[北美] Data Scientist vs. Software Engineer

[deniel367 (dann)]

如題所示，我感覺我最近站在一個人生交叉點，是時候做出選擇... 但身邊較少人有相關
經驗，想請教板上前輩們。

前言：
我目前就讀北美類似DS碩士一年級，預計2021春畢業，沒有正職工作經驗，大學背景是統
計。目前拿到兩暑期實習offers，一個是做swe (非FAANG的大廠 return機會高)，另一個
是做ds (小銀行 return機會不高)
(ds在每家公司都有不同定義，但這篇的ds我定義為ds-analytics，主要是做統計推論、
少量的建模；swe的話姑且定義為general的，不細論前後端之類的，還不知道自己會被分
到哪個組。)

問題：
主要是我不確定要接哪個offer，更精確地問題是... 我不確定未來要往哪個方向走。如
果我要往ds走，我應該會接ds offer

DS
pros,
1 工作內容我較熟悉、喜歡
2 和過去所學較相關，準備了很久，不繼續做感覺有點可惜...
3 以長遠來說，DS較容易轉職（？） 下方會有更詳細說明
cons,
1 正職平均而言 薪水還是差了sweㄧ截，除非是在非常data driven的公司像是Airbnb, N
etflix
2 非常難專精的領域，技能樹容易長得很寬但不深，常感覺學得不踏實...往上發展可能
相對不易，且工作成果難量化，需要靠我不喜歡的軟實力...
3 需要跟來自各領域的PhD競爭...

SWE
pros,
1 找工作的話，個人感覺比較好準備 主要靠刷題
2 聽說比起DS需要研究的數學統計，SWE的知識點相較容易掌握，生活可能比較可以平衡
，下班後較多自己的時間
cons,
1 相對不太熟... 而且我統計學了很久，一直覺得放棄有點可惜QQ
2 聽說可能有中年失業問題，再加上我本身不是一個很愛追技術的人，擔心中年後的路不
好走。未來有考慮轉成類似顧問、管理職。感覺DS因為看了比較多商業面的東西會比較容
易轉。

概括而言，我是比較喜歡做DS的工作，喜歡從挖掘數據中得到商業結論這個過程，但心中
一直有個檻過不去，就是總感覺DS的職涯發展需要靠許多軟實力、運氣、業界風口...等
等許多我沒法掌握的因素，讓我感到很不安全，SWE的好處感覺就是可以很專心在一件事
情上。
即使我列下了許多pros & cons，但我還是很難決定，甚至也許這些pros & cons 有講錯
的地方，或是其他我沒考慮到的重要因素，如果有前輩們可以指點迷津，那真是太感謝！



--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 107.77.202.186 (美國)
※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1577499346.A.A88.html
推 yushiung: 刷題找sde 吧
推 sorryla: DS難道就不會中年失業嗎...
也是有可能...但我的意思是就轉顧問類、管理職(e.g. APT data business consultant)
 而言，DS因為相較接觸比較多與人相處、商業營運，可能比較容易在中年時轉換跑道，
萬一DS做不下去...
推 sean2449: SWE
推 yunyun85106: 還是swe吧～
可以請問為什麼嗎～ 期待有從DS轉到SWE的前輩們可以分享，轉換的動機是什麼xD
推 pyCassandra: 摻在一起當Data Engineer (誤
推 oppi: 推 有類似的心路歷程，也蠻好奇大家的看法的
推 aack: 很多強的swe也能做modeling/ML/analytics, 相較之下DS還沒
→ aack: 見過可以把東西做超過prototype的...個人覺得swe skill set
→ aack: 可以大於等於ds也是swe薪水更高的原因
推 aack: 至於軟實力 兩者都需要 跑不掉的
感謝分享 但我有不同看法。我覺得ds analytics有時需要做的事情是需要非常深厚的統
計
底的，像是實驗設計、抽樣、統計推論，不是隨便跑個模型就可以，需要紮實統計理論去
解釋進而做決策。
就我碰過身邊cs的同學其實是缺乏這塊，兩者的skill sets我感覺是有交集，但非完全重
疊。
不過這可以扯到另一個問題是...一般的老闆可能不在意這些統計理論和使用的正確性，
導致有可能ds的價值不被在意QQ
→ ar851060: 想問樓上。那這樣ds有啥價值，都可以被swe取代了
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:18:47
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:20:53
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:23:37
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:26:12
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:28:38
※ 編輯: deniel367 (107.77.204.140 美國), 12/28/2019 22:30:47
推 aack: ds的確需要統計底 但我想說的是厲害的swe這些技能也是有的
→ aack:  我的swe同事就是個stats phd, 也有剛畢業的ds
→ aack:  ms, 但
→ aack: 在業界除了統計與數學
→ aack: 外有hands on的技能才能讓你最大化deliver, 我覺得那才是強
→ aack: 的swe真正的價值 畢竟現實世界過於複雜幾乎任何統計模型的前
→ aack: 提假設都
→ aack: 不成立 你還是得try and error才能去驗證你的model和hypothe
→ aack: sis可不可行
推 oopFoo: 喜歡ds不能再找？還有時間就找吧
推 paperboat: 一個是看你有沒有要唸 PhD, 沒有 phd 的 DS 應該算是 d
→ paperboat: ata engineer
推 bennylin77: 做你喜歡的吧，不喜歡的東西，久了你會更迷失。做sw e
→ bennylin77: ngineer除了刷題，要再進階你說的軟實力或是不斷學習
→ bennylin77: 新東西也是必要的。
推 azzc1031: https://1o24bbs.com/t/topic/7618
→ azzc1031: 上面這篇文章可以參考一下，作者也是ds專業但找不到ds工
→ azzc1031: 作，跳去swe的
推 azzc1031: 我自己也是像你一樣的問題，畢竟做data僧多粥少門檻又
→ azzc1031: 高...
推 azzc1031: https://www.zhihu.com/question/278539797
→ azzc1031: https://zhuanlan.zhihu.com/p/43063866
推 azzc1031: 建議你可以多上「知乎」這個平台，這裡有關ds的資訊非常
→ azzc1031: 豐富，看得超過癮，對於職涯分析也是一針見血，可以參
→ azzc1031: 考一下！
推 agario: 之所以會有swe也能做ds，單純是因為swe薪水較高所以
→ agario: 兩個都會做的人看錢就選了swe
→ agario: 反向選擇的人較少，所以才比較少看到ds的swe技術也很強的
→ agario: 原po可以試著當這個少數人或許能走出自己的一片天
※ 編輯: deniel367 (107.77.204.101 美國), 12/29/2019 06:51:10
推 az120121: 推推