मैं एक Big Tech कंपनी में Staff Data Scientist हूँ। कुछ भी पूछिए (AMA)

• Reddit DataScience चैनल में, अमेरिका की Silicon Valley स्थित एक बड़ी tech कंपनी के Staff Data Scientist द्वारा किए गए AMA का सार
• Statistics में PhD पृष्ठभूमि, लगभग 10 साल का अनुभव, और startup, pre-IPO unicorn, FAANG जैसी अलग-अलग आकार की कंपनियों में काम का अनुभव
• ज़्यादातर समय IC(Individual Contributor) के रूप में काम किया, लेकिन कुछ management अनुभव भी है
• मुख्य ताकतें machine learning, experiment/causal inference, और data analysis में

प्रमुख सवाल और जवाब का सार

PhD(डॉक्टरेट) डिग्री की अहमियत?

• PhD होने से पहली नौकरी या शुरुआती career में मदद मिलती है, लेकिन career बढ़ने के साथ इसका असर कम हो जाता है
• industry, खासकर Silicon Valley, तेज़ रफ़्तार और business value पर फोकस करती है; academic rigor से ज़्यादा practicality को महत्व दिया जाता है
• अगर फिर से फैसला करना हो, तो शायद 5 साल से ज़्यादा लगाकर PhD नहीं करेंगे। industry trends और AI की प्रगति बहुत तेज़ है
• AI research positions के लिए PhD ज़रूरी है, लेकिन product-focused DS/ML roles के लिए MS/BS भी काफ़ी है

करियर और प्रोफ़ेशनल विकास

• IC से Senior या उससे ऊपर प्रमोशन पाने के लिए, टीम के बाहर तक प्रभाव डालना और strategy/organization में योगदान देना ज़रूरी है
• भरोसा बनाना, cross-functional collaboration projects को lead करना, और executives/managers के साथ संबंध बनाना महत्वपूर्ण है
• startup में सफल होने के लिए: end-to-end ML/data pipeline/analysis जैसे कई रोल संभाल सकने वाला generalist होना और business के प्रति जुनून होना चाहिए
• career की शुरुआत में technical skills महत्वपूर्ण होती हैं, लेकिन मध्य और बाद के चरणों में domain knowledge और communication·leadership ज़्यादा महत्वपूर्ण हो जाते हैं

Data Scientist का भविष्य और AI

• AI सरल/दोहराए जाने वाले कामों को तेज़ी से replace कर रहा है, लेकिन मजबूत core skills वाले data scientists और भी ज़्यादा उभरकर सामने आएँगे
• Generative AI आने के बाद काम करने के तरीके, जैसे coding और documentation, बदले हैं, लेकिन core roles जैसे analysis और modeling अब भी प्रासंगिक हैं
• आगे चलकर AI और ज़्यादा क्षेत्रों में जगह ले सकता है, लेकिन जटिल problem solving, domain interpretation, और communication skills अब भी टैलेंट की पहचान रहेंगे

प्रैक्टिकल काम और organizational culture

• causal inference/experimentation(AB Test) की अहमियत domain के हिसाब से बदलती है। जहाँ experiment संभव नहीं, वहाँ observational data आधारित causal inference की क्षमता ज़रूरी है
• business/leadership से बात करते समय: technical details से ज़्यादा "क्यों, क्या किया जाएगा" और उसके impact पर फोकस करके समझाना चाहिए
• अगर organizational culture causal inference और data quality को महत्व नहीं देता, तो communication और बदलाव की सीमाएँ होती हैं। ऐसी स्थिति में job change या team transfer पर विचार करना चाहिए
• जब manager समस्या को पहचान नहीं पाता, तब भरोसा बनाना, solution देना, और ज़रूरत पड़ने पर internal move या resignation पर भी विचार करना चाहिए

स्किल डेवलपमेंट और नौकरी संबंधी सलाह

• career की शुरुआत में internship/portfolio/project experience बहुत महत्वपूर्ण है। technical skills जैसे coding, ML वगैरह minimum expectation हैं
• domain knowledge, communication, और problem-solving AI·automation के दौर में भी और बड़े differentiators बनते हैं
• degree·certificate की तुलना में practical projects और real-world experience को ज़्यादा प्राथमिकता दी जाती है
• industry hiring में ‘experience’ को बहुत महत्व दिया जाता है। internship, consulting, और अलग-अलग projects का अनुभव लेने की सलाह दी जाती है

अन्य insights

• startup के डूबने के संकेत: morale गिरना, key talent का निकलना, core metrics का बिगड़ना आदि
• political skill: organization strategy से जुड़े projects पर फोकस करना और प्रभावशाली संबंध बनाना
• high salary/benefits: Netflix जैसी Big Tech कंपनियों में senior स्तर पर $750k+ compensation वास्तविक है (stock सहित)
• career satisfaction: Big Tech में data scale को छोड़कर काम अपेक्षाकृत सामान्य लग सकता है, इसलिए growth और मज़े के लिए side work तलाश रहे हैं