Data Scientist工作越来越难找，如何把劣势变为优势？

[微风]

很多新晋数据科学家都发觉，现在要想找一份工作比以前更难了。

但提前了解一下招聘环境的变化，可以帮你找到最符合你目标和兴趣的公司。

写这篇文章的时候，Covid-19导致了我与先前公司的通信困难，所以我正在找一份全新的数据科学家工作。

而通过这次找工作之旅，我注意到，事情远比我上次在就业市场要困难得多。

但我并没有让这些挑战耽误我成为数据科学家的梦想，也不想在就业不太理想的情况下放弃这个梦想，

所以我一直努力地适应这些挑战，寻求可以用到工作中的解决方案，希望可以帮助到我自己，还有你！

​​[微风]

稀奇古怪的工作要求

这似乎是我和很多数据科学求职者进行的大多数讨论中的主题之一 —— 没人觉得自己够格了。

许多数据科学的岗位描述，并没有传达出所要招聘职位的实际要求。

这样做带来的主要影响是，一些有抱负的数据科学家会优先考虑岗位描述中的个人、技术技能；

但这会产生履行职责要求方面的误导，还会导致招聘人员收到大量不符合要求的申请。

Jeremie Harris发表了一篇《数据科学岗位的招聘问题》(The Problem With Data Science jobs posts)的精彩文章。

文章称，岗位描述令人费解的原因有很多，需要你自行区分它们的类型：

• 解决问题的方法太多，无法把范围缩小到岗位描述中。
• 新数据科学团队可能在岗位描述中招聘一位多面手。
• 缺乏经验的公司：不清楚自己问题，也不清楚解决问题应具备的能力。
• （非专业技术的）招聘人员写的岗位描述。

​[浮云]

解决方法

虽然这需要一些洞察力，但找到岗位描述为什么奇怪的原因很重要。

因为有些情况可能会对数据科学家的成长有害，比如要求你成为一个多面手。

克服这一挑战的好方法就是，你要意识到岗位描述只是一家公司的愿望清单；

他们真正想雇用的是他们认为有能力解决实际问题的人。

在这一点上，一定要展示出你的能力，让他人（公司）认为你能应对他们的挑战。

另外，如果在一个岗位描述中，你至少满足50%的要求，那么你很可能有资格胜任，所以一定要努力去争取这个职位——如果你100%满足该岗位描述，那就更不用多说了。

​​[微风]

数据科学愈加产品化

我认为，能够用 Jupyter Notebook 、做一些可视化、然后构建一个模型，这在过去还行，但现在应该不会引起太多关注。

Jupyter Notebooks非常适合用来进行实验，但当你走进现实世界，就说明已经过了实验阶段。

我相信每个数据科学家都知道如何用Jupyter Notebook；

但随着数据科学更加产品化，只有那些可以编写生产级代码的数据科学家才会加分，因为能节省成本和时间。

以下是每个数据科学家应该编写生产级代码的三个原因：

• 从数据科学家手上转到工程师手上时，可能会丢失部分数据。
• 消除过程中的延迟。
• 一石两鸟，一人做两人份工作，让你更有价值。

​[浮云]

解决方法

虽然存在争议，但我还是想说，涉及数据科学应用程序产品时：

数据科学家和软件工程师的技能正在融合，所以更多的数据科学家应该学习软件工程的最佳实践。

​​[微风]

竞争

数据科学是地球上发展最快的新兴技术之一，成千上万的人蜂拥而至、更新自身技能、寻求数据科学家的职业。

Coursera 上面的统计数据显示，已有超过350万人参加了 Andrew Ng机器学习的课程（这是数据科学的重要组成部分）。

所以说它是21 世纪最流行的工作，是有原因的。

现在，越来越多的人尝试进入这个领域，所以工作竞争异常激烈。但这并不是你退缩的理由！

​​[浮云]

解决方法

是的，要想脱颖而出，我们必须付出更多。

但是根据我最近对我的 LinkedIn 个人资料进行的一项问卷调查，拥有最漂亮的简历并不意味着你会成功。

图源：Kurtis Pykes LinkedIn.

当然，拥有出色的作品集能让你脱颖而出。

但在增加面试机会的过程中，似乎永远无法避免的是，你要先与你申请公司的招聘经理或担任高级职位的数据科学家取得联系。

LinkedIn 让寻找特定公司的职员变得更容易了，而且这一过程应该作为工作申请流程的一部分。

​​​[微风]

总结

想在数据科学领域找到一份工作很难，但这绝不是你没有找到工作的理由。

任何工作本身都会面临许多挑战，而获得这份工作只是你合格的第一阶段；

还要看雇主是否相信你有面对挑战的能力，以及你是否相信雇主团队就是你想要加入的团队。

始终提升自己，不要等到准备好了再申请，因为你可能永远都不会觉得准备好了；

也不要怕被拒绝，不要怕主动拒绝和你志向不一致的公司！