这些年来,LinkedIn上总是能收到类似的站内信,累计下来和不下20个人聊过天。仔细想想,大部分人问的问题都很类似,需求也基本相同(想找工作/实习)。今天想挑几个大家都好奇的问题来说说。 先简单介绍一下我的经历。我学的是经济+统计,本科毕业后就直接工作了。第一份工作是经济咨询 (economic consulting),不同于管理咨询,有非常多的数据分析需求。两年后跳到了F家。刚开始的title是Operations Analyst,后来转title成了Data Scientist。在F家做了将近5年后跳到了N家,title比较奇怪叫Analytics Engineer,但和F家的Data Scientist基本做的是同类型工作。总体来说,我走的主要是Analytics Track外加一些Inference Track(下面会聊不同的Track),比较少做modeling。 好了进入正题吧,罗列一下大家都好奇的问题 + 一些常见的误区吧。 Photo Credit: Franki Chamaki 1. 个人技能 1.1 问题:“Data Scientist / Data Analyst / Business Analyst…到底有什么区别” 数据分析行业的title特别多,让人非常困惑。遇到过new grad说只想看Data Scientist title的工作,不考虑Data Analyst。也遇到过new grad说担心Data Scientist的要求太高,只想关注Data Analyst的工作。然而实际上,数据分析行业对于title并没有统一的定义。举个例子,F家的Data Scientist, Analytics需要的技能基本等同于G家的Product Analyst,也基本等同于N家的Analytics Engineer。如果一个求职者不知道这些,只是一味地去找“Data Scientist” title的职位,那可能会错过很多其实相似的职位。为什么会出现这个情况呢?除了没有统一的定义之外,很多公司为了能吸引更多的求职者,会尽量把title写成Data Scientist —— 科学家听起来多厉害呀。这个方法亲测有效,可以吸引一大波求职者😝 那求职的时候改怎么应对这样的title不统一的情况呢?有3点: 依靠大体上的判断 :从大体上来分,Data...