近期大规模裁员, 为什么那么多公司先裁做data的？

点击蓝字关注我们

共享电动滑板车创业公司Lime本年度第三次裁员，周四早晨裁了80人。技术岗位（tech）有几个初级软件工程师被裁掉，但是做data相关的岗位，受影响更大，具体包括：data scientist，data analyst以及data engineer。

近两年DS（Data Science）/DA（Data Analyst），乃至BA（Business Analyst）申请很火爆，好多大学纷纷开设新的项目招生，各种专业出身的同学也改行跳进来。不夸张的说，如果你不想学CS做engineer，那你的选择就是学DS/BA做data了。

但是，在技术岗位里，做Data的容易被layoff？！

实际上，一周前，地里就有小伙伴注意到：大规模裁员里，技术类岗位，做data的人被裁掉的比例远高于做软件开发的engineer。

Q

一眼扫过标题，ds/da大规模layoff？！何出此言

@szhhan：是不是ds/da的layoff就比sde/swe的大，楼主这边不能下100%的定论，但就最近两个月的观察，感觉来论坛/linkedin上说的大概占比是80%ds和20%sde，若有不对欢迎指正

Q

门外汉的我可能无法帮你指正，ahh，交给内行人士。不过，如果真是如此，为啥被击中的是DS/DA？

@szhhan：

这个原因是多重的，但我认为几个主要原因：

1. ds对大部分公司来说是奢侈品，完全data driven的公司还是少数

大数据在经济好公司效应好的时候可以做一个奢侈品去做研究进一步降低公司未来的运营成本，但是他不像sde是一个必需品，在经济不好的时候如果削减成本，必需品和奢侈品要削减哪一个一目了然。其次前两天对大数据的过度吹捧导致很多公司对ds相关行业进行了一波盲目地扩招，这波疫情正好给了一个很好的借口来消化这一波过剩的ds人员储备。

2. 劣币驱逐良币

由于ds这个范围实在太广，无论是真的做研究写paper的，公司里调调参的，写写sql拉拉数据库的，甚至连python都不会的，现在都自称自己为ds。这就导致一份相关职业开放申请会一下子被塞满上千封简历，而80%以上是不match的（无论过高或者过低）。就楼主身边的人来说，说是做ds的，有从小少年班发了很多ml相关一作的数学天才，也有只会写r 一道算法题都没写过的。这样下去最终的结果就是大部分符合职位的简历看不到／拿不到面试的机会，而随着每年越来越多加入此行业的人群，未来几年这个现象只会越发明显

3. 浮躁

最近几年过多的留学中介和求职中介鼓吹的data 100%就业率导致太多各行各业的人转进了这个行业，诚然其实有一部分是真的很喜欢且很适合这个行业，但大部分其实只是被鼓吹了能找到工作／赚到钱的念头在不了解的情况下盲目转了进来。不愿意学习代码，或者不愿意读paper，没有基本的数学基础，或者没有很强的英语沟通能力，都注定了很难在这一行有长远良好的发展，但对于这些中介来说，赚了你的钱之后他们并不需要为你今后的人生负责

看到这里还蛮同意楼主这一分析，身边也有同为商科专业的同学，毕业后经历一番找工作和留美的艰难后，选择读个data方面的研究生，毕竟统计数学也学过一些，最终还是转向BA/DS/DA，可能比直接转CS走向SDE门槛低一些…这确实也比纯商科好找工作、好留下来不少，同时也感觉许多学数学统计的同学也纷纷转入这行

Q

咦，那大家转行DS/DA后，做的工作和其他类似技术岗位如：DE、MLE这些有啥区别哦？

@gjia0214：

我觉得对各个职位，如果要严格下定义的话：

DS:通过数据进行新产品研发和产品规划，一般要求phd/experienced，因为需设计实验，验证假设，而且要有business sense（PhD在这方面确实有优势，毕竟要搞各种thesis，seminar，qualify，conference，paper，TA）。一般小公司或者startup不需要太多DS，因为企业前期主打产品就那么一两个，做大之前不怎么launch新产品。真正的DS坑不多。

DA: 通过数据抓取信息，分析信息，不同公司的DA职能区别很大，技术栈需求由公司部门的pipeline决定。

DE: 设计数据pipeline, 本质上是半个SWE，为team服务或者为application服务。

MLE：小公司的话基本对应"SWE fullstack"，能建模，会deploy model，懂data pipeline，ML产品的一线人员。大厂可能职责分的比较细，有专门负责建模的，有专门负责deploy的

按照这个划分，个人觉得：

真正的DS是块宝，特别是有domain knowledge的，把这种人裁了，无异于送竞争对手一个大礼包，但DS需求人数少，很多人找到的DS其实是DA。（真正的DS对产品内容和前景会有比较深的了解，明白产品的开发路线和potential，很关键）。

DA需求弹性，现在疫情期间，有些产品没人用，没有什么数据流，所以容易被砍（毕竟对公司没太大损失，等经济恢复再招就好）。而且，DA的活很多是project based而不是framework based。Project A 做完就完事了，Project B可能完全是另一个对象和主题。SWE的活多是framework based，Project A，B，C，D。。。往往都是integrated的。

做ML产品的公司，DE/MLE本质上大概就是负责Data，ML的SWE，砍SWE/DE/MLE问题在于，重新培养比较费事。比如：裁掉MLE小A，以后招的人要把小A写的库重新读一遍，而且很多东西integrated之后，换个人上手会很蛋痛（不仅是新人蛋痛，team也蛋痛）。

Q

原来如此，但按照目前就业需求，感觉SDE的需求量还是大于以上职位，那SDE的市场价值也依旧高于DS/DA么？

@amazontiger01

其实对比两个职位，待遇是最客观的metric。现在所有出名的大公司，DS的平均收入都要比SDE低，公司都不傻，待遇这么定只能说明DS创造的价值，或者重要性没有SDE高。现在最值钱的是MLE，也就是SDE+ML知识，基本上MLE可以做所有DS能做的东西，还能把产品release production。现在不少公司的DS就是做 demo，写写ppt，最后必须靠SDE才能把产品release出去。

@Quinntile

说白了还是因为DS是锦上添花的职位，但SDE是雪中送炭的职位。很多公司离了DS还能继续运转，但离了SDE就不行。说白了，拿产品为例，还是因为SDE是做产品出来的但是DS是提升产品各项指数的。没有产品公司都不转了，但没有产品的提升只是业绩不那么漂亮。

@小塔

DS analytics做的很多事与其说是make data driven decision不如说是为了justify老大们心里已经make了的decision..如果老大/stakeholders需要这些justification你就有用

Q

但外行看来，make data driven decision也是重要刚需的部分呢，虽说要靠SDE来release产品，但是否要投放产品、产品运行效果不也还要看data来说话么？

@K姐：

data driven decision making 听起来是很好听, 如果用户数降低好几成，哪需要什么复杂的数据来drive决定，用常识eyeball就够了。

而且吧，数据驱动和需要DA/DS也不是同一个概念，看一些dashboard来做商业决策的也叫数据驱动，但是可能做好一次dashboard就不再需要DA了，只需要DE maintain。年景不好的时候就不maintain呗。。。

当然了长期来说数据是”可以“产生很多impact的，但是具体到某个公司的数据岗真的产生了很多impact，这个就难说。数据驱动产生的额外impact，减去养团队的工资，和数据的收集，存储本身的开销，才是return, 所以真能带来额外价值的情况其实是有限的。需要体量足够大的公司，insight最终产生的作用需要足够大。需要业务足够复杂，拍脑袋已经无法work (其实在数据驱动之前，拍脑袋也能非常好的支持几年），或者数据使用方法足够复杂，远超过更简单的方式，比如AI/ML，如果非常简单的case，其实你也不需要什么专家，很多时候logistic regression也能够用，如果非常复杂的case，一般公司也做不好，数据量又不足，还不如直接调用大公司的API。业务逻辑的熟悉也是极其重要，之前早就说过很多做技术的同学太过专注技术，拿着锤子看什么都是钉子，

雇佣DS/DA，之前还有无数DI, DE工作要做，还需要产品其他地方能产生这些数据，或者说，build a data team本身就是一个long term play，很难见到短期效益。

年景好的时候，公司愿意花钱养brand（此处省略若干名字）期待长期收益。年景不好了，显然会开掉短期内可有可无的岗位。

哎…也对，但即便如此，目前依然有很多新帖在问该不该转DS，涌入DS/DA的人可以说是越来越多，楼主@szhhan也提到对行业前景的看法：

DS行业前景展望

认为即使在如今已经非常内卷的情况下每年依然有成千上万的人转进这个行业，在demand没有扩大的情况下每年suppy这么大的递增只会更加增加内卷，可能现在是实力不达标的找不到工作，未来由于过度的内卷就是无论实力达不达标都无法找到工作。求职难度比想象中要高，劝还未入坑太深的伙伴慎重，是不是喜欢写代码，是不是能够接受读paper，是不是有扎实的数学基础。如果认为在未来还能只靠r和sql就能混到analytics工作的，只能说对不起，现在很多人发现analytics的工作大部分美国人也能做，他们还没有语言和身份障碍。如果就只是想在美国这边留下来找到一份体面的工作的，sde依然是性价比最高的选择

就算SDE无论是现在还是以后可能依旧会是“硬通货”，DS/DA看着可取代性更强、竞争激烈，但还有部分小伙伴依旧热衷于DS，也在贴里评论寻求帮助：

@19研小白白 ：

虽说sde更不容易被代替，但是自己好像确实对ds(analytics)更感兴趣...即使pay少一点也没关系，请问K姐，ds(analytics)要怎么做才能（相对来说）不太容易被取代呢？职场新人怎么积累domain knowledge？

@K姐：

特别深的理解所在的行业，公司业务，使用工具去替企业解决问题，和展示你解决的问题的impact。

domain knowledge / business context is the key

不要本末倒置纠结工具的复杂和学位的高端。

做出裁员决定的人会用什么样的标准去衡量问题？ROI

- 投入当然下面做事的人无法控制，不光是工资，还要看工作本身的cost

- 产出是可以试图控制的。

最简单的例子就是：

如何通过给出改变业务决策的分析，帮企业赚到钱。其实跟SWE也差不多哈。。只不过swe给的是产品feature，很容易看见效果，就是你有没有这个新feature，稳定不稳定，商业KPI（比如收入拉，用户数拉）增加了没有，非常一目了然
ds的业绩没有那么明确，不要拿“产生了一个dashboard" 甚至更可恶的"产生了几个regression report"来当业绩的指标。

这些dashboard/report到底应该如何去看，结论是什么？推荐周围同事做什么？

需要围绕如下3种机会，ROI如何，建议公司用哪个（对，传统上这是consulting公司做的事情）？新产品做出来，pricing structure如何建立，才能最大化短期和长期收入？如果看见用户减少了，能否看出来为什么？如何挽救？而不是非要business owner去理解复杂的术语。很多时候这些商业分析产生的效果比复杂的建模大多了。而且也更好理解。

这样换个角度来看DS/DA的未来前景，也不至于被“一竿子敲死”呢，不过要想不被取代，还真是修行看自己，正如@yyy77 所说：“个人觉得，提升各种各种technical本领对找工作当然有益无害，但对一家公司本身来说懂得domain的人才是更难在市场上寻找到替代的。”

同为DS专业的@chianti5虽说有着和楼主类似的分析：

“DS的很多岗位其实不是公司的刚需。有的只是support role，有的只是good to have。就像很多公司裁员先搞marketing一样，业务不好的时候，裁掉非刚需的ds是比较合理的。”

最后也说出了这个真道理：

“想做个好的ds，要找到自己的优势，确定走纯tech还是半tech半business的路，找到适合自己职业发展的industry和公司（大家都想去的公司和岗位，并不一定能是最适合你的），多想想自己怎样做才会更加的无法取代/不会被裁。anyway… 困难时期 大家共勉啊！”

这一波干货让我这个门外汉也为DS/DA行业的小伙伴捏了把汗，楼里上百条评论，可谓是信息满满，本次推送只能节选部分，对DS/DA SDE职位定义、对DS/DA未来前景的预测，还有很多地里群众讨论是否该进入DS/DA这个领域，点击“阅读全文”去地里跟大家一起讨论吧。

疫情通报

数据来源

截选自一亩三分地疫情网站

一亩三分地北美疫情地图

北美新型冠状病毒疫情实时动态

    谢谢大家的支持！

后台回复：APP

下载一亩三分地看帖回帖更方便！

海量内容等你来发现！

 

一亩三分地与你一起成长！

这里是信噪比最高、干货最多、人气最旺的中国人社区。

https://www.1point3acres.com/bbs/

更多精彩内容“阅读原文”

喜欢我们的内容点“在看”分享给更多小伙伴