数据科学家该选择Startup还是FAANG？

原创：MarTechApe

在技术日新月异的时代，数据科学家和数据分析师应运而生。数据科学家的职责范围非常广泛，从优化Yelp的评分等级，推荐Amazon的产品，到设计Facebook功能，处处可见他们的身影。但是他们究竟是做什么的？数据科学家很难有严格定义上的具体工作范围，但数据科学工作已然成为所有互联网公司成功的重中之重。

完整的职位描述很大程度上取决于公司的类型。你可能会发现从初创公司(Startup)跳槽到中型公司(midsize)或FAANG(Facebook，Amazon，Apple，Netflix，Google)时，你会遇到许多从没做过的新任务。

但是哪种类型的公司最适合你？这个问题的答案取决于不同类型的公司之间的专业差异，工作类型，预期经验，主要工作技能，所有的这些都有助于提高对公司的大局观，并能确切了解某个职位。

初创公司

初创公司是在快速发展的商业世界中，快速开发、创新产品或服务的公司。美国小企业管理局正式将初创公司定义为“通常以技术为导向，并具有高增长潜力的公司”。高增长潜力是指员工，营收或市场的高增长潜力。这类公司通常有两个特点：工作多样化和员工数量少。

1. 工作多样化

在一家初创公司中，数据科学家所有事情都要管。这就需要初创企业的数据科学家拥有大量的专业知识和经验，包括：数据工程，机器学习，数据分析，数据可视化，还有传统上不被认为是“数据科学”领域的工作。

身处初创公司的你可能需要参与市场部会议，或者和工程师紧密合作来部署模型和建立工作流。在初创公司工作的最大好处是：学习并掌握了各种技能。这一点在大型公司中很少见。作为初创公司的数据科学家，你需要自己去探索很多问题的解决方案。这就需要你大量的自学，制定工作进度，拥有主人翁精神，和有独立工作的能力。

2. 员工数量少

由于初创公司的员工少，所以随着公司的成长，获得晋升会容易很多。但是，人数少是把双刃剑。人数较少的小型公司，与大型公司相比，通常资金较少，这意味着平均工资较低。因此，通常的职业发展路线是从大公司开始，获取经验并获得更高的薪水，然后再到初创公司来得到更多样化的工作经验和职业发展。

尽管初创公司的职业阶梯可能更容易攀登，但你的工作时间与生活时间可能并不平衡。初创公司快速的发展会使工作环境不断变化，充满活力。虽然你有可能在几年内成为董事，但建立成功公司所需的技能，需要你花费更多的时间和更多的毅力来磨练。

大型公司（FAANG）

FAANG是五大科技公司的首字母缩写：Facebook, Amazon, Apple, Netflix, and Google。这些科技巨头和初创公司的主要区别包括：效率，流程，工作职责，和职业发展。请大家注意，这里我们只以FAANG的数据科学家为例，但是所描述的职位也代表了其他大型科技公司的数据科学家。

1. 效率

全球的科技巨头有数万名员工，每一名员工都有自己的职责。他们的工作成果被精准的测量，团队成员的职位也有明确的层级。从这种层面来说，工作充满了秩序。任务被准确定义，员工向一位老板汇报，员工的成功被精准的测量。相比于初创公司岗位较大的灵活性，科技巨头的岗位可以被更直接的管理并且易于理解。

2. 流程

在一个有经验并且管理良好的公司，员工从学术界或者之前的工作过渡到这个岗位是无缝衔接的。训练营（Bootcamp）是公司采取的常用手段，用来培养未来员工适应不同部门所必须拥有的技能。

3. 工作职责

一般的工作职责包括分析和创建数据可视化仪表盘。无论是分析公司的整体表现还是衡量某种功能是否成功，数据分析的工作职责都是非常明确的。

4. 职业发展

正如之前所提到的，在大公司职业晋升一般是比较困难的。但是如果只是作为一个独立贡献者（也就是我们通常所说的IC，Individual Contributor）来看，赚钱会比较容易。这个职位一般会对生产、优化产品进行深入研究。与小公司不同，大公司晋升到管理层可能会需要几十年的努力。

例如一个常见的亚马逊员工的职业晋升往往会从商业分析师到商业智能工程师，到数据科学家，再到研究科学家，每一次晋升都会伴随着更高的薪水。每一个职位还会有细分的层级，一般是1-4级。正如前文所描述的公司层级分布，你会有一个非常清晰的职业晋升路线，但是相较于初创公司，对于类似的职位晋升需要经历更多的级别。

中型企业

根据经济合作与发展组织（Organization for Economic Cooperation and Development）的数据来看，虽然各个行业和国家对这一概念的确切定义各不相同，但中型企业一般有50至250名员工。这种类型的公司可以被视为介于初创公司和FAANG公司之间的中间地带。

随着初创公司的快速成长阶段趋于平稳，公司开始感受到市场和竞争对手的压力，中型公司会经历一种恰如其分的“成长的烦恼”。从员工的角度来说，在创业的自由度和FAANG的结构之间实现了一种平衡。从这个意义上说，虽然数据科学家的角色被设计成能够适应不同的需求，但同时也有一组明确的责任要履行。

然而，鱼与熊掌不可兼得。中型公司的数据科学家的平均工资会高于初创公司，但低于FAANG公司。晋升的机会也介于创业公司和FAANG公司之间。即使不能保证成为公司的主要贡献者，但是只要有耐心和毅力，就有可能组建一个团队，为公司带来巨大的价值。

总结

你可能会问，“什么规模的公司最适合我？” 对于这个问题从来没有一个标准答案。一个人理想的公司规模很大程度上取决于个人的目标和优先考虑的事情——是薪水、晋升还是多样化的经历？或者是两者的结合？尽管如此，考虑到全球数据科学革命的持续发展，仍然存在一个更加紧迫的问题：“我如何找到一份数据科学的工作？”

如果你想积累行业经验、数据科学项目经验，收获理想offer，那就千万不要错过MarTechApe的宝藏项目《营销组合建模企业级实战训练营》，一个专门培养优秀数据分析师/数据科学家的企业级别实战项目，拥有企业真实数据（改编）与行业标准流程。项目经历可成为简历上的履历！本周末就要开课啦！

训练营的学员收获了:

真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。