🐶家vs.meta data scientist对比

地里eng的对两家公司的对比（或者刻板印象）应该很多了，我作为data scientist 这个相对小众工种，可能可以提供不一样的角度（虽然我也没有follow大家这几年最新opinion是咋样的），毕竟甲之蜜糖，乙之砒霜，对eng好的，不代表也适合ds.

以及求大米看面经！
个人情况：🐶家待过4个组，meta待过两个组。


.google  и1）role definition:(meta 5/5 > google 2/5)


个人觉得Meta ds整体会更standardized一点，组和组/org和org之间的差异主要是在之后会提到的data culture上。和data engineer 有比较明确的分工，比如logging,dashboarding,reporting等分工相对明确。内部有非常centralized的data tools，非常好用（在此真的感谢meta 早期的data leadership 以及meta是有c level的data leads的）


Google相比之下会混乱很多，很多data scientist和eng， 或者prod ops在同一个direct manager下面。几乎没有dedicated data engineer support, 整个logging quality非常差，cost 很高，add/fix things process长的非常可怕. 因为这种non-standard, 导致你的组非常决定你工作的满意度，每个组遇到的unique challenges 都不太一样，但是几乎每个组，都会有很多shitty work... 每个组的data tools, logging database, 甚至experiment tool都不太一样....内部换组有时候像是去了新公司....

这种non standardization 另一个明显坏处就是不公平，比如各个组同level的ds水平参差不齐， promo都是各个team自己说了算。


2）manager/team setup(meta 4/5 > google 2/5)：

个人觉得Google整体的manager水平较弱，variance极大，主要的outlier是少数几个天赋异禀的好manager，大部分毒性极大，且随着过去几年perf --> grad, 加上googlegiest不需要给manager打分，导致没有反制措施，有些比较conscious的manager大概知道自己需要improve management skill但是都不知道怎么提升，因为没人可以给他们这种feedback。

加上google 对l6/l7 manager的要求不是purely people manager, 很多人还会自己做一些ic work，导致他们做manager的bandwidth更有限。但是因为google manager能使用的手段没有那么多（对ds, Meta也是没有pip quota的，不像eng会有red zone）因此很多毒性可能不那么obvious, 我也见过Google manager 本不需要但是强行pip的。很多慢性毒药，比如表面上很nice，其实完全没有vision,也不想着怎么可以帮team找到impactful scope,甚至组员自己找到了还会push back自己人，但是不push back 随便的adhoc request....这种长期其实更可怕。


meta 也不是每个manager都好，但是内部的pulse，和perf review需要给manager写feedback，整个反馈机制非常healthy。不太好的manager被pip或者转成ic概率很大，也有组员自己通过upward feedback直接把manager 弄走的....内部换组都会要看pulse，因此打分太低都没人敢去....


3）data culture/XFN(meta 5/5 > google 2/5):

why it matters? data culture 是否strong主要是决定你工作里推进项目的friction，和pm/eng/uxr collabration model, 包括你communication是不是speak data language,还是要更consciously translate to eng/product language。当然你的组和具体合作的人有没有data mindset还是决定因素。

这个量级的公司里，我觉得Meta应该是top 级别的data culture，比如说data science has a huge say in defining product roadmap & launch decision 。ds也自己Drive data roadmap, weigh in uxr/data engineer roadmap. meta内部data culture 氛围我体感是facebook/messenger > instagram > whatsapp.
google 就一言难尽啦....因为google 整体culture 非常top down, 所以大部分decision感觉不需要data...只有leadership不敢做决定/需要更多info做决定的时候，才会想起ds, 因此ds很多时候是一个support role，但又是一个救火型/背锅型的support role，因此大部分不是一个可以乖乖躺平的辅助角色。


Google同时有很strong 的eng culture, 比如eng和你聊logging的时候会用各种non sensible的codename来代指，而不是translate成user behavior 这种common language.


google的eng是我见过最promo driven的culture，they rarely fix things, hate migrating things, and only optimize for launch. they'd rather launch a new feature that no one uses than fixing an existing logging/feature that is commonly used. because fixing doesn't lead to promo, and only launches does...ownership比和Meta差很多。


而且google eng的launch rate极高，我在meta的product team, launch rate大概只有50%, leadership已经很满意了。Google launch rate感觉有95%, 只要experiment了，就算全neutral，也能launch。


4）work life balance vs rewards:

最重要的部分来了，通过1)2)3) 似乎两家公司高下立判，但是4）其实才是大部分人最care的。

我自己感觉在meta 做top performer更难，但是average performance更manageable。但如果你足够trust你的manager（不会搞小动作和pip，layoff不会拿你送人头），在Google躺肯定更容易。当然这非常team specific。我在Meta一般在perf前和release后都会有和manager alignment大概在哪个rating了以及plan下个half要做a,b,c 可以达到rating d ，根据这个alignment也可以决定之后躺/卷。因此大体上付出和回报比较可控。

Google感觉更难plan，尤其现在几乎是manager一言堂，leadership各怀鬼胎，更加扑朔迷离（取决于老板多想帮你争取，以及老板吵架能力）。有很多卷生卷死，归来仍是si..


我确实知道google有一些（现在是极少数的）组确实可以做到比如每周实际工作量<20 hours (注意，现在多数组强制rto，实际工作量<20 hours ，但是实际show up for work 的时间肯定要大于这个，只有在组里真的不care/老板是傻子好糊弄/你摸鱼技术炉火纯青+内心强大的前提下才可以做到），大部分组都是实打实40小时或者更多。

. Waral dи,
至于meta被诟病的move fast和狼性文化，我的体验是，meta 真的move at least 2x faster; 但是不是意味着you need to work 2x longer.
我自己感觉我在两家公司工作一样长的时间，但是Meta能做成的事情比狗多2倍（也是内部说的one year at facebook, 3 years elsewhere, 真的learning curve陡峭，friction少）狗做一个analysis可以经历的process和potential blockers太多了，1）align on analysis framing 2)怎么找到the right data 3)get data access 4)deal with internal tools to get the data 5) land on the analysis & review, review, review 每一个你想不到的节点，都可能被block住几天到几周到几个月....


因此我在两家公司我都有一段想纯躺着的时间，我的体感是，🐶更好找借口，你可以说自己被a,b,c,d process block住，但是Meta的expectation尤其senior ic你当然要学会自己unblock...但是🐶这年的culture根本不easy，layoff一波一波的，大躺需谨慎，again一定要trust你的manager不搞小动作。
至于两家公司的ds的pay，我觉得对于同level的average performer 不考虑股票的涨跌幅的部分应该差不多？


Meta的初始包更大方, growth trajectory肯定更好，但是内部salary tool 都已经准确reverse engineering推算出和eng/pm refresh比例的差距有时候你就会很窝火，当然你能拿最高rating，3x multiplier除外。Google 不是一个purely formula based的方式, 喜欢压level, 内部grow慢，且玄学。有manager小小的discretionary 但是如果年年给一个人大概率exponentially会build up?  因此感觉long term 的monetary rewards是各凭造化？

我就好奇lz在哪个meta 神仙组，和我的体验完全不一样

匿名用户 发表于 2025-5-12 22:45
我就好奇lz在哪个meta 神仙组，和我的体验完全不一样

怕掉马甲😂 我没有说meta是神仙公司的意思，只是和我在🐶的 experience对比。我其实觉得公司和组都是非常personal的事情，每个人的体验和是否match差别很大。

好奇哪一/些点不一样？我也许可以帮着出谋划策一下

好帖点赞，请问两家ds都是会做modeling/ml solution的吗还是以product ds （analysis)为主呢

好奇你在狗是dsp还是dsr？

想问楼主狗家的DS在近期几次layoff里多吗？看到有人说本身DS就少，好像受layoff的影响小

看着狗的股价，苦笑

狗家组的方差很大，有的product analyst 组完全不support experiment analysis,而是专门回答上层领导的adhoc questions ，找所谓的business insight/direction，有些时候没有什么meaningful next step.

狗家dsr 的活也不好干，要想一些long term project.

如果不想升职，只是想稳定的待着，我觉得狗家还是不错的

好奇你说的meta 一半的实验launch不了，会不会因为很多bottom up的idea 本身就不work，只是大家想上实验试试，万一成功了呢

起猛了，以为是我自己发的帖子，哈哈哈

我觉得🐶家能直接用的data比meta少很多，我在🐶大部分时间都在写pipeline抓log…meta很多数据都现成的很好用，我花在真正analysis上的百分比多了非常多

meta的内部工具确实很好用 狗家就是release太慢了