STEM 專案。

OPT 簽證。

高高的收入。

很多朝陽行業搶著要。

每一句都像在向我說明：

要成為一個大資料打工人 。

這次，我們採訪了在大資料崗位上工作了 2-3 年的導師，如果你對這個行業感興趣，想知道：

一定要看下去。

01

做大資料工作的我現在怎麼樣了？

@EJ

哥倫比亞大學DS碩士畢業

目前在北美知名的招聘網際網路公司任職

申請 DS 專案的同學，很多都來自傳統工科和理科，比如物理、化學、數學、統計等專業， DS 相對 CS 來說門檻還是會低一些，這些同學在做好先修課、成績等方面的準備後基本都可以成功轉入。

如果你本科不是學計算機語言或者資料、統計相關的專業，可以到網際網路上找到一些學習的渠道，學習一些基礎的統計和 coding 知識，

如果想要進入比較好的企業做相關工作，那麼透過碩士專案學習的內容在工作中基本都是夠用的。

資料類的工作範圍比較廣，比如資料分析、建模 、調研甚至偏向計算機框架的都有，簡單點可以分為兩類，像偏建模類的就比較“硬核”，對員工的程式設計能力有更高的要求；而像資料分析、產品類的崗位門檻就稍微低一些，更適合一些轉專業、CS 背景不太強的同學。

所以收入其實也和職能掛鉤，如果你選擇後者，自然收入（以及工作內容和強度）會更貼近軟體工程師，對計算機知識的要求也都更深入和廣博，統計、AI、程式設計的基本概念和技能都要掌握；前者尤其在入門階段收入會相對低一到兩個檔次。這兩類工作對員工的能力要求也稍有差別，資料分析、產品類的崗位其實對統計、數學、程式設計方面的能力要求也不是很高，相對應的它會需要員工具有更強的溝通合作能力、Product sense 等等，往後升職也更多的走向 PM（專案管理）等管理崗位。

因此，如果你們在 master 期間就對發展方向有明確的構想，那麼可以在選課上做好功課，某些 DS 專案允許學生選擇 CS下的課程，能一定程度上滿足你們對技術的追求。

還有同學們可能比較關心的資料類崗位的工作強度，這取決於所在專案組的工作內容和公司文化，我們組工作不是很忙、公司文化也沒內卷，整體上強度不大，但相對來說資料類崗位比開發工程師們的工作強度要低一些。

DS 確實是個十分受歡迎的專業，很多同學希望在碩士期間轉向這個方向，甚至會有文科的同學透過參與資料分析專案、補充先修課來進入到一些門檻相對較低的 DS 專案。想申請的同學越來越多，資料類崗位的人才供應也逐漸出現飽和的趨勢，也就導致了公司招聘的門檻越來越高、畢業生們面臨的求職壓力在逐年增大。

對於想要進入這個行業的同學們，我最重要的建議是：不要因為“好就業”“火”而衝動地選擇這個專業，除去就業壓力的問題（如果單純考慮就業 CS 專業需求量更大，或許更容易就業），我覺得資料類的工作還是技術性略強、需要一些興趣才能完成，在決定要投身大資料前，先透過參加一些專案（如競賽）瞭解一下這個專業到底都在做什麼，可能對很多想轉專業的同學來說才是首先要完成的。

最後分享一下我的就讀體驗，哥大的 DS 專案給我的感覺其實挺好的，選擇的自由度比較高、課程內容難易度也適中，一些選修課還有機會接觸到業界的大小牛，含金量我覺得還是不錯的，不過這個專案確實人數比較多，也許是有些同學會介意這一點。

@Lance

哥倫比亞大學 DS 碩士畢業

畢業後先後在頂級投行和資管公司工作

金融公司專注的行業和資料的應用上不是很一致，就我個人來說，現在主要工作內容是投資方面的 data research，例如用一些側面的資料去判斷是否需要投資一個公司。

由於工作中要涉及到很多“奇怪”的資料，通常資料量比較大而且工作也會很複雜，所以

公司會傾向於招收理工科背景例如統計、資料科學、物理、CS 的碩士或者博士。

整體上求職者的資料分析、程式設計的能力要夠強，而金融、商業相關的知識是加分項，

如果實在沒有金融背景，也可以在之後的工作中逐漸積累知識和經驗。

當然也會有一些對資料處理技術要求相對稍低的工作，比如商業分析、傳統 equity/fixed income research，這類工作的求職壓力就會比較大一些，

作為國際生如果想留在美國，可能會面臨更多來自 native 的競爭。

我從哥大 DS 碩士專案畢業，身邊的同學去到

網際網路科技公司的約佔一半，金融公司、諮詢服務類大概各佔兩成

，剩下的就不太具有代表性了。

就我所處的崗位來說，

我覺得專案經驗非常重要（當然技術能力必然也很重要）

，所以應屆本科生或者專案經驗不太多的碩士生可能比較難找到類似的資料分析工作，而且近年來各大院校也在紛紛設立資料分析、資料科學類似的專案，畢業生也越來越多，

所以在我們這一行，應屆求職確實是一個“坎”。

雖然畢業生越來越多，但我覺得大家無需氣餒，就美國市場而言，

其實公司方面對這種型別人才的需求也在不斷增長，供需整體上處於一個雙向動態增長的狀態，只是應屆生面臨的“如何留下、並快速提升專案經驗”的問題，還是比較棘手的。

所以我建議大家從本科開始就要抓緊每一段可以用來補充背景的機會和時間，在拿到學校 offer 後不要放縱自己，可以

儘快的在校內外找到一些專案機會（實習科研之類的），海外高校也會有一些類似 RA 的機會

，比如哥大會定期釋出專案資訊，大家可以踴躍申請參加面試。

還有，作為應屆畢業生，

找工作的時候建議儘量不要把目標定的太“死”

，例如我身邊的同事很多是一開始在諮詢公司的資料分析相關崗位上（例如風險管理）積累經驗，

慢慢才能找到類似的工作的，在求職伊始要儘量拓展面試機會，積極增長經驗，工作幾年後再去選擇更接近理想的職位

，也會是一條比較好的路線。

02

如何申請到這些專案？

如果透過上文，你瞭解到這個行業，並且對它還抱有興趣的話，我們整理了一些棕櫚學員的真實申請案例，看看他們都如何申請到資料科學專案的吧。

@Skye

哥大 DS 碩士專案

本科物理專業畢業後，我不打算搞科研，所以選擇投身資料分析行業。

理科背景對我的申請來說是個重要的加分項，我的本科課程對統計和計算機語言的基礎課程都有所涉獵，因此想達到大部分學校要求的量化背景並不難。

但是畢竟不是相關專業出身，學習的內容會比較淺層，申請 DS 專業我會根據需求補充一些統計的高階課程和計算機的演算法課程。

課程之外，實踐方面也需要補充，可以讓你迅速瞭解這個行業，讓簡歷更加好看，而且它可以幫助你“試錯”。

@Z

賓大 DS 碩士專案

轉專業申請 DS 的人挺多，我也是從一個自然科學類專業轉來的。

首先，最基礎的工作就是了解專案概況，尤其是先修課的要求，比如統計、微積分、線性代數等等基礎課程，然後是補充學術背景，目標在比較偏理工的專案，那麼可以採取科研的方式，也便於找導師寫推薦信。

實踐經歷我覺得 2-3 段比較好，科研經歷 1-2 段，最好比較深入，有成果、發論文當然最好。然後就是三維得夠硬，也不能因為轉專業就放下原來的課程，GRE 和語言成績也得儘量高，如果想申請美國 TOP 30 和英國 G5，那硬體和軟體兩邊都得做的很出色才行。

@Cynthia

哥大生統碩士畢業後，我工作了一段時間後發現，現在人工智慧、資料科學行業中蘊含的機會，所以後來選擇去 NYU 讀 DS 的碩士專案。

申請碩士是一個轉專業最好的時機，你有足夠的時間去找到一個你喜歡的專業並且為之做提升準備。申請大資料相關的專業，首要任務是修完所需的先修課，比如轉 CS、DS、統計相關的專業必不可少的機率論、線性代數、微積分這些先修課，建議不僅要修完，而且成績要好。

DS 專業對同學們的先修課背景要求比較詳細明確，計算機程式設計基礎、統計學等等先修課一定要修完，想拿證書的話 Coursera、edX 之類的大型開放式網路課程平臺就是不錯的選擇，如果不想拿證或者想試水學習，Bilibili 是 yyds。

03

Nyu DS 碩士專案

從上面的案例中可以看到，DS 作為一個新興、熱門、門檻高度適中的專業，吸引了很多想要轉專業的同學的目光。

很多傳統工科、理科的同學希望能更適應目前大資料時代的就業要求，會紛紛選擇轉申相關專業，一是部分先修課他們會在本科接觸到，二是思維方式比較有連續性，這也為他們帶來了很明顯的優勢。

但這並不意味著資料分析、資料科學專業是很容易接受轉專業學生的。@EJ 老師也向我們提到，多數 DS 專案對先修課有明確要求，這是項目錄取時的“硬性”指標。

但文科生就沒有機會了麼？也不盡然。除了可以透過參與競賽、實習、科研補充資料處理能力，透過先修課達到背景要求，文科的同學還可以著重考慮交叉學科專案，比如喬治城大學的 Master of Science in Data Science for Public Policy（DS 和公共政策相結合的專案），可能會比較方便你把大資料技術和本科背景結合起來，申請成功的機率就更大了。

如果你對申請資料類專業感興趣

想了解如何申請、offer案例、專案申請要求

請關注微信公眾號

DS是轉專業者的“天堂”麼？