最近已经有不少小伙伴通过秋招成功拿到了自己心仪的offer。不过不少已经成为DA或者还没有入行的小伙伴会有这样的疑惑：DA和DS差别大吗？从DA转DS难吗？怎样才能顺利在北美找到一份满意的DS工作？今天我就想结合自身的面试经验和工作经验分享一下我对这些问题的看法。

这两者之间既有工作上的交叉也有许多不同点。对于Data Analyst来说，他们的工作几乎就是在和数据打交道，偏重于将分析和商业运用相结合，他们需要去从数据中找问题和解决问题，最后将分析的结果转化成可行性方案。而Data Scientist呢，core DS最主要的工作就是建模，真正意义上的data scientist都是在用数据为公司创造business价值。他们帮助公司战略层做data-driven business decision-making, 实现产品的用户增长或者对公司的业务进行风险管控。他们既要精通各种模型算法，又需要对公司数据和核心业务非常熟悉。

 

对于一些偏分析的DA来说，日常工作不涉及建模和python甚至连SQL都是用非常简单的query就能搞定，所以已经对model极其不熟悉，并且当你想要跳槽DS时可能还会发现统计的知识点也忘的差不多了。DS岗的难点就在于要求全面。SQL，Python，ML，DL，Stats，Product Case基本上全都要会。所以这个时候，如果下定决心想要转DS的话，首先考虑的不是面试找公司，而是应该更多提升technical方面的skills，比如machine learning, coding的一些技能，尝试在kaggle上多做各种projects会比较有帮助。想要做DS需要学的东西实在是太多了，千万不要打无准备之仗。

在大环境的因素下，data就业最近几年很火爆，求职比往年难度更大，给new grad和国际生的岗位机会变少，竞争更加激烈，面试门槛更高。大部分公司会prefer PhD和看重工作经验。这种情况下，一方面只能不断充实自己的背景和能力，把握有限的面试机会。同时对于没能成功收获DS offer的话，也可以适当放低要求，尝试投一些中小型公司上岸或者考虑从DA、BA等进入data这个行业，再不断探索，等就业市场环境变好再跳槽。

在求职方面要提到的是，在北美找工作投简历很多情况下需要在Linkedin, career fair和各种events找alumni 和recruiter networking拿到refer，这样面试成功的可能性会比较大。

好了，以上就是今天的分享。如果大家觉得有用，欢迎扫码咨询！