广告算法工程师的核心竞争力是什么？ 第1页

作为从业者，经历了在学校做算法科研，和毕业在互联网大厂做算法的转变。目前在字节做广告算法，观念相比学生时代已经改变很多。下面根据我自己的思考谈下这个问题，希望对看到这个回答的同学有所帮助。

衡量一个广告算法工程师的标准是能否通过各种手段（不限于模型），提高公司的变现能力。

达到这个标准需要的核心竞争力在三个维度：算法能力，工程能力，业务理解。

工作前期，大多数人是完成leader分配的任务，此时算法能力和工程能力是重点。这二者是一个算法工程师基础能力，优秀的算法工程师应该了解市面上各种类型的广告算法，跟进业界最新的动态，哪种算法在什么场合下有效，怎样取舍不同算法。对于一个具体的业务问题，能够调研分析出合适的算法模型，快速的实现代码，上线部署。在效果不符合预期的时候能够定位问题，获取收益。比如在transformer横空出世的时候，阿里就迅速应用transformer到了推荐领域，这就是算法能力体现。多读论文多与优秀的同行交流，这个能力就能逐渐变强。对于优秀的新人，很多人在学校就会阅读很多paper，到了公司也会看doc，这个要求感觉是比较容易达到的。

工程能力是许多新人算法工程师喜欢忽略的一点，但这个能力其实非常重要！工程能力是理解广告/推荐系统细节的保证，能够提升对算法和架构的认知。随着各家公司的业务场景也逐渐成熟，简单套用一个算法就能拿取成果的时代已经一去不复返了。18、19年，一个新策略或者新模型简单就能获得3，4个点的增长，而到了现在单纯改一个精排或者粗排模型，最多也就是1、2个点的增长。因此，为了获得更高的收益，现在算法变得更加复杂，对架构工程的要求也远比之前高。一个新算法，也许会要求修改多个serving模块，上下游同时适配，延时优化等等内容。这个情况下，想要出色的完成工作，必须深刻的理解广告系统的细节，工程实现。一个经典例子是下面这个阿里的边缘计算在推荐系统应用，可以看到涉及许多架构工程层面的改进。其他大厂想要跟进这项工作的话，依然需要的是工程能力强的算法工程师。

另外，算法工程师一个常有的误区是认为“只要安心优化模型就好了”，一到公司发现优化了好久没啥效果就慌了。其实广告是一个很大的方向，算法、策略、风控都占有很重要的位置。如果单纯依靠模型结构优化，在现在成熟公司的广告业务中，已经很难获得收益了，大量算法工程师集中搞结构优化更是会陷入“内卷”的尴尬。因此，我们也可以把目光投向新特征、模型优化、工程改造、新业务带来的新算法/架构、策略优化等等。当把优化眼光放到广告全链路时，我们才不至于被单纯的精排粗排等模块限制住。而想要明白广告全链路，则工程能力必须很强。

对于工程和算法基础，给出几个是基本能力：

1. 问题建模能力，面对召回、粗排、精排、混排等各模块的问题时，怎样把问题抽象化并提出改进方案；
2. 模型基本能力，训练样本->特征工程->模型结构->线上serving 等整个流程；
3. 算法理解，虽然现在深度学习许多算法像黑盒，但是我们依然要结合具体业务，各个数据维度对模型输出的影响，把拆解模型结构，思考为什么；

再说最重要的能力，业务理解。上面两个能力能够让你从新人走向成熟，但真正决定你视野高度从而区别于普通工程师的就是业务理解能力。广告是与业务强相关的方向，我们工作的目标也是利用各种技术手段提升变现能力。算法和工程告诉是怎么做，而业务理解才能告诉你为什么要这么做。一个算法为什么有效，为什么无效是需要你通过大量的业务经验和思考总结的。大的层面，想要从普通员工晋升为leader级别，你就得知道哪块业务有前途，哪块业务是你需要努力拿下的。你视野足够高，业务理解足够强，能够独立把一整块业务吃下去、做起来的时候，你就不需要担心当一个大头兵的问题了。小的层面，你想做出成绩拿到算法收益，也得从业务本身思考怎样优化算法和架构。能够发现业务上的问题，才能够通过各种技术方式获得收益。业务理解上有许多东西是要自己逐步体会的，但这个是算法工程师们必须要去思考的，也是工作后期最重要的能力。

最后，谈个小问题。许多新人有“技术崇拜”，认为只要技术牛，一切问题就都解决了。举个我师兄的例子，他们部门（BAT某家广告算法）有个跟他几乎同时毕业的同学，那位同学工作非常追求技术牛逼，要使用很fancy的算法，但对业务不是很感冒。但技术又牛逼，业务提升又很大的工作哪有那么多。。因此，能够拿出的成果寥寥，让他晋升之路非常坎坷。所以，希望刚进入这个领域的同学不要排斥业务，尽量理解广告算法这个领域面对的业务问题。