算法工程师或者数据科学家，在to B的行业中（to C应该也有一定参考意义），对于这个工作有必要清楚的认识到，当前2021的环境，已经从高端人力外包逐渐被改造为一般人力外包，产品化，解决方案化三种方向。三种方向相互独立，又相辅相成。

一般人力外包，即甲方驱动型的数据整理清洗，特征构建，建模，验证，生产的流程。通常对于甲方来说是直接有效的解决问题的重要手段，但是这对于to B公司是非常不友好的，获客容易但主要靠关系，利润低，员工流失大，沉淀积累少。

产品化，即将模型甚至整个机器学习生命周期包装成产品。但市面上真正取得公认成功的产品少之又少，技术同学应该能够认同，请市场同学轻喷。产品化的机器学习一方面失去了灵活度，让使用者，尤其是同岗位使用者感到被束缚，也不利于其学习然后跳槽的职业规划；另一方面让非技术出身的人员使用下来感到处处受挫，需要辅以大量的培训，否则难以完成任务，而那些包装良好流程简单的，又难以让业务人员适配各种各样的场景。

解决方案化，即将一揽子方案提供给客户以领域专业性来解决问题的方式。一揽子方案涵盖的东西很广，包括数据对接，数据分析，规则输出，模型构建，决策工具，人工介入，反馈链路，架构评审，团队构建，等等。基本上解决方案就包含了几乎能够替代甲方团队的全部理论储备。但是几乎100%的情况下，理论是不够的，总是会需要实质的投入，不管是产品，人力，包括咨询人员无穷无尽的会议都是巨大的投入。这让我们不禁去想，是不是本末倒置了。