作者answerseeker (神灯)
看板Oversea_Job
标题Re: [北美] Data Scientist vs. Software Engineer
时间Mon Dec 30 09:21:28 2019
看了这篇文有些感触 身为在湾区某厂算法组常跟一群Econ PhD DS打交道的人想给些
回应，顺便抛砖引玉。
先回应问题：建议挑长期个人兴趣所在，短期市场热度会过去
还有你是否想长期待在美国，挑选非相关专业未来H1B会有风险
STEM OPT还会多久不知道(如果Trump连任) 绿卡现况也不明朗
至於DS vs SWE,
我知道的DS，无论哪个track都得做dirty work (data)。你得有些心理准备
在越偏算法的组，只要exp + deployment + monitoring infra不够好的地方，DS
跟其他算法专精的人矛盾就越大
我建议无论你选择什麽，最好都稍微了解eng的语言。DS最终的目的是帮忙产品
deliver.做做分析推论, reg, 设计实验很少有其他组或上层care. 但若能直接
impact 产品策略，甚至帮助eng加速ship，这是很有价值的
最终公司看得就是你的delivery, 有什麽入production, 有什麽impact.
好的DS特别会讲故事，并且很懂得产品策略，有非常大的权利影响OKR
。他们对於数据的掌握度很强，也知道什麽应该claim. 这点其实我很羡慕
我认为产业的大方向就是强化experimentation相关tooling. 未来非modeling的
DS应该会供过於求。然後ideally alg/modeling ds都要有一定程度的自干能力
未来几年org架构应该会有相当的改变。跟一些DS带班子的聊过，只要有一些
团队内有一定CS基础的大都跟我的观点相近。
SWE技能树很广，New Grad考个LC没什麽。或许grok system design可以帮你跳公司
但senior以後的成长还是操之於己。以自修为考量，DS跟SWE都可以花很多时间进修
SWE的纯wlb是有机会差的，这个var可能大於DS.
关於转行，很多东西必须会reset.假如以前没有什麽coding经验，你必然得比别人
多花很多时间投入。
关於Soft skill, 无论哪个专业到某个阶段这就是个必修。除非你很有自信在北美
IC track单干。
再关於转行，不建议小瞧management consulting track, 感兴趣就尽早投入
※ 引述《deniel367 (dann)》之铭言：
如题所示，我感觉我最近站在一个人生交叉点，是时候做出选择... 但身边较少人有相关
经验，想请教板上前辈们。
前言：
我目前就读北美类似DS硕士一年级，预计2021春毕业，没有正职工作经验，大学背景是统
计。目前拿到两暑期实习offers，一个是做swe (非FAANG的大厂 return机会高)，另一个
是做ds (小银行 return机会不高)
(ds在每家公司都有不同定义，但这篇的ds我定义为ds-analytics，主要是做统计推论、
少量的建模；swe的话姑且定义为general的，不细论前後端之类的，还不知道自己会被分
到哪个组。)
问题：
主要是我不确定要接哪个offer，更精确地问题是... 我不确定未来要往哪个方向走。如
果我要往ds走，我应该会接ds offer
DS
pros,
1 工作内容我较熟悉、喜欢
2 和过去所学较相关，准备了很久，不继续做感觉有点可惜...
3 以长远来说，DS较容易转职（？） 下方会有更详细说明
cons,
1 正职平均而言 薪水还是差了sweㄧ截，除非是在非常data driven的公司像是Airbnb, N
etflix
2 非常难专精的领域，技能树容易长得很宽但不深，常感觉学得不踏实...往上发展可能
相对不易，且工作成果难量化，需要靠我不喜欢的软实力...
3 需要跟来自各领域的PhD竞争...
SWE
pros,
1 找工作的话，个人感觉比较好准备 主要靠刷题
2 听说比起DS需要研究的数学统计，SWE的知识点相较容易掌握，生活可能比较可以平衡
，下班後较多自己的时间
cons,
1 相对不太熟... 而且我统计学了很久，一直觉得放弃有点可惜QQ
2 听说可能有中年失业问题，再加上我本身不是一个很爱追技术的人，担心中年後的路不
好走。未来有考虑转成类似顾问、管理职。感觉DS因为看了比较多商业面的东西会比较容
易转。
概括而言，我是比较喜欢做DS的工作，喜欢从挖掘数据中得到商业结论这个过程，但心中
一直有个槛过不去，就是总感觉DS的职涯发展需要靠许多软实力、运气、业界风口...等
等许多我没法掌握的因素，让我感到很不安全，SWE的好处感觉就是可以很专心在一件事
情上。
即使我列下了许多pros & cons，但我还是很难决定，甚至也许这些pros & cons 有讲错
的地方，或是其他我没考虑到的重要因素，如果有前辈们可以指点迷津，那真是太感谢！
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 107.77.202.186 (美国)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Oversea_Job/M.1577499346.A.A88.html
1F：推 yushiung: 刷题找sde 吧12/28 11:29
2F：推 sorryla: DS难道就不会中年失业吗...12/28 13:04
也是有可能...但我的意思是就转顾问类、管理职(e.g. APT data business consultant)
而言，DS因为相较接触比较多与人相处、商业营运，可能比较容易在中年时转换跑道，
万一DS做不下去...
3F：推 sean2449: SWE12/28 13:12
4F：推 yunyun85106: 还是swe吧～12/28 17:40
可以请问为什麽吗～ 期待有从DS转到SWE的前辈们可以分享，转换的动机是什麽xD
5F：推 pyCassandra: 掺在一起当Data Engineer (误12/28 18:26
6F：推 oppi: 推 有类似的心路历程，也蛮好奇大家的看法的12/28 20:08
7F：推 aack: 很多强的swe也能做modeling/ML/analytics, 相较之下DS还没12/28 21:42
8F：→ aack: 见过可以把东西做超过prototype的...个人觉得swe skill set 12/28 21:42
9F：→ aack: 可以大於等於ds也是swe薪水更高的原因12/28 21:42
10F：推 aack: 至於软实力 两者都需要 跑不掉的12/28 21:45
感谢分享 但我有不同看法。我觉得ds analytics有时需要做的事情是需要非常深厚的统
计
底的，像是实验设计、抽样、统计推论，不是随便跑个模型就可以，需要紮实统计理论去
解释进而做决策。
就我碰过身边cs的同学其实是缺乏这块，两者的skill sets我感觉是有交集，但非完全重
叠。
不过这可以扯到另一个问题是...一般的老板可能不在意这些统计理论和使用的正确性，
导致有可能ds的价值不被在意QQ
11F：→ ar851060: 想问楼上。那这样ds有啥价值，都可以被swe取代了12/28 21:58
※ 编辑: deniel367 (107.77.204.140 美国), 12/28/2019 22:18:47
※ 编辑: deniel367 (107.77.204.140 美国), 12/28/2019 22:20:53
※ 编辑: deniel367 (107.77.204.140 美国), 12/28/2019 22:23:37
※ 编辑: deniel367 (107.77.204.140 美国), 12/28/2019 22:26:12
※ 编辑: deniel367 (107.77.204.140 美国), 12/28/2019 22:28:38
※ 编辑: deniel367 (107.77.204.140 美国), 12/28/2019 22:30:47
12F：推 aack: ds的确需要统计底 但我想说的是厉害的swe这些技能也是有的 12/28 22:50
13F：→ aack: 我的swe同事就是个stats phd, 也有刚毕业的ds 12/28 22:50
14F：→ aack: ms, 但 12/28 22:50
15F：→ aack: 在业界除了统计与数学 12/28 22:50
16F：→ aack: 外有hands on的技能才能让你最大化deliver, 我觉得那才是强 12/28 22:50
17F：→ aack: 的swe真正的价值 毕竟现实世界过於复杂几乎任何统计模型的前 12/28 22:50
18F：→ aack: 提假设都 12/28 22:50
19F：→ aack: 不成立 你还是得try and error才能去验证你的model和hypothe 12/28 22:50
20F：→ aack: sis可不可行12/28 22:50
21F：推 oopFoo: 喜欢ds不能再找？还有时间就找吧 12/28 23:47
22F：推 paperboat: 一个是看你有没有要念 PhD, 没有 phd 的 DS 应该算是 d12/29 00:37
23F：→ paperboat: ata engineer 12/29 00:37
24F：推 bennylin77: 做你喜欢的吧，不喜欢的东西，久了你会更迷失。做sw e12/29 01:53
25F：→ bennylin77: ngineer除了刷题，要再进阶你说的软实力或是不断学习 12/29 01:53
26F：→ bennylin77: 新东西也是必要的。12/29 01:53
28F：→ azzc1031: 上面这篇文章可以参考一下，作者也是ds专业但找不到ds工12/29 02:05
29F：→ azzc1031: 作，跳去swe的12/29 02:05
30F：推 azzc1031: 我自己也是像你一样的问题，毕竟做data僧多粥少门槛又12/29 02:07
31F：→ azzc1031: 高...12/29 02:07
34F：推 azzc1031: 建议你可以多上「知乎」这个平台，这里有关ds的资讯非常 12/29 02:12
35F：→ azzc1031: 丰富，看得超过瘾，对於职涯分析也是一针见血，可以参 12/29 02:12
36F：→ azzc1031: 考一下！ 12/29 02:12
37F：推 agario: 之所以会有swe也能做ds，单纯是因为swe薪水较高所以 12/29 04:27
38F：→ agario: 两个都会做的人看钱就选了swe 12/29 04:27
39F：→ agario: 反向选择的人较少，所以才比较少看到ds的swe技术也很强的 12/29 04:28
40F：→ agario: 原po可以试着当这个少数人或许能走出自己的一片天 12/29 04:29
※ 编辑: deniel367 (107.77.204.101 美国), 12/29/2019 06:51:10
41F：推 az120121: 推推 12/29 07:51
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 136.25.131.108 (美国)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Oversea_Job/M.1577668890.A.C35.html
※ 编辑: answerseeker (136.25.131.108 美国), 12/30/2019 09:22:59
※ 编辑: answerseeker (136.25.131.108 美国), 12/30/2019 09:23:32
42F：→ choucy: 能赚到钱 熊猫快餐 12/30 11:13
43F：推 deniel367: 谢谢你的分享！ 收获良多。 或许真的非modeling的DS 12/31 02:00
44F：→ deniel367: 最後会不见，一来是因为tool成熟 二来是impact not eas 12/31 02:00
45F：→ deniel367: ily measurable。以这个为出发点的话，似乎做算法才能 12/31 02:00
46F：→ deniel367: 生存下来。那现阶段，SWE或许是不错的选择了。 12/31 02:00
47F：推 iamten: 别閙了 哪个工作不会中年失业 01/02 16:05
48F：→ iamten: 你会失业纯粹是你做的东西不能赚钱 01/02 16:06