🐶家vs.meta data scientist对比

🐶很大，整体混乱，average来说确实适合划水躺平混日子，scope小，但凡有个不错的project idea上面一堆L6, L7虎视眈眈要来lead你拿credit，没法拒绝，因为要googley（狗头

匿名用户 发表于 2025-5-13 07:12
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

看组 有的组被一锅端 我的体感是除了因为一些business needs 的那种全组覆灭的 quota是差不多的

微信用户_tos0e 发表于 2025-5-13 09:40
meta的内部工具确实很好用 狗家就是release太慢了

我觉得🐶更大问题是每个pa单独造轮子 导致可以做成一件事情有n个tool，互相不migrate。导致判断 什么时候用哪个就很头疼

meta神仙组

匿名用户 发表于 2025-5-13 08:06
看着狗的股价，苦笑

股价不是我一个function或者几个product能体感出来的.... 毕竟meta两年前股价也才100。。。我其实有点担心🐶内部过度top down的culture没办法真正identify问题然后釜底抽薪像Meta一样翻身

但是对于曾经在两家都做过的人，希望两家股票都蒸蒸日上，再创新高。希望🐶给力一点。

feifei963 发表于 2025-5-13 12:20
meta神仙组

哈哈我自己和同事复盘，感觉我在Meta经历的组应该不算神仙的，但是应该是p60-p75左右，slightly above median

如果有有毒经历也欢迎分享！

我发帖的目的也是ds这种小众工种dp比eng少太多了，导致无论找工作还是找组甚至situated in a team都感觉是自求多福，太多信息不对称。希望大家好的，不好的都多多贡献dp, 这样大家会有更全面的观点。

匿名用户 发表于 2025-5-13 08:49
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adho ...

是的，你说的大部分都很同意。

Meta 一半的实验launch不了我觉得80%的原因是launch bar 很高，success metrics 必须每天都stat sig（🐶一般看整体就行）, novelty effect如果太大也完蛋, 新的feature很多会看retention和pmf, 即使stat sig impact on goal metric但是这些没达标也大概率launch不了。 如果有大的tradeoff，那更是不同的组真的会拼命defend自己的metric

20%的原因确实是bottom up，导致很多比较controversial的，包括tradeoff需要从下之上说服leadership，有的时候leadership 想hold on certain value (比如说你这个feature violate ux principles,即使再大impact也劝不动）就不会approve.  而且meta内部有各种产品非常活跃的feedback group, 从ic3到clevel 都会发帖，即使launch的feature都可能被unlaunch.

狗因为top down 先天拿到了conditional approval，但是purely based on experimental data, 狗的50% experiment也没有达到meta可以launch的bar.....

谷歌的主要问题是ds没办法影响产品方向，没法bring 真正的value。就比方说，strategic analysis，你拿数据说明了哪方面重要，但大佬们早就知道那个方向重要了（even without data analysis）。ds做的就是拿data来back decision，在大佬眼中属于可有可无的。

另一点就是，在谷歌根本没办法quantify ds的impact。就比方说，product/eng team往往需要看到很多份分析才能make一个decision。你怎么说是你的功劳呢？

在谷歌干过的ds估计都有这种感觉吧。

话说回来，ds真不是个好的ladder，学不到啥technical skill，升职加薪还慢。

匿名用户 发表于 2025-5-13 08:59
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 ...

同感，我在🐶家也很多时间都用在看log, debug, fix log，或者process raw log....

我觉得这个最初建data infra的人可能要背锅，狗家的log onboard成本很大，Meta的很多engineer感觉可以create a data table overnight....成本越大eng越不愿意搞，然后如此恶性循环

continuousea 发表于 2025-5-13 05:07
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

我觉得modeling 和product ds 不是非此即彼的，
真是distinct的分类是production modeling/targeting vs non production (using models as a tool to identify patterns, find top importance factors, etc)

如果想做production modeling, market上的共识难道不是去做mle么？为啥要在data science里卷(非反问，纯疑问）