今天剛好和自己部門的一個同事聊了一下，他是在南洋理工大學畢業的，研究的是數據分析方向，在我們部門做數據分析相關的業務。
我這個同事也是中國人，在本科的時候就出來了，然後在南洋理工大學本碩博連讀，已經拿到了新加坡綠卡，主要研究的方向就是數據科學，也就是我們通常說的數據分析。
這裏面跟大家簡單介紹一個數據業務相關的背景，在數據方向一般會分成兩類大類。第一類叫做數據工程，第二類叫做數據科學。
數據工程比較簡單，就是以工程化的思路來解決數據問題，說白了，主要就是寫SQL。除了這個之外，也會做一些工程類相關的工作，比如開放對外查詢的API，比如說做一些簡單的數據特徵模型。
第二類叫做數據科學，或者說叫數據分析。不知道為什麼最近大家會喜歡用數據科學，感覺可能名稱更高大上吧，但本質上來說其實是基於數據來做分析。
那到底分析一些什麼呢？其實也比較簡單，一般來說都是基於大數據來做業務上的分析。這些分析有可能是歸因，有可能是決策。目的簡單，但是手段比較複雜，有很深的數學和統計學的要求。
歸因指的是我們已經有了一大批數據，以後要分析這些業務變化的根本原因。比如突然發現了訂單量大漲，那麼作為數據科學要歸因上漲的原因。
除了這個之外，數據分析一個更大的作用是為業務提供分析決策。很明顯的一些例子，比如說在地圖規劃裏面就依賴了數據分析做實時的決策，規劃出最近的道路。比如說在電商行業裏面的訂單數據分析，就能夠分析出商品的銷售趨勢以供業務做選品優化。
而現在更進一步是基於這些數據分析，自動化的做決策和調控，基本上就不用任何人為的干預。
一般來說數據科學需要用到比較多的一些數學的模型，所以非常適合博士研究型的人才來做這塊業務。
那再說說我的同事為什麼焦慮？
整體來說，幾乎所有的企業都對這種研究類的人才並不是特別友好，所以大部分頂尖級的理論研究都出自高校而非企業。所有的企業都是以利益為導向的，沒有極大的寬容度和時間周期去培養一個研究型的命題。
說的再直接點，對於公司來說，所有的崗位要不就直接產生利益，要不就間接的支持作用。而一般來說，起支持作用的成本不應該太高，比如說公司的安全部門風控部門，對於大公司來說是有存在的必要的，但是也不會花費天價的成本。
只有在一些相對極端的情況，才會提供一些研究性的崗位，比如說像華為，阿里和字節都有研究型的崗位。但是這些研究型的崗位並不是那麼穩定的，當業務目標發生了調整之後，這些研究型的崗位往往就會調整或者裁撤。
比如，號稱不計成本投入的達摩院，說裁員就裁員。
我問他，我說那你為什麼不考慮在新加坡當個老師呢？
他說現在如果想去新加坡稍微好一點的大學當老師，就必須要斯坦福、牛津之類的博士背景。如果只是一般的名校，諸如南洋理工和新加坡國立大學畢業的博士生，基本上去不到好的大學，更別提去國立大學或者南洋理工當老師了。
我繼續問他，我說那以你這個條件回國去一個普通的211當老師還是有機會的呀，這個為什麼不考慮？
他說，在新加坡至少從他的經歷來說，生活讀書比國內輕鬆多了，他不太希望他的小孩又重新回國經歷那一套上學的無比內卷。
這是他不下決心回去最大的理由。他還是有一個傳統的中國的文化觀念「一切為了孩子」，還是想儘量的讓孩子能夠活的輕鬆，哪怕他自己焦慮一點，勞累一點。
總結一下，我覺得現在的這個社會，以華人視角來看，普通人都有自己非常焦慮的點。甚至，不同國家的華人都在焦慮，華人和中國人一樣，上一輩吃了太多的苦，把「不安感」刻在了文化基因里。
