如何攀登数据科学的隐藏职业阶梯
如何攀登数据科学的隐藏职业阶梯
原文：
towardsdatascience.com/the-hidden-career-ladder-of-data-science/
事实是，大多数数据科学家停滞不前并不是因为他们缺乏技术技能，而是因为他们不理解不同级别之间实际发生了什么变化。公司给你一个带有模糊梯级标签的梯子，“影响”、“范围”和“战略思维”，然后期望你弄清楚这些词在实践中意味着什么。
许多才华横溢且技术娴熟的数据科学家在 L4 级别停滞多年，不断解决更复杂的技术问题，而他们的同行通过改变思考工作的方式跃升至 L5 级别。数据科学的职业阶梯并不是一条积累更多工具和技术的直线。它是一系列如何定义问题、创造价值和影响决策的根本转变。每一次晋升都需要你扮演不同的角色，而且并不总是清楚规则何时发生了变化。
在这篇文章中，我将分解 L3、L4、L5 和 L6 级别发生了什么变化；不是从抽象能力，而是从具体行为和心态转变的角度。这些是我观察到的在主要科技公司中数十次晋升（以及看似表现良好但停滞不前的职业生涯）的模式。让我们一起解码这个隐藏的阶梯。
L3 → L4：变得可靠
从 L3 到 L4 的跳跃在描述上看似简单，但执行起来却出奇地困难：你必须从执行者转变为所有者。
在 L3 级别，你将获得明确定义的任务。产品经理或高级数据科学家会界定工作范围，将其分解为步骤，并频繁检查进度。你编写 SQL 查询。你构建仪表板。你运行实验。其他人会担心你是否解决了正确的问题，指标是否合理，或者在你发布后会发生什么。
在 L4 级别，你拥有结果。这种差异体现在数十种小行为中，这些行为累积成完全不同的工作风格。
干净利落变得不可协商。L3 级别的人可以“我构建了模型，这是笔记本。”L4 级别的人发布：其他人可以使用的文档，一次通过审查的代码，以引导清晰决策的方式展示的结果。当你移交工作，不会有“等等，这个列代表什么？”或“你能用修正后的数据重新运行这个吗？”这样的反馈。
建立信任意味着你的经理不再检查你的工作。他们知道当你说你完成了分析时，实际上确实已经完成了：处理了边缘情况，验证了数据质量，结果与直觉进行了合理性检查。初入职场的数据科学家往往低估了 L4 中证明自己不会出意外需要付出多少努力。可靠性并不光鲜，但它是一切后续工作的基础。
提出更好的问题将 L4 与陷入 L3 的人区分开来。当项目经理要求“按细分市场查看转化率”时，L3 会构建查询并返回数字。L4 会问：“我们是在尝试确定要针对哪个细分市场，还是验证一个现有的假设？因为这将决定我们应该查看转化率还是增量提升。”你开始看到请求背后的原因，这意味着你通常可以解决实际问题，而不仅仅是表面上的问题。
在被告知之前就能看到下一步可能是最重要的 L4 行为。你完成了实验结果的分析，而不是等待别人询问，你已经草拟了三个后续实验的想法，并大致确定了范围。你发现了数据质量问题，并在任何人注意到仪表板中的错误之前提交了修复问题的工单。你发布了季度指标审查，并主动标记了一个趋势令人担忧的指标。
这在实践中看起来是这样的：你完成了第一个端到端的项目，不再需要项目经理的指导。可能是重新设计用户入门流程。你不仅运行了实验，还写了关于它的单页提案，与项目经理定义了指标，与工程师实施日志记录，分析了结果，向领导层汇报，并协调全面推广。六个月前，五个人会分别推动这些步骤。现在是你。这就是 L4 的过渡。
L3 → L4 的跃迁是关于证明你可以被信任处理更大的问题。一旦你的经理知道你会完成你开始的工作，看到拐角，并在没有监督的情况下交付高质量的工作，他们就可以给你模糊的项目。这把我们带到了 L5。
L4 → L5：成为战略家
如果 L3 → L4 是关于可靠的执行，那么 L4 → L5 是关于成为定义哪些问题值得首先解决的问题的人。
这就是大多数数据科学家卡住的地方。他们不断优化自己的执行——运行更干净的实验，构建更复杂的模型，掌握新工具——同时错过了公司期望的根本转变。L5 不是关于做得更好。它是关于决定哪些工作应该存在。
界定模糊问题成为你的核心技能。在 L4 级别，产品经理给你一个问题：“为什么上个月的参与度下降了？”你进行调查并给出答案。在 L5 级别，领导层说“增长放缓”，你将其转化为五个具体假设，一个优先级调查计划，以及一个决策时间表。你习惯于模糊性，因为你的工作是解决它为他人。
这体现在你如何处理新的倡议。产品团队说：“我们需要提高留存率。”一个 L4 级别的人会问：“你希望进行哪种分析？”一个 L5 级别的人会以结构化的方式反驳：“让我们首先定义留存成功的样子。我们是优化第 7 天、第 30 天，还是长期参与度？业务案例是什么？我们是试图达到组织层面的关键绩效指标，还是验证产品赌注？这会改变我们如何处理这个问题的所有方面。”在 L5 级别，你正在做其他人没有时间做的战略思考。
设计指标将 L5 级与 L4 级区分开来，比任何其他技能都更为明显。在 L4 级别，你测量的是被告知要测量的内容。在 L5 级别，你理解到指标选择本身就是策略。当你的公司讨论是否要优化每日活跃用户数或每场会话花费的时间时，你将是那个能够明确阐述权衡的人：DAU 优化可能会通过通知提高短期参与度，同时降低长期用户体验；每场会话时间可能会奖励上瘾功能而非有价值的功能。L5 级不仅计算指标，而是考虑这些指标是否会推动正确的行为。你需要理解，即使你完美地优化了错误的指标，仍然可能损害业务。
影响产品经理成为你工作的核心部分。在 L4 级别，你是响应式的：产品经理设定优先级，你执行。在 L5 级别，你是主动的：你从数据中找到机会，并说服产品经理下注。这可能包括分析用户行为数据，注意到一个小的细分市场有 10 倍更高的终身价值，构建一个业务案例，说明为什么产品团队应该将下一个季度专注于扩大该细分市场，并在规划会议上推动对话，直到它出现在路线图上。
这种影响力需要一种完全不同的沟通风格。你不再回答问题，而是开始塑造哪些问题才是重要的。你撰写策略备忘录，而不是分析报告。你提出建议，而不是发现。分析仍然是严格的，但它服务于推动决策，而不是记录你所做的事情。
权衡思考可能是最深层次的 L5 心态转变。L4s 寻求“正确答案”。L5s 明白，大多数产品决策都涉及相互竞争的价值，没有明确的胜者。你的工作是使这些权衡明确，以便领导者可以做出决定。我们应该带着已知的错误发布功能以赶上截止日期，还是为了质量而推迟？没有纯粹的数据驱动答案，但你可以对权衡进行量化：“现在发布可以在旺季达到 200 万用户，但历史上我们的有缺陷的发布支持成本高出 40%，流失率高出 15%。这就是用美元来表示的样子。”
这就是 L5 在实践中看起来像什么：你领导了一个新的实验策略，改变了产品路线图。也许增长已经停滞，团队正在运行脱节的测试。你提出一个系统性的测试框架：定义一个连贯的用户旅程以优化，绘制出最高杠杆点的测试，创建一个共享的指标树，以便团队不会优化冲突的目标，并建立一个按依赖关系和学习价值排序的为期六个月的实验路线图。这不是分析，这是策略。你塑造了你的整个产品组织在未来两个季度内对增长的思考方式。这就是 L5 的过渡。
L4 → L5 的跃迁是关于从执行解决方案到定义问题的扩展。一旦你证明了自己可以将模糊的情况转变为清晰的路径，你就可以扩大你的影响力，超越你自己的工作。
L5 → L6：成为倍增器
L5 → L6 的过渡是最难实现的，也是最容易误解的。这不仅仅是一个更战略性的个人贡献者。这是成为一个倍增器：一个通过他人扩大影响力的人。这可以是一个 IC 或是一个管理者。
在 L6，你的价值不是通过你自己的分析质量来衡量的。它是通过你使其他人的工作变得多好来衡量的。这对于那些在个人卓越的基础上建立职业生涯的高绩效个人贡献者来说，是一个残酷的心理转变。
为他人设定框架成为你的主要输出。一个 L5 可能运行了公司历史上最好的实验。一个 L6 创建了使每个团队的实验都变得更好的实验框架。这可能是一个用于统计测试选择的决策树，一个强制团队提前思考成功指标的实验一页模板，或者是一个衡量增量提升的标准方法，成为公司的默认做法。
通常，L6 的输出看起来并不特别突破性，但优化了整个组织的工作。例如，一个相当基本的“指标审查清单”，防止数十个团队犯下会导致浪费数个季度工作的指标选择错误。
指导的重要性超出了你的预期。在 L6 级别，你负责整个组织内 L4 和 L5 的发展，而不仅仅是你的直接团队。这不仅仅局限于代码审查。你是在教人们如何战略性地思考。当一个 L4 给你带来一个棘手的分析问题时，你不是为他们解决问题，而是提出帮助他们自己解决问题的疑问：“这个分析需要支持什么决策？受众是谁，他们已经相信了什么？什么会让你对结果有足够的信心，以至于你可以把你的信誉赌在上面？”
乘数效应在这里显现出来：你用一小时的时间教一个 L4 如何正确界定问题，可能会在接下来的一年里为他们节省数十小时，并改善他们接触到的每一个项目。通过指导，你每小时的产出往往超过你自己完成工作的产出。
推动跨团队的一致性在 L6 级别变得至关重要，因为你正在处理任何单一团队都无法拥有的问题。也许数据质量问题正在影响三个不同的产品领域，但没有人负责底层的仪器。一个 L5 级别的人可能会记录问题并升级。而 L6 级别的人会召集利益相关者，就严重性达成共识，提出一个适用于所有团队约束的解决方案，并推动其完成，即使这需要跨越组织界限。
这需要与 L5 级别完全不同的影响力工具。你不是在说服一个产品经理优先考虑你的项目，而是在多个团队之间就共同问题达成一致，而每个团队都有自己的优先事项。你习惯了这样的说法：“我知道这会在本季度给你们的团队增加额外的工作，但这是为什么它能解开三个其他团队的问题，并让我们所有人避免六个月的痛苦。”你使不可见的问题变得可见，并使协调问题变得可管理。
在问题成为危机之前发现系统性的数据问题是 L6 级别工作的典型代表。你注意到实验结果最近一直不稳定，深入调查后，发现最近的一次仪器更改以一种微妙的方式破坏了 5%用户的随机化，而这种破坏没有人注意到。一个 L5 级别的人可能会提交一个错误报告。而 L6 级别的人则会看到模式：今年这是第三次出现仪器问题，这意味着问题不是个别错误，而是我们没有为仪器更改建立测试和审查流程。你提出了这个流程，得到了工程领导层的支持，并实施了它。六个月后，公司的仪器质量得到了提升，大多数人甚至不知道你是背后的原因。
实践中的 L6 是这样的：你创建了一个改进组织整体质量的实验审查流程。这不仅仅是更好的文档，它还实施了一个轻量级的同行评审系统，其中任何超过一定规模的实验在发布前都会由另一团队的数据科学家进行审查。你编写评分标准，培训评审员，自己运行前 20 次审查以校准标准，并建立反馈循环以改进流程。在两个季度内，实验质量显著提高（无效测试减少，更好的指标选择，更清晰的文档），公司各团队因为他们的实验更加可靠而做出更好的产品决策。你个人审查了 5%的实验，但你的框架改进了 100%的实验。这就是 L6 的过渡。
L5 → L6 的跃迁是关于通过系统、人员和流程来扩展自己。你的工作变得更加抽象：你是在优化组织的工作方式，而不是解决个别问题。在某些方面可能感觉不那么令人满意（没有人会庆祝一个良好的框架发布），但杠杆作用是非凡的。
层级间的模式
横跨这些过渡，一个清晰的模式浮现出来：成长不是关于学习更多技术；它是关于扩展你看待和塑造工作的方式。
L3 → L4: 你从完成任务扩展到问题所有权。问题从“我是否完成了被要求的事情？”转变为“我是否完全解决了这个问题？”
L4 → L5: 你从解决问题扩展到问题定义。问题从“我该如何解决这个问题？”转变为“我们应该解决什么问题？”
L5 → L6: 你从界定问题扩展到构建帮助他人界定和解决问题的系统。问题从“我们的团队应该做什么？”转变为“我们如何使整个组织更加有效？”
每个层级都需要你放大视野。每个层级都需要你放下亲手工作的满足感，拥抱更抽象、更有杠杆作用的贡献。每个层级都需要不同的技能——但更重要的是，不同的思考方式，关于你的工作实际上是什么。
最困难的部分？没有人明确地告诉你这一点。你必须从关于“影响”、“战略思维”和“范围”的模糊反馈中解码出来。公司期望你弄清楚晋升不是关于在你当前级别的游戏中变得更好，而是关于注意到新的游戏，并在别人要求你之前开始玩这个游戏。
所以，这是我对你的挑战：反思你目前所体现的心态，以及你希望成长成哪种心态。
你是否在可靠地执行任务，但仍在等待别人界定你的工作范围？你准备好开始像 L5 那样行事：提出问题定义而不是等待。你是否已经在界定问题，但只是针对你自己的项目？你准备好开始像 L6 那样行事：寻找能够使每个人的工作都变得更好的框架和系统。
不要等待促销来改变你的工作方式。现在就开始玩下一个级别的游戏。晋升是你公司认可你已经做出了转变——不是允许你开始。
*这篇文章中的想法来自我的新书，《战略数据科学家：在人工智能时代升级并茁壮成长 (亚马逊联盟链接)。
这本书提供了可操作性的框架、详细的计划和现实世界的例子，以立即将这些想法应用到你的日常工作中——包括具体练习以实现每个级别的过渡，每个阶段应撰写的文档模板，以及在与构建让你在自动化面前保持领先的战略技能的同时，使用 AI 工具的策略。
如果这篇文章引起了你的共鸣，现在就购买这本书 以了解更多内容。
浙公网安备 33010602011771号