我认识的许多初级数据科学家(包括我自己)都想进入数据科学领域，因为这一切都是为了用对企业产生巨大影响的全新机器学习算法来解决复杂的问题。

这是一个机会，让我们觉得我们正在做的工作比我们以前做过的任何事情都重要。然而，情况往往并非如此。 在我看来，期望与现实不符的事实是许多数据科学家离开的最终原因。这有很多原因，我不能列一个详尽的清单，但这篇文章基本上是我遇到的一些原因的清单。

每家公司都不一样，所以我不能代表他们所有人，除了许多公司雇佣没有合适基础设施的数据科学家来开始从人工智能中获取价值。

这导致了人工智能中的冷启动问题。再加上这些公司在雇用初级员工之前没有雇用资深/有经验的数据从业者，你现在已经为双方找到了一个幻灭和不愉快的关系的秘诀。

数据科学家人可能是来编写智能机器学习算法来提高洞察力的，但他们不能这样做，因为他们的第一项工作是整理数据基础设施或创建分析报告。

相比之下，该公司只想要一张他们可以每天在董事会上展示的图表。然后公司会感到沮丧，因为他们认为价值没有被足够快地驱动，所有这些导致数据科学家对他们的角色不满意。

罗伯特·张在他的博客文章中给初级数据科学家提出了一个非常有见地的建议: 重要的是要评估我们的愿望与我们所处环境的关键路径有多一致。寻找关键路径与你的最一致的项目、团队和公司。

这突出了雇主和数据科学家之间的双向关系。如果公司不在正确的地方，或者目标与数据科学家一致，那么数据科学家找到其他东西只是时间问题。

对于那些感兴趣的人来说，胡参孙有一个关于分析团队如何在Wish建立的精彩系列，我也觉得非常有见地。

数据科学家失望的另一个原因与我对学术界失望的原因相似:我相信我将能够对世界各地的人们产生巨大的影响，而不仅仅是在公司内部。

事实上，如果公司的核心业务不是机器学习(我以前的雇主是一家媒体出版公司)，那么你所做的数据科学很可能只会带来微小的增量收益。这些可以累积成一些非常重要的东西，或者你可能幸运地偶然发现了一个金矿项目，但这并不常见。