最近硅谷的温度有点冷。毫无疑问，我们正处于技术寒冬。风险投资的资金已经枯竭，数百家公司正在进行裁员，人工智能正在逼近每个人，引发了更多的失业和不确定性的威胁。
数据科学家们开始担心：我的工作安全吗？难怪如此。曾经被吹捧为最性感的职业，现在看起来已经不那么火爆了。
整体而言，数据科学的就业前景依然看好——劳工统计局仍预测它在未来十年内将增长36%，远远快于美国平均就业增长率的5%。但是正如数千名被解雇的数据科学家中的任何一位会告诉你的那样，统计数据并不能成为失业的防护罩。答案是什么呢？一些专家建议，专业化是脱颖而出、使自己不易被解雇的最佳方法之一。《财富》杂志的作者梅根·马拉斯写道：“随着数据的影响力不断增长和技术的进步，数据团队上的特定角色将需要为了最大化效率。”
我同意。任何一位数据科学家都会告诉你，工作的性质取决于你的老板当天需要你做什么——制作电子表格、演讲稿、开发ETL流程或者开发实验。
所有数据科学家唯一的共同点就是随着数据的数量和重要性的增长，责任也在不断扩大。
与其继续试图做到万事俱备，数据科学家可以通过专攻来更好地区别自己。通过选择一项技能或领域，更容易让自己的价值主张清晰明确，在竞争激烈的就业市场中保持相关性和价值。
我在创建StrataScratch之前，是一名普通的通才型数据科学家。我不断学习新的技能和技术，以跟上这个快速发展的领域。但当然，有一天我意识到我需要与众不同。我决定专攻基础设施以及如何通过基础设施来推动数据科学工作。我在基础设施方面的工作改变了团队上的数据科学家们的工作方式，使他们能够比以前更快地交付模型和结果。
经过几年专注于数据科学基础设施的工作后，我在生物技术领域找到了一份数据战略的工作。我很快意识到，我的专业化在就业市场上给我带来了重要的优势，因为具备我所拥有的特定技能和经验的人很少。这也意味着我能够获得更高的薪水和更高的职位，因为通过专攻一个焦点领域所获得的深入知识将我推向更高级别的职位，仅仅是因为我拥有更多的知识和经验来影响团队上的其他数据科学家。
当然，这只是我的故事。专业化可以在不同的方式下帮助你，这取决于你当前的情况和你的总体目标。
一位我最喜欢的《老爸老妈的浪漫史》的剧集中，马歇尔在巴尼的帮助下在一家律师事务所找到了工作。巴尼告诉他，他必须成为“某个东西”的人。也许是零食小伙子，按摩小伙子，或者游戏小伙子。这是避免被他多变的老板解雇的唯一办法。
有时候情景喜剧是对的。通才可以被其他通才所取代。作为一名专业人士，你的价值更高。很容易说：“不，我们不能解雇马歇尔，因为他是我们的市场分析人员。他是帮助我们制定所有市场和销售渠道的人。他对团队来说至关重要。”
对数据科学家的需求很大，但对数据科学学位的需求也在增长。再加上现在公司开始考虑非传统背景，你就会面临竞争的局面。
通过专业化，您可以减少就业市场上的竞争。例如，如果您专攻自然语言处理（NLP），您将限制您可以竞争的工作。但是，由于NLP专家远远少于数据科学家，所以您将更受欢迎。
追求利润
老实说，追求数据科学职业不能仅仅是为了钱。专业化也是一样。但是，如果您对工作的某个特定部分感兴趣，那么值得知道的是，专家比综合技能的人拥有更高的薪水。
只需看一下Indeed的数据，作为一个指标：数据科学家的平均基本工资为12.7万美元/年。相比之下，机器学习工程师（15.5万美元）或后端开发人员（15.8万美元）。
如何作为数据科学家专业化
好的，您已经相信专业化的价值了。那么如何专业化呢？让我们来分解一下步骤。
从您的兴趣开始
如果您要专业化，您需要确保自己对要专攻的领域感兴趣。这不能仅仅是为了钱，而是关乎您喜欢做什么。首先要看一下您的兴趣。
您对什么充满热情？在空闲时间里，您通常会追求什么样的项目？通过确定自己的兴趣，您可以开始看到您可能能够专攻的领域。了解您热衷于哪种工作类型是一种找出您对什么感到兴奋的方法？例如，在一个项目中，您通常更喜欢做基础设施工作？还是建模工作？还是数据清洗工作？弄清楚您喜欢做什么，并深入学习。
了解技术发展概况
技术发展概况不断变化，跟上最新趋势非常重要。例如，看看Meta。在花费多年和无数资金开发元宇宙之后，他们现在与其他主要科技公司一样开始转向人工智能。
一旦您列出了您感兴趣的话题，寻找充满活力和需求的领域。这将帮助您确定可能能够专攻的领域，以及可能出现的差异化机会。
一个很好的参考地方是Indeed。这篇文章有点旧，但我喜欢其中的想法。作者从Indeed上爬取了提到特定语言和城市的工作职位。他们发现R、SQL和Python排在前列。您还可以查看StackOverflow的开发者调查。他们对需求技术的关注程度相当高，值得一读。
找到免费课程和证书
一旦您确定了一个感兴趣的领域，寻找免费的课程和证书来帮助您发展技能。不要从昂贵的课程开始；先从免费的课程开始，看看您是否能掌握这些知识。
有很多免费资源可供利用，包括在线课程、书籍和实践平台。利用它们来建立您的数据科学技能和知识。一旦您感到半信半疑，您可能会想做一些项目来建立您的作品集。
在工作中寻求新项目
如果您已经作为数据科学家工作，寻找展示您新技能的机会。与您的老板和同事谈谈您的兴趣，看看是否有任何项目可以让您开展工作，以便能够发展您的技能。通过在工作中接受新的挑战，您可以在您选择的专业领域中积累经验和专长。
例如，如果你对自然语言处理感兴趣，你可以要求参与分析客户反馈数据或开发客户服务的聊天机器人的项目。如果计算机视觉更符合你的兴趣，看看是否有与图像识别或视频分析相关的项目，你可以为之做出贡献。
有时候业务需求决定了你下一个项目是什么。例如，我作为一名数据科学家的第一个项目之一就是创建一个自然语言处理算法，使用Twitter推文跟踪食源性疾病爆发。我没有任何构建自然语言处理算法的培训，所以我不得不从零开始，在项目中尽可能多地学习。这是一个很好的学习经验，让我作为一名数据科学家拓展了我的技能。
换工作
最后，可能会到了你跳槽的时候。如果你的老板拒绝将你视为更多的一个全能数据科学家，你可能需要转向新的公司来展示你的新职业方向。有时候，你可能对雇主的业务需求（例如，一直都是相同的需求）、技术栈和团队结构感到厌倦。如果你没有兴奋地每天上班学习，那么也许是时候探索新的机会，让你作为一名数据科学家成长和学习了。
寻找与你新技能匹配的工作岗位，并申请它们。通过换工作，你可以重新开始，并向新雇主展示你的新专长。
沉没还是专精 – 选择在你手中
作为一名数据科学家，专精是一个明智的选择。但希望不仅仅是一个好的职业选择 – 在我的领域专精为我带来了更多的角色清晰度，以及更多的乐趣和目标。我的老板们更好地理解了我应该做什么，能够给我更有用的关键绩效指标。我对如何提供价值有了更好的理解。而且，我也满足了自己的兴趣。
通过按照这些步骤，你可以开始成为一名专精的数据科学家，并在竞争激烈的就业市场中脱颖而出。记住，专精不仅仅是为了增加自己的就业机会，而是为了追求自己的兴趣，建立一个令你享受的职业生涯。祝好运！ Nate Rosidi 是一名数据科学家和产品战略家。他还是一名兼职教授，教授分析学，并且是StrataScratch的创始人，这是一个帮助数据科学家通过真实面试题准备面试的平台。在Twitter上与他联系：StrataScratch或LinkedIn。