大概有一个多月,一直在酝酿这么一篇文章。有很多的东西想说,却每每到口边欲言又止。总归沉淀的久了,该说还是要说说吧。
1. 关于大数据
我是莫名其妙的就被拽入这个领域的。虽然我也经常在一些不得不包装的场合不停的用到“大数据”这个词,但说到底我还是觉得它是硬生生的被炒作出来的。从2011年到现在,有幸在国内国外开了无数的跟“大数据”有关会议,有小有大,有偏学界有偏业界,可是越开越麻木。以至于到最后,我关心的问题就成为了几个:
- 有什么新的数据被搜集了吗?(比如江南春去扫小区垃圾桶..);
- 有什么新的领域被攻陷了吗?(比如某些传统行业,如劳动密集型的制造业、餐饮业、个人金融);
- 有什么新的数据产品出炉了吗?(比如基于数据魔方的新的应用)。
曾经有人戏谑般的问我,“你一个做分析的关心这些high level的东西干啥?”,我的回答很直白,“为了保证不让自己失业”。当然这话有五分打发之意,归根到底的原因可能是,我在寻找灵感,在试图最大化分析的价值,在别人的失败中学习经验(输家往往比赢家更有意思)。换言之,我没打算一直做分析。自从在eBay深度接触了某些做事极端细致的同事之后,我觉得这个领域做到极致也怕就是如斯了。拼不过。
有些问题越来越不关心,因为从分工的角度来看绝非我的比较优势。比如,XX架构改善了数据库存储、查询;XX模型经过某些改进获得了几个点的提升;XX产品可以支撑更大量的数据和更好的实时并发性(这些东西对我来说,有就用,没有也不强求);XX平台实现了XX算法(没有成熟的接口我是不会去碰的)。可能对于数据分析模型的理解(此处单指统计或者机器学习模型),我已经过了那个狂热的沉浸于美好的证明或算法无法自拔的阶段。从一个更高的角度来看,基础设施尚未建设完成(更广泛的数据源搜集、聚合,以及强有力的分析平台建立),谈那么多奇技淫巧有什么用?每每看到BI这个词,就想吐酸水...平心而论,eBay的基础设施建的还是比较好的,一个数据仓库就有几百人的技术团队在维持。
总结一句话:路漫漫其修远兮,做的好的就那么一两家。单单靠分析赚钱没那么容易,先把人才的缺口补上吧。
2. 关于分工和角色
说分工之前,先说说现在的工作。在eBay,听起来很曼妙的两个音节,却很不幸的在它的海外研发中心。若我是个工程师研发产品也就罢了,可惜还在分析这种需要跟业务部门频繁交流的岗位。当然做什么事情都有好和不好的一面,没有绝对的。只是当你还可以选择的时候,当你处在一个不同的职业发展阶段的时候,会有不同的诉求。
回头看,如果我知道现在的工作是这样的模式,我还会在一开始如此选择吗?会的,我很无奈,但没有更好的选择(当时下决心一定要去一个英文环境)。“不畏浮云遮望眼,只缘身在最高层”。那个时候位置太低、浮云太多,很多事情看不清楚。我觉得我很幸运,毕业之后的两份工作都没有让我后悔过。
eBay对我的最大改变就是,让我重新拾回了很多技术细节。比如,对于分布式的理解越来越深,parallel SQL 越写越熟,R的某些包越用越顺手,Shell和SAS被重新拾起,诸如此类吧。这也是我当时离开咨询的目的——做pre-sale support、跟客户天天腻在一起,没有脚踏实地的感觉,每天脑袋瓜子里想的都是“客户到底是怎么想的”,每天都在做各种各样的利益分析。时间久了,觉得每天都在跟演戏一般。
可是在分工链上,技术绝非我最擅长的。开什么玩笑,一个直到研究生都没怎么受过正规编程训练的人,怎么可能拼得过那些国内顶尖学校CS或者EE出身的、一直专注于此的精英们?就算勉强加上模型这块儿,就算凭着还算可以的数学基础我事后补修了很多门机器学习和统计学的课,我也不觉得我能胜得过那些一早儿统计和计算机兼修的有志之士们。太多东西不是纯粹智商和努力可以弥补的,时间是不可逾越的鸿沟。当然如果下定决心一直做下去,也未必没有成就——可是要我抛弃心头挚爱的经济学,做与之完全无关的事情,我做不到。
有个很好玩的词儿叫做“street sense”,我也不知道怎么翻译为佳。有点类似于soft skill的感觉。在我的同事中也有少数这方面很强的人,能明显看到他们的成就卓然不同。对我来讲,这样的感觉或许更佳吧。
3. 关于积累
工作久了,很多人就会跟你说“工作经验比学历更重要”。我的感觉是,看哪个是短板吧?两个还是均衡发展比较好。要不在labor economics之中,也就不必把experience和years of study都作为回归变量了。
工作经验是个很神奇的东西。一方面他会加快你做特定事情的效率(指数式),一方面他也会束缚你的思维。周围看到了许多从技术转到管理岗一开始很不适应的案例。思维方式完全不同嘛。
我个人喜欢把工作经验分为两部分:广泛适用的经验和内部适用的经验。在一个企业一个部门,其实积累的更多更快的是更适用于本部门的一些经验,这两种经验发展不均衡在那些一毕业立刻进入一个企业、一直没有离开过的人身上尤甚。实话讲,如果想在一个大企业里面很快的发展,内部经验尤为重要。Fit the culture。而广泛适用的经验其实对于适应更多的环境、岗位更重要。把赌注都压在一个篮子里面是不明智的...
4. 关于野心
我一直觉得我是一个不安分且具有野心的人。不过时间会把人的奋斗精神消磨,尤其是在一个很容易就活的比较舒服的环境中。
可是当太多事情不能控制,一切浮华便如过眼烟云,与己无关。
19 replies on “一些审视”
原来师姐是经济学的粉丝啊……最近刚接触经济学,发现经济学的思维跟以前接触的东西很不一样,总是觉得跟我一样转专业的人总要接受各种思维模式的冲击><……这样涉及的面一宽,反而各个方面都积累不深了T^T。不过我还是觉得现在课堂里的经济学要是能加入点实证的成分就好了,大概老师光谈理论时间也比较紧张吧……
何止粉丝...一路经济学走过来啊...
专门过来赞一下
这都看到了..原来还有人用RSS啊。
“出国读博搞学术吧。看你博文,感觉你的性格挺合适。” 刚才这条评论,莫名其妙跑到另一篇下面去了。
另:用rss订阅的很多,比如我。微博还是不如rss靠谱。
哈哈,我做什么都有人说“你性格挺合适的”...所以这是万能性格么?
能独立思考,静心研究。如果不知如何是好,不如去读个博,至少能拿个学位。而且有机会见见领域内大家,做重复的工作没什么意思。
还好,我还知道如何是好 短期牺牲是为了长期目标服务哒。
看后很受启发
还好没说我纯吐槽...
先点个赞再说。其实做一个统计里面经济最好的,经济里面计算机最好的,计算机里面数学最好的人也不错,哈哈。
会不自在啊...越来越找不到能深入探讨问题的人,很郁闷的。
hi,我是刘普成,几年前曾经在ccer和你听过同一堂mechanism design课程,还有印象吗?我现在在豆瓣做数据分析方面的一些事情。看到你提到“越来越找不到能深入然逃问题的人”,忽然产生个想法,是不是可以考虑来豆瓣工作呢?这边有data scientist和business analyst两种岗位可供你选择,前者偏技术,后者偏产品,但都是以数据为基础展开工作。详情可参看http://jobs.douban.com/里面最靠前的两个职位说明。团队里面有http://www.douban.com/people/NullPointer/ 和http://www.douban.com/people/demon386/这样的data scientist,也有http://www.douban.com/people/skwang/和http://www.douban.com/people/hongqn/这样的领域专家,还有各种背景(也包括经济学)的同事,也有些同事会自己开发各种工具(也包括r包)来玩数据。有兴趣的话回个话,我可以直接向数据组老大推荐~
嘻嘻,TA你好。哇这个世界是有多么小...这都能重逢。先容我打个岔...你怎么去豆瓣了?
当时出国准备的writing sample和stanford一位老师的paper撞车了,套磁没套上,寄托也没考好,就直接工作了。先去的百度,去年底来的豆瓣~
这样也可以...话说我11年夏天也去面过baidu econometrics,后面觉得北京实在是不如上海好玩就没去...呃,刚刚在写东西,没想到搞到这么晚了。明天睡醒了再给你发邮件聊
有兴趣的话可以给我回个邮件,我的邮箱是:liuc2008@gmail.com.
我只是说一下,我一直用RSS订阅,差不多四五年了?从你还在山大的时候开始的~ 头一次冒出水面。
哇塞,我写博客也没多少年啊...这是骨灰粉的节奏了。