看了这篇文有些感触 身为在湾区某厂算法组常跟一群Econ PhD DS打交道的人想给些
回应，顺便抛砖引玉。
先回应问题：建议挑长期个人兴趣所在，短期市场热度会过去
还有你是否想长期待在美国，挑选非相关专业未来H1B会有风险
STEM OPT还会多久不知道(如果Trump连任) 绿卡现况也不明朗
至于DS vs SWE,
我知道的DS，无论哪个track都得做dirty work (data)。你得有些心理准备
在越偏算法的组，只要exp + deployment + monitoring infra不够好的地方，DS
跟其他算法专精的人矛盾就越大
我建议无论你选择什么，最好都稍微了解eng的语言。DS最终的目的是帮忙产品
deliver.做做分析推论, reg, 设计实验很少有其他组或上层care. 但若能直接
impact 产品策略，甚至帮助eng加速ship，这是很有价值的
最终公司看得就是你的delivery, 有什么入production, 有什么impact.
好的DS特别会讲故事，并且很懂得产品策略，有非常大的权利影响OKR
。他们对于数据的掌握度很强，也知道什么应该claim. 这点其实我很羡慕
我认为产业的大方向就是强化experimentation相关tooling. 未来非modeling的
DS应该会供过于求。然后ideally alg/modeling ds都要有一定程度的自干能力
未来几年org架构应该会有相当的改变。跟一些DS带班子的聊过，只要有一些
团队内有一定CS基础的大都跟我的观点相近。
SWE技能树很广，New Grad考个LC没什么。或许grok system design可以帮你跳公司
但senior以后的成长还是操之于己。以自修为考量，DS跟SWE都可以花很多时间进修
SWE的纯wlb是有机会差的，这个var可能大于DS.
关于转行，很多东西必须会reset.假如以前没有什么coding经验，你必然得比别人
多花很多时间投入。
关于Soft skill, 无论哪个专业到某个阶段这就是个必修。除非你很有自信在北美
IC track单干。
再关于转行，不建议小瞧management consulting track, 感兴趣就尽早投入
※ 引述《deniel367 (dann)》之铭言：
如题所示，我感觉我最近站在一个人生交叉点，是时候做出选择... 但身边较少人有相关
经验，想请教板上前辈们。
前言：
我目前就读北美类似DS硕士一年级，预计2021春毕业，没有正职工作经验，大学背景是统
计。目前拿到两暑期实习offers，一个是做swe (非FAANG的大厂 return机会高)，另一个
是做ds (小银行 return机会不高)
(ds在每家公司都有不同定义，但这篇的ds我定义为ds-analytics，主要是做统计推论、
少量的建模；swe的话姑且定义为general的，不细论前后端之类的，还不知道自己会被分
到哪个组。)
问题：
主要是我不确定要接哪个offer，更精确地问题是... 我不确定未来要往哪个方向走。如
果我要往ds走，我应该会接ds offer
DS
pros,
1 工作内容我较熟悉、喜欢
2 和过去所学较相关，准备了很久，不继续做感觉有点可惜...
3 以长远来说，DS较容易转职（？） 下方会有更详细说明
cons,
1 正职平均而言 薪水还是差了sweㄧ截，除非是在非常data driven的公司像是Airbnb, N
etflix
2 非常难专精的领域，技能树容易长得很宽但不深，常感觉学得不踏实...往上发展可能
相对不易，且工作成果难量化，需要靠我不喜欢的软实力...
3 需要跟来自各领域的PhD竞争...
SWE
pros,
1 找工作的话，个人感觉比较好准备 主要靠刷题
2 听说比起DS需要研究的数学统计，SWE的知识点相较容易掌握，生活可能比较可以平衡
，下班后较多自己的时间
cons,
1 相对不太熟... 而且我统计学了很久，一直觉得放弃有点可惜QQ
2 听说可能有中年失业问题，再加上我本身不是一个很爱追技术的人，担心中年后的路不
好走。未来有考虑转成类似顾问、管理职。感觉DS因为看了比较多商业面的东西会比较容
易转。
概括而言，我是比较喜欢做DS的工作，喜欢从挖掘数据中得到商业结论这个过程，但心中
一直有个槛过不去，就是总感觉DS的职涯发展需要靠许多软实力、运气、业界风口...等
等许多我没法掌握的因素，让我感到很不安全，SWE的好处感觉就是可以很专心在一件事
情上。
即使我列下了许多pros & cons，但我还是很难决定，甚至也许这些pros & cons 有讲错
的地方，或是其他我没考虑到的重要因素，如果有前辈们可以指点迷津，那真是太感谢！