‘ 我喜欢建模，所以想做 data scientist’
‘我对美国的商业运作不太感兴趣，我对建模感兴趣，所以想做 Data Scientist.’
‘Data Scientist 就是建模，调参，ML. Data Analyst 就是做商业分析的，比较浅，用 Excel 和 Tableau 就可以了。’
有了以上的想法，那么很遗憾，你的结果很有可能就是：面试越多挂得越多！
‘学会数理化，走遍天下都不怕’，这是中国的应试教育带给你的认知上的偏差。这也就是为什么每年90%的同学在美国找不到工作的原因，因为他们一遇到实际问题就无从着手，还固执地认为，只要会建模，会调参，那么 DS 职位一定非己莫属！一讲到思维，就是属于文科的，很虚。Think again. 美国是一个商业帝国, companies are not going to hire you to use tools, but rather, to help them solve problems.
一个 DA 职位，只做 A/B test, 就会涉及到非常复杂的 hypothesis 的设计因果推断，复杂度极高，这是一道 Uber A/B Testing 面试真题：
We want to give $5/hr extra to drivers who drive during peak hours, how do you design an A/B test to ensure rigor? 它的复杂度有：
- 你的 hypothesis 设置里是有一个细节考量的，否则全盘皆错。你知道这个细节考量是什么吗？
- 你能否在你的 sample selection 里降低 selection bias?
- 在你的 A/B test 实施过程中，do you know how to roll out the test schedule to ensure rigor?
- 在你的 A/B test KPI 设置里，how do you control for network effect?
DS 相比于码农，找工作难在这里：
DS 难的不是建模，而是确立问题，通过做大量的 EDA 分析，然后才能转化成模型。问对的问题，这个是最难的，首先它需要你有商业背景知识，对行业非常了解，其次你要有独立思考能力，没有一个 checklist，而且有 n 多种正确答案，需要你去 explore. 你自己要有主见的，难就难在这里。But that's not all. 最后，你还要从数据中挖掘出有用的 actionable insights. 只是做一些 descrptive analytics，简单地画画图是远远不够的。
思考是最难的。The quality of your thinking will determine whether you will get an offer or not. 建模，调参，ML 只是工具而已。
千万不要一听到商业，就认为是 business, or entry level. 所有 DA/DS 要解决的问题都是商业问题！建模是简单的，分析和思考是最难的。所以要拿到 Data scientist offer, 需要你有 domain knowledge + product sense + 独立思考 + data analytics.
"没有工作经验，我不知道 DS 需要的 product sense 该如何补起来。“ 如果这也是你的苦恼，join my newsletter 从0到1帮你讲 product sense, 9天讲完。9天后，你就能知道 product sense 到底是什么，平时该如何培养。
我们在 2023 十月北美就业寒冬拿到十万年薪 data scientist offer 面试时的一些细节分享
应届毕业生没有美国工作经验, 或者跳槽转行没有相关工作经验，如何才能拿到 DA/DS offer? 到达终点最快的方法就是，首先你要知道终点在哪里，才能目标明确地去努力，否则所有的努力都是盲目的。我对美国公司的用人标准和技能要求了如指掌， 我帮你概括了 data analyst, data scientist 面试中要的 industry knowledge 是如何通过数据分析来体现的，这样你就可以有的放矢地去准备面试！
