-
日期: 2025-04-07 | 来源: ali老蒋说 | 有0人参与评论 | 专栏: 新加坡 | 字体: 小 中 大
今天刚好和自己部门的一个同事聊了一下，他是在南洋理工大学毕业的，研究的是数据分析方向，在我们部门做数据分析相关的业务。
我这个同事也是中国人，在本科的时候就出来了，然后在南洋理工大学本硕博连读，已经拿到了新加坡绿卡，主要研究的方向就是数据科学，也就是我们通常说的数据分析。
这里面跟大家简单介绍一个数据业务相关的背景，在数据方向一般会分成两类大类。第一类叫做数据工程，第二类叫做数据科学。
数据工程比较简单，就是以工程化的思路来解决数据问题，说白了，主要就是写SQL。除了这个之外，也会做一些工程类相关的工作，比如开放对外查询的API，比如说做一些简单的数据特征模型。
第二类叫做数据科学，或者说叫数据分析。不知道为什么最近大家会喜欢用数据科学，感觉可能名称更高大上吧，但本质上来说其实是基于数据来做分析。
那到底分析一些什么呢？其实也比较简单，一般来说都是基于大数据来做业务上的分析。这些分析有可能是归因，有可能是决策。目的简单，但是手段比较复杂，有很深的数学和统计学的要求。
归因指的是我们已经有了一大批数据，以后要分析这些业务变化的根本原因。比如突然发现了订单量大涨，那么作为数据科学要归因上涨的原因。
除了这个之外，数据分析一个更大的作用是为业务提供分析决策。很明显的一些例子，比如说在地图规划里面就依赖了数据分析做实时的决策，规划出最近的道路。比如说在电商行业里面的订单数据分析，就能够分析出商品的销售趋势以供业务做选品优化。
而现在更进一步是基于这些数据分析，自动化的做决策和调控，基本上就不用任何人为的干预。
一般来说数据科学需要用到比较多的一些数学的模型，所以非常适合博士研究型的人才来做这块业务。
那再说说我的同事为什么焦虑？
整体来说，几乎所有的企业都对这种研究类的人才并不是特别友好，所以大部分顶尖级的理论研究都出自高校而非企业。所有的企业都是以利益为导向的，没有极大的宽容度和时间周期去培养一个研究型的命题。
说的再直接点，对于公司来说，所有的岗位要不就直接产生利益，要不就间接的支持作用。而一般来说，起支持作用的成本不应该太高，比如说公司的安全部门风控部门，对于大公司来说是有存在的必要的，但是也不会花费天价的成本。
只有在一些相对极端的情况，才会提供一些研究性的岗位，比如说像华为，阿里和字节都有研究型的岗位。但是这些研究型的岗位并不是那么稳定的，当业务目标发生了调整之后，这些研究型的岗位往往就会调整或者裁撤。
比如，号称不计成本投入的达摩院，说裁员就裁员。
我问他，我说那你为什么不考虑在新加坡当个老师呢？
他说现在如果想去新加坡稍微好一点的大学当老师，就必须要斯坦福、牛津之类的博士背景。如果只是一般的名校，诸如南洋理工和新加坡国立大学毕业的博士生，基本上去不到好的大学，更别提去国立大学或者南洋理工当老师了。
我继续问他，我说那以你这个条件回国去一个普通的211当老师还是有机会的呀，这个为什么不考虑？
他说，在新加坡至少从他的经历来说，生活读书比国内轻松多了，他不太希望他的小孩又重新回国经历那一套上学的无比内卷。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见