小叔現在在紐西蘭某政府機關擔任資料科學主資深主管
整體上來說,要餓不死...走資料的後端就對了
如果你有其他資料視覺化,統計分析等等的技能那大概就可以一直跳挑戰天花板
現代資料科學就跟網頁手機軟體等等一樣,一堆工具可以節省時間
一套DataRobot AutoML平台一年五百萬台幣也不過就兩個Data Scientist人頭
但是可以做大概十個人的工作,連上線監測等等傳統SE的工作都幫你包好
資料準備好剩下的工作從跑模組到上線最快半天就搞定
另外要講視覺化現在市面上的工具都誇張地跟鬼一樣
架個Snowflake只要把信用卡刷一下你的資料倉儲就馬上連線
管你用甚麼Tableau, PowerBI, Qlik,還是SAS Viya都無所謂
但是上面說的這些就是那10%在冰山上面大家都看的到的
水面下就還是那90%的傳統Business Intelligence
尤其是現在資料多樣化,流量大,即時性等等讓傳統資料倉儲面臨很多挑戰
很多企業慢慢捨棄傳統ETL改投ELT並利用現在雲端運算的優勢去加速準備資料的速度
這個部分是我個人認為市場上最缺的...
有一個笑話...某公司徵資料科學家,來了兩百個人大家都說會機器學習
同一時間也開了一個資料工程師,結果只有五個人應徵
在我們這邊,以上兩種的薪水其實沒甚麼差別,但是我們比較怕DE離職哇哈哈
大概是這樣
作者: zo4j4 (happiness) 2022-02-28 08:39:00
ML沒有data要怎麼ML呀@@很多 data scientist沒有data前，也只能硬著頭皮去做ELT，然後又走到data engineer了…現在不是業界幾乎80%以上都在做data cleaning, data pipeline和data workstation嗎…原PO應該是蠻業內的，知道現在不是講ETL了，是ELT了概念不同