说得太好了，我要发给我老公！ 他（码农）成天跟他同事说我只会tableau，从不加班，还能挣二十多万。他同事都以为我们公司是傻子。其实这活business sense和communications是非常重要的。理解用户需求甚至get ahead of需求，给客户解释data和从data中发现的insights，tell the story through data, 发现并reconcile data中的问题，把business problem root cause并翻译成technical problem再传达给上游IT，project management of IT的进度，这都不是只会个软件就能做到的。 我公司很多tableau development都外包给了印度，他们确实技术比我强，但然并卵，他们要一万块预估花两个月才能做的dashboard，我和我同事因为懂business，携手一天就做出来了（真实案例，不是吹牛）。可惜高层不这么算账，outsource还是势不可挡。
annnna 发表于 2024-05-23 20:43 说得太好了，我要发给我老公！ 他（码农）成天跟他同事说我只会tableau，从不加班，还能挣二十多万。他同事都以为我们公司是傻子。其实这活business sense和communications是非常重要的。理解用户需求甚至get ahead of需求，给客户解释data和从data中发现的insights，tell the story through data, 发现并reconcile data中的问题，把business problem root cause并翻译成technical problem再传达给上游IT，project management of IT的进度，这都不是只会个软件就能做到的。 我公司很多tableau development都外包给了印度，他们确实技术比我强，但然并卵，他们要一万块预估花两个月才能做的dashboard，我和我同事因为懂business，携手一天就做出来了（真实案例，不是吹牛）。可惜高层不这么算账，outsource还是势不可挡。
完全同意你说的。我们组之前需要一个dashboard，来来回回开会浪费几十个小时。因为我们组没人用过power BI 我作为懂business的一方，都把数据，设计理念用Excel 搞出来了，结果BI 组那边还要求开会讨论。我花了半天，从零基础学powerbi, 直接把dashboard做出来了。后来再慢慢改进。之前BI组说做这个dashboard要两周，拖了几个月啥也没有。
Data science, business analytics 专业可能以后都难找工作，特别是没有spike的话，东欧印度南美加拿大东亚员工都胜任，远程也不是问题，outsourcing大势所趋。 https://huaren.us/showtopic.html?topicid=3019173#101047229
学了SQL，python，还考了SAS base，SAS adv，想去医院，医药行业找份DA或者sas programmer的工作，contractor也行，是不是完全没戏了？ 感觉现在DA out sourse是个趋势，那还能转点啥？是不是只能去搞AI？怎么入手？现在的就业环境，感觉学啥都赶不上趟啊～
最近学习时有啥不懂的直接chatgpt，真的太好使了，细节回答得清清楚楚，越发觉得DA这个太容易被替代了。
其实脱下长衫干啥都能赚钱，我这不是脱不下么…. 大龄转行不易，想找个稳定的行业持续干下去。
你说的是剂量师吗？给癌症病人设计放射野，但这个工作一个萝卜一个坑，位置很少。
比如药物研发环节实验数据分析之类的。
不是，计量师是有执照的，那是给专业人士的。但做DS要懂一些剂量和治疗的事。各种背景知识要懂一些，才能做model，做data，否则做不了的。我遇到有猎头在找这方面的DS。
你们什么行业的？
这块还真不了解，就是医院里的ds对吗？这行估计学期周期比较长吧？
没有学R吗？
真不好找，连contractor都不是找了，新手就更不用说了。
除了学校 已经没什么公司用R了 用R的都是小众爱好了
没学R，但随时可以学。只是现在感觉不知道该在哪一块多花时间，什么都学得很浅。
取代r的是啥
同问
Python
python，用R做机器学习非常难
data warehouse 是DE data engineer
如果你觉得你的ds/da工作很容易被取代，那说明你干的活太低端了太基础了，没有domain knowledge，重复性太强，也没有参与到任何strategy的讨论中，老板指派做什么你就做什么，那这样的da确实很容易被取代，因为ta本质就是一个螺丝钉工具工作。 这样的螺丝钉基础岗位在任何技术岗中都存在（重复性强，创新性少），包括码农包括其他各种engineers，并不仅限于ds/da。
对于product DS, 技术本身没有那么重要，product sense和business sense才重要，能influence decision making和business direction才是最重要的。这些目前ai 都没有办法取代，等ai能取代了，那所有的白领工作都能被取代了，整个公司不需要pm不需要designer不需要ds不需要engineer全部都是ai就可以了。
re
赞👍请问怎么能找到这样的工作？如果有统计硕士和工科物理的背景？
手动点赞。说的很到位。
误打误撞找到的。。。多试错， 我也是试了好几个不同的ds岗位才找到满意的。 product DS一定要脚踏实地，不要搞一些虚头巴脑的optimization/modeling 之类的东西。能influence decision making 在领导面前说得上话才是最重要的。 ds的成功应该是让对技术一窍不通的人都能一眼看明白是什么conclusion，而不是堆砌技术搞些虚头巴脑的东西显得自己高大上却让别人看不懂。
“ds的成功应该是让对技术一窍不通的人都能一眼看明白是什么conclusion，” 说的太好了，不能同意更多
所以这类工作一般是跨学科或者说是需要在工作中积累多年经验才有核心竞争力？
我现在想找一个entry level的工作，除了学一点基本的技能，不知道如何下手。
你统计的底子怎么样？
这种能力一定是工作中学来的，学校里学不到，也和你学的是什么关系没那么大。说白话就是，一个好product ds更像一个好pm, 而不是更像一个好engineer。好pm的能力也是工作中学来的，学校不教pm需要的能力，这也不是课本中能学来的。而我也承认要做一个好product ds，需要的硬核技术真的不多。所以来竞争岗位的人鱼龙混杂，这也是为什么ds更喜欢招有ds经验的人，而不是new grad。
对于新入行的人来说，只能一步步从基础螺丝钉岗位开始做起，等你工作经验多了点，能选择的余地就大了些。当然也有人运气好可以毕业一下子就碰到这样的好岗位。我运气没那么好辗转好几个不同领域的ds才找到合适自己的，但这也帮助我拓宽了视野，了解了不同ds岗位的利弊。
你说反了，前些年确实是公司都用SAS，只有学校用R，但是现在开始用R的药厂越来越多，我司是觉得SAS太贵了，要大家都学R，可以用R做的也尽量用R，现在submission study也可以有一部分用R做了
你说的范畴照样是螺丝钉。那些domain knowledge更是没什么不能取代的。
说得太好了，我要发给我老公！ 他（码农）成天跟他同事说我只会tableau，从不加班，还能挣二十多万。他同事都以为我们公司是傻子。其实这活business sense和communications是非常重要的。理解用户需求甚至get ahead of需求，给客户解释data和从data中发现的insights，tell the story through data, 发现并reconcile data中的问题，把business problem root cause并翻译成technical problem再传达给上游IT，project management of IT的进度，这都不是只会个软件就能做到的。 我公司很多tableau development都外包给了印度，他们确实技术比我强，但然并卵，他们要一万块预估花两个月才能做的dashboard，我和我同事因为懂business，携手一天就做出来了（真实案例，不是吹牛）。可惜高层不这么算账，outsource还是势不可挡。
我看到前面说公司不用R了也有点困惑。就我最近找工作的经验来看，SQL还是被要求最多的，然后depends on和business有多close，BI tool（偏下游）和python/R（偏上游）的需求差不多。R和Python基本都是打包一起提到的。有的还要data warehousing的skills（更上游）
她们说的是不一样的东西。python是做DL/ML的go to language，R是做统计的，尤其是生物统计。
R 本来卖点也不在机器学习啊
完全同意你说的。我们组之前需要一个dashboard，来来回回开会浪费几十个小时。因为我们组没人用过power BI 我作为懂business的一方，都把数据，设计理念用Excel 搞出来了，结果BI 组那边还要求开会讨论。我花了半天，从零基础学powerbi, 直接把dashboard做出来了。后来再慢慢改进。之前BI组说做这个dashboard要两周，拖了几个月啥也没有。
我不是学统计的，底子就是大学的那点概率统计。
错了。白人coding不行 da需要很多communication 白人太多了。而且da不爱new grad，需要很多经验，domain knowledge。
https://huaren.us/showtopic.html?topicid=3019173#101047229
product DS这个工作非常没有意义。
我经常听到他们说一些虚幻的东西。
自己不熟悉的领域不要下这种结论 用R的公司很多只是你不知道罢了
我比你熟悉
python啊
展开说说？ 你说的都是哪些行业
机器学习其实就是统计学习 二十年前Hastie和Tibshirani就在用R教这个了 那时候没多少人用ML，DL，AI这些词 包括DS也是后来才流行起来的
你这是砸人饭碗啊 太不厚道了
反了吧？？？？医药领域的R依旧是广泛应用啊，医院里的用的很多的。倒是python主要是machine learning/deep learning用的多。一般做什么brain imaging啊什么breast imaging用python多
你们感觉都是鸡同鸭讲.....完全是不同的行业在说话.....r和python谁都取代不了对方。这俩本来卖点就不是一条赛道......真是服了......
是可以用R来完成训练，但是上大规模的training的话R速度慢，在机器学习/llm之类上python合适，但也有很多人觉得python不行还是得用C++。R的卖点从来都不是机器学习，它可以完成机器学习但卖点强项不是它。就好比平底锅可以拿去煲汤，但平底锅并不是为了煲汤而设的，而烹饪里并不是只有煲汤这么一个项目......
ml是在cs的track下面，说白了，就还是得要有cs背景。
电工为什么不适合女孩子？建筑行业里就数电工活最轻，而且基本不需要风吹日晒。你要是有绿卡可以直接去本地工会排队做学徒。加州电工时薪八十，加班翻倍
同问，为啥不适合女孩子？我也有兴趣学电工，community college就有课程
其实很多时候就是政府积重难返，不愿意改变。政府系统还有在用fortran的呢。我在电商实习，在的组就是用machine learning来快速的筛查内容，以适应世界各地不同的法律，以及世界各地的法律更新，效果非常的好。
我赞同学习AI的过程就是一个对人类去魅的过程，好多所谓经验什么的，其实只要有资料，人积累几十年的经验知识，AI都不用几个小时就会了。之前还以为艺术家音乐家什么的是最不会被替代的，结果是最早因为AI被影响的，其实人类所谓的创造力，除了极少数天才，绝大多数也都是在之前积累的基础上学习之后进步一点，而只要涉及到学习，人就比AI慢太多。我感觉在将来，大部分可能只剩下顶尖的人是被需要的，剩下很多工作都是可替代的，只是不知道社会到时候会变成怎么样。
是的，技术上完全做得到。所谓复杂的内容是对人来说，机器目前非常擅长冗杂的系统中寻找和归纳你要的重点甚至做推理判断。。问题关键是，你的domain data是否accessible，是否存在政策上的人为壁垒。过去凭经验以及熟练的工作，现在都非常容易被取代。理解新领域的问题，只要有懂行的，完全可以通过prompt engineering加上finetuning一个大模型来完成。
Accessible的问题应该主要是政策，如果有些大公司用力lobby，也不是不能改变的吧。
也不光是政策, 还有privacy问题, 比如病人的病历, 住户的室内监控录像, etc. 这些data都不能随便拿去train大模型, 只能内部懂行的人来finetune。银行金融涉及到商业的数据我猜更是如此吧, 利益相关。
女孩子要体力够好的，普遍没有那么好的体力。 有些东西很重的。比如各种灯具。
哈哈，确实是。我遇到一个猎头找我，项目就是把Fortran系统全部重新改写成Python的，那个政府部门实在受不了Fortran了。
大家做regression，最喜欢用的模型是什么算法的？
大家在预处理数据的时候，都做normal distribution调整吗？
招data engineer方面的兼职人员，感兴趣的的联系我
你家没有雇过电工干活嘛？你去雇一个来给你从无到有加个天花板顶灯，就知道为什么不适合女人干了
这还没提马路上电线被树枝砸断了电工去维修那种活呢，就光说住宅内部电工的活，说电工没啥不适合女性做的，八成都是连自家电闸盒子在哪儿都不知道的（不是说层主）
没有privacy限制的data很少，政府、学校、医疗系统，这些data都是保密的，即使同一个部门的人，也有很多人没有权限使用data，领导都没access，只有数据分析员那几个人可以access，就别提随便拿出来去训练模型了，要训练也是内部训练，就得专人负责
极少数女的可以吧。我见过几次女消防员，穿着他们的消防服，远看完全看不出来是女的，身高和宽度和男的没区别。
你说的机器学习主要是deep learning吧 这个需要很强的算力 别说R了,python很多时候也不行 一般用来先做些prototype吧 其实deep learning就是复杂的神经网络 上世纪中后期就研究的很多了 只是那时候计算能力不够 没法继续深入 最近这十年借助于硬件的快速发展 主要是英伟达的gpu和cuda 这个领域才飞速发展起来了 但是ML不仅仅是deep learning 里面还有很多不同的方向 制药医疗金融等方向有不同的需求 在这些方向上用R研发和改进统计方法的人比python要多不少
Data Analyst