和工作描述，他们可能不是你想找的理想工作。
2.关注简历及面试中展现的个人价值。
3.学习技能并且加以运用，深度工作从而为公司创造更多价值。
如果你的工作对其他人很有价值，你会得到许多机会。这是职业发展的方法。
最后……
衷心希望大家能够在这篇文章中收获职业发展和创新的灵感。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范