data science 跟 software engineer的比较

earlgrey 发表于 2016-3-3 11:32
利益相关：工作title即将改为DS

薪水肯定是SDE高

其实我对两方面都很感兴趣， 但是毕竟精力有限， 所以觉得该从收入角度来考虑怎么选择发展方向。。。

earlgrey 发表于 2016-3-3 11:32
利益相关：工作title即将改为DS

薪水肯定是SDE高

但是现在了解到的情况让我感到十分困惑。。

有好些公司为了吸引求职者，就把Data Analyst的职位说成熟Data Scientist，本来就是很接近的东西，职位描述里加些 predictive modeling, ml 算法, hadoop什么的立马就高大上了。。。我感觉只要职位描述里有SAS,SPSS这些学统计的会接触到的软件，八成就是要Data Analyst了（不一定准确）。。如果Python,Java各种NoSQL数据库，ML算法描述比较多的话，才更像是Data Scientist。。所以还是要仔细看职位描述，不是所有的DS职位都真的在招DS。

DS的软实力要求比SDE要高很多，比如要口才好，沟通能力强，善于包装数据。总之我觉得好的DS很难招到，candidate可能某一方面比较强，很难有各方面都厉害的。

rmh2009 发表于 2016-3-4 23:58
有好些公司为了吸引求职者，就把Data Analyst的职位说成熟Data Scientist，本来就是很接近的东西，职位描述 ...

SAS还好，有的行业就是只用SAS，加上本来一些原本叫 statistician的职位，现在也被包装成了DS

不过我看到要求精通 Excel 的就呵呵呵了

补充内容 (2016-3-5 01:45):
软实力方面，有的时候要给VP, SVP级别 present，所以怎么把东西讲明白还是挺讲究的


补充内容 (2016-3-5 01:46):
还有从工作性质本身，不少都是要跟别的组合作的，engineer，PM，七七八八别的职位，怎么和不懂你这个专业的人打交道，愉快合作，也是要琢磨的

真正的data science还是集中于一些比较老牌的公司。在LinkedIn上面搜MSR，IBM，Yahoo这些比较传统老牌的有research team的公司，里面的data scientist的背景要远远高于一些新生的公司。

传统意义上面的data scientist的入门门槛都是牛校PHD或者有牛paper的普通学校的PHD，没有PHD学位的话，最起码也要统计或者CS相关Master+5年从业经验

现在好多的tech firm都有DS，就像上面说的，data analyst或者是consultant都可以叫DS。入门门槛也很低，BS就可以

少数的公司虽然DS的学历要求不高，但是学校背景要求高。比如Quora的DS，如果是本科学历，基本清一色的H fresh grad

要成为真正的DS，还是要靠经验和实力的。而且SDE和DS本身哪个做好了都不容易，哪个做成功了，薪水都不会低。真正的大神可能只是enjoy当SDE和DS这个过程，至于薪水，真的只是他们在做自己喜欢的事情的副产品而已

我们公司的data scientist基本都招fresh PHD 或者做了3，5年data engineer的, 跟F, G, A的SDE工资比还是少了stock部分。
但是其实负责方向不同，主要是一些数据类的东西，用到SQL, PYTHON, R之类的语言比较多。
还要求machine learning什么的。
FB, AMAZON的 data engineer的职位偶尔能看到，好像职位不算多。不是很清楚
.google  и

shijbian 发表于 2016-3-5 02:37
真正的data science还是集中于一些比较老牌的公司。在LinkedIn上面搜MSR，IBM，Yahoo这些比较传统老牌的有r ...

恩，同意。而且有人说打交道什么的，你在公司做SDE, 也都是新人干活，senior，manager 级别的其实也是各种开会分配任务。

pegasusii 发表于 2016-3-3 13:16
Skill set区别挺大的，统计出生的做DS很自然，CS出生的还是SDE优先吧 。

就个人经验来说，DS做到senior ...

求详细说说

个人经验说说“开会”都是在干啥：
entry level基本都在关心这个feature如何实现
sr. level基本关心这个系统如何设计
manager或者lead决定：为什么我们现在要build这个而不是那个，为什么要用这个技术而不是那个，should we build or buy some existing solution
这些决定会在多久的将来看见成效，如果不成会有什么后果，这些后果是否容易纠正
会有什么side effect
如何向上争取资源来做成这件事
团队效率：ie. 关注员工的个人发展和满意程度
保护团队不被外面变动干扰
让自己look better, 关注公司政治局面
etc
可能有漏掉的球补充

and agree.... many data scientists are simply business analysts (who uses t-test for everything and linear regression in case t-test fails).... dare i say, 80% ppl are like this, even in bay area
.. it's worse elsewhere