最开始了解数据科学这个领域也是在知乎上，大约是2015年的时候，之后就开始了漫长的转行之路。主要原因倒不是媒体吹捧的工资高酷炫AI什么的，确实有热情和兴趣在里面。所以即使找全职的时候市场行情不太好，有考虑过刷题转SDE或者从BA之类的做起，或者做本专业最对口的quant，但还是坚持找DS。幸运的是一路有很多朋友给了我许多帮助，最后如愿在纽约找到了一份DS的工作。
转行的过程中知乎的帮助也很大，包括从各路大神的文章和答案中取经。我几年来也没有在知乎上输出什么内容，毕竟自己太菜。这次终于有机会“反哺”，和大神聊了聊行业情况，准备把自己求职中的一些心得想法记录一下，提供给考虑转行的同学们作为参考。
这份心得主要适用于在北美读书，希望在北美就业的同学，特别是那些背景不是很match的同学。对口方向的名校PhD（包括CS，stats，OR等）和CS强校的对口master（CS, ML）大神们，no worry，你们依然是“炙手可热”，横扫几个offer不成问题。
- 为什么叫劝退贴
数据科学大热差不多是在2015年左右。在2015到2017年这个阶段市场行情火爆，需求大从业者少，相对来说找到一份DS的工作不是那么难。但是在2018年不再是这样了，对于转行的同学来说，找一份entry level的DS工作非常困难。原因基本可以从供应和需求两部分来分析。
2. Supply is too much？
自从2015年以来Alpha Go大热，各路媒体吹捧，很多同学（包括我）都涌入这个行业。如果大家浏览未来五年，数据科学家（Data Scientist）的岗位需求会如何变化？类似的帖子会发现，DS行业的高端人才还是很稀缺的，但是整体供应量逐年升高。如果你在美国读master，在找DS工作时候面临的竞争有：
- 核心专业的同学（对口PhD和master，比如CMU Ms in ML）
- 其他方向的PhD同学，比如EE（这个还算对口了），生物，材料，化学，甚至policy等文科方向
- 其他专业的master同学，比如EE，OR，stats，数学，各种和data交叉的项目（很多）
第一类同学主申的项目和我们都没有什么关系，比如FB core DS，Airbnb Algo这种，基本不会有回复。问题是第二类和第三类同学加起来基数非常大，大部分没有DS或者quantitative role的工作经验，大家找的都是entry level DS的工作，简历完全淹没在大海之中。
换句话说，如果你手握NIPS/KDD/EMNLP这些会议，拿到面试不成问题（我不止一次面试的时候遇到有NIPS的大神小伙伴）。但是如果你的DS经历不太丰富，只上过几门Python和吴老师的机器学习，想过简历关不太现实。
3. Demand有，不是entry level
Supply的问题还要结合demand。我在秋招之前觉得现在任何公司都需要DS，肯定有大量面试等着我。然而很快我发现问题了： Data Scientist是一个特别需要real industry experience的职业 。你可以在领英上找到很多DS的职位，但是投完大部分石沉大海。因为这些职位基本都是社招岗位，很多都需要至少1年以上的工作经验。基本上那些传统企业比如银行，或者一些中小型的公司，startup，都只想要有经验的人来了直接撸袖子干货，而没有精力培养新人。
那走校招怎么样呢？部分大公司特别是科技公司是有校招的，也就是在“University”这个类别下的Data Science New Grad。这种确实有，数量也不算少，但是和supply相比那就竞争太激烈了。不过如果有一些DS的经历，这部分还是能拿到一些面试的，可能要看refer和背景是否match的情况了。
校招另一个坑就是会有很多OA（online assessment）来做，这部分我做了大概10+ OA，只有两家转化成后续面试，其中一家还是我随便做的，hirevue录像都黑乎乎的，应该是简历match通过的。我猜测大部分公司校招OA都是群发的，导致求职的时候可能每个校招都有OA，但是花时间做完了也石沉大海。好处是可以练习coding和一些ML的知识。
DS的一些职位也会有data challenge，或者叫case study。DS challenge稍微好一点，一般是HR已经对你有兴趣之后让你做，一般大概花上几个小时甚至更多。这部分我的通过率是百分之百。后续经常会follow要求present这个challenge给组里的人，作为面试的一部分。
社招有的时候也会要求做case。总的来说社招海投的成功率很低，如果JD上明确了2+ experience的话基本是没戏的，3+以上的我就直接过滤掉了。关于经验的要求可能要看hiring manager的意思，我也面过一些senior的职位（虽然都挂了）。但是某些大公司就会把校招和社招分开，new grad只看校招。比如某今年准备上市的独角兽，因为好心学姐给了我一个strong referral，所以HR联系了我，但是后来因为hiring manager的硬性要求是master+1 yr exp或者PhD，所以没有进入面试流程。很遗憾，但是fresh master真的很苦逼。。。
除此之外，DS行业还有一个伪需求的问题。说到DS，大家想到的都是什么深度学习，Alpha狗。但是实际上，别说DL，ML对于很多公司来说其实是没有用武之地的。对于一些公司DS, Analytics其实是偏BA，另一些公司是做AB testing的统计分析型，比如我面过某家SF的公司，做的产品是2B的，横向对比slack，他们产品不需要太多ML的功能。对于很多DS职位来说，学那么多ML用不上，还不如多复习一下大一统计课的统计推断呢。
4. 吐槽了这么多，有什么建议？
- 对于不是一心想钻进DS行业大坑的同学：
如果一定要在美国就业，最好找工作的还是SDE（software engineer）。多刷刷题，总能找到，几乎所有公司都需要SDE。
如果还是想做data相关，可以找BA/BI，技术好一点的可以做DA。DA会对SQL要求很高，一般也需要一些python。虽然很多公司对于DS是伪需求，但是他们真的需要DA呀！虽然待遇可能比DS差一点，但是入行之后有了工作经验可以升职转DS。
- 对于DS忠实爱好者：
提早准备，建立好自己的background。如果是year 1抓紧找实习，DS的intern机会相比full time会多一些，因为很多公司都直接走return不怎么对外校招了。做一些有质量的project，这样找人refer的时候言之有物，不要自己没有什么经历就希望对方给refer。最好在某个ML的领域有一定specialization，比如NLP, CV, fraud detection, marketing DS等等，这样会更match一些职位。
至于面试准备就见仁见智，大概就是ML/简历/算法/python/SQL/结合实际问题的case question/偶尔一些数学题。DS还有一个坑就是面试的题库范围太广了，什么都能问。多面试，多积累，后期就有信心了。
