当了六年的Data Scienist，现在只想摆烂！

国际科技财经移民娱乐民生时事体育

Bendi新闻

9月前

Offer帮官网：offerbang.io

2023年度行业标杆教育集团

Offer帮创始人·小Lin获奖感言

数据科学岗位真的有这么好吗？

是不是只要坐在电脑跟前Code就行？

如果真的这么好，为什么还有人想摆烂？

近几年，随着科技的发展，不少科技相关的行业越来越被大众所熟知，而数据科学这一岗位也被推到了众人面前变成了一大热门岗位。

树大招风，随之而来的就是关于这个行业各种各样的争议。真真假假，好好坏坏，网络上也众说纷纭。其实，产生这些讨论的原因也很简单——时代变了，大厂对数据科学人才的需求也发生了改变。

真实数据科学岗位是怎样的呢？我们来看看数据科学的前辈们是怎么说的吧。也许能从中找到答案。

“做了六年，现在只想摆烂”

Data Scienist

我在传统行业做了六年，由于是传统行业和新的部门，没有“共同语言”的老板和同事会让我有点痛苦。尤其在你老板不是技术背景出身的时候，他们招人就更看这个人简历上的技术点有没有现在市场上的热点了。这种时候就让我很想摆烂。

但其实在传统行业做DS挺有意思。因为你做的东西对于公司来说是全新的，没有好与坏的标准定义，只有接受与不接受。如果被接受了，那你就是Game Changer。

和不同的Stakeholders接触，帮助Business梳理可用Data，理解Business对于产品的预期和要求，最终用最简单的可视化和非技术性语言把模型解释清楚了是很锻炼自己的理解和沟通表达能力的。

我觉得有时候做模型已经不能只看技术原理了。更多的要看我做的这个东西对Business的意义在哪里，以及站在Business的角度想会不会接受模型出来的结果。不过我现在的Commercial Team不需要多复杂的模型和产品。摸摸鱼在欧洲还是很轻松的。

Data Scienist

“数据科学入职：预期VS现实”

之前以为数据科学的工作需要很多数学，但其实并没有。作为Junior知道各种模型的原理和用法就好。工作重点其实是在前期的处理数据，而不是建模，SQL技能很重要。

商业头脑非常重要，也许是因为我的岗位在Business Side，我的大部分时间其实都是在了解行业的术语名词、整个商业流程是怎样、怎么运作的，然后如何可以优化我们的定价、组合、利润等。Technical的东西其实没有想象中那么多。

和同事之间的Interaction比之前想象的要多很多，和别的Team之间经常有会议，和别的组同事也会经常交流，还有面向Senior Management的Presentation, 并不是之前想的只用坐在电脑前Code就好，两耳不闻窗外事。

我和大组里各个Director都进行了一对一交流，他们给我的建议就是Be Proactive，发现问题，提出问题，解决问题。最好可以做一些High Profile Projects以后有晋升机会。毕竟每个公司都只会重用有价值的积极主动的人。

“求职就像相亲”

Data Scienist

在我看来求职就像相亲，我也是通过这种思路成功跳槽到谷歌做DS。就好像别人给你介绍了一个不错的相亲对象，在第一次见面时会互相沟通双方的喜好。同样的，在数据科学里面，首先就要把岗位需求搞明白。走的方向对了，才能走得远，走的有意义。

数据科学岗位的面试通常有以下几个点组成：A/B Test、算法、行为面试、Business Case Questions、机器学习、概率、统计、产品指标、Python、SQL或Pandas。我们是找工作，不是找虐，也不可能每一个都精通。所以要去了解你感兴趣的行业/公司，研究出你需要具备什么技能，公司才对你感兴趣。

前期了解到对方的需求和喜好，想要和对方进一步发展就要看看自己的能力是否能达到了。在这方面，我的方法是刷目标公司的面试题。我当年求职时SQL、统计、Python都很简单，真正让我头疼的是Business Case，后来是通过从易到难刷高频面试题攻克。只有把简单知识点攻克了，才有概率做中等难度的题。相应的，只有拿下了小公司的面试，才有概率拿下大公司的Entry岗，才有可能有工作。

最后就要提升自我来吸引对方的注意了，也就是要学会复盘失败的面试，有助于避免犯同样的错误，提高面试效率。要在错误中分析，找到“为什么”，而答案往往就藏在问题中。

看完上面三个前辈的个人感悟和经验，相信小伙伴们心里也对自己的疑问有了答案。最后，我们也为大家带来近期正在招聘的一些岗位，帮助大家对数据科学这一岗位有进一步的了解。同时，如果小伙伴们看到了心仪的公司也不妨投递简历试试看哦。

公司名称：Tracelink, Inc.

📖公司简介：TraceLink是一家全球软件公司，专门为制药和医疗行业提供数字供应链解决方案。

📌岗位需求：

1️⃣正在攻读统计学、计算机科学、数学或其他相关技术领域学位的高年级本科学生或研究生。
2️⃣对数据工程、分析或数据科学表现出兴趣。
3️⃣执行数据收集和工程、数据分析、算法开发和评估，并通过TraceLink平台向客户提供结果。
4️⃣喜欢在团队环境中工作。

📍办公地点：Wilmington, MA

公司名称：Tesla

📖公司简介：特斯拉（Tesla, Inc.）是一家总部位于美国加利福尼亚州的创新电动汽车和清洁能源公司。成立于2003年，特斯拉由埃隆·马斯克等人共同创立。

📌岗位需求：

1️⃣目前正在攻读计算机科学、数据科学、数据分析或相关领域的学位。
2️⃣使用Jira等项目管理工具和SQL、Python或JavaScript等编程语言的经验。

📍办公地点：Palo Alto, CA

公司名称：Ribbon Communications Operating Company

📖公司简介：Ribbon Communications Operating Company由Sonus Networks和GENBAND在2017年合并而成，是一家全球通讯技术提供商。

📌岗位需求：

1️⃣通过完成软件开发或模型生命周期的所有阶段，将想法转化为数据驱动的解决方案。
2️⃣评估应用程序需求，以利用最新工具探索、评估、推荐和实施分析和机器学习模型。
3️⃣利用客户数据集、开源技术、优化的硬件和Ribbon生态系统构建、演示并可能部署概念实现
4️⃣学习计算机科学、数据科学或相关专业优先。

📍办公地点：Westford, MA

如果你对数据科学还是不太了解，想要了解更多岗位需求和行业内幕，那就快来参加我们的《数据科学·机器学习求职实战营》吧！课上会有一线大佬带你提升专业技能，带你过关斩将，提升简历，提高面试技巧。

《数据科学·机器学习求职实战营》

FLAG、咨询、投行大牛导师团队带你求职数据科学
数据科学 / 机器学习 / 数据分析 / 商业分析等领域

本课程由科技大厂、咨询公司、投行一线数据科学家教研组用心研发，针对数据科学/机器学习/数据分析/商业分析等行业岗位要求，以知识学习和求职为导向，从编程技巧、模型理解、实战项目3部分全方位提升你的数据分析综合能力。