由 dawei 如果一个应届毕业生或跳槽者问我该如何进入数据科学领域，我会告诉你，转行成为一名软件工程师，而不是数据科学家。
可能你会感到奇怪，许多人都渴望成为一名数据科学家，数据科学可能是21世纪最热门的工作，但这却让另一个高薪职业贬值——软件工程师。
如求职者在数据科学和软件工程领域均有经验，我的答案是从事后者。接下来我会告诉你原因。
1. 海量的软件工程职位
与数据科学相比，软件工程领域的岗位需求要多得多。以下是用谷歌搜索“数据科学家”和“软件工程师”岗位得到的两张截图。
搜索结果显示有7616份数据科学职位，而软件工程职位高达538893份。而这仅是美国的就业机会，其他国家的搜索结果也类似。
Glassdoor称数据科学家的收入更多，而未经笔者验证的假设则是：数据科学岗位的平均年龄也更高。
也就是说，如果Open AI100承诺年薪一百万美元，那么我建议您接受这个offer。
2. “数据科学”的含义尚未达成共识
通常，管理层对“数据科学”的含义无法达成共识。也许，在业务限制的情况下，管理者们并没有严格遵循角色框架。这意味着“数据科学家”的职责因公司而异。
虽然软件工程师和数据科学家之间可能存在一个理想的角色范围，但在现实工作情境中也许会超出此框架。对于规模扩展并仍在构建数据基础架构的初创公司而言，尤其如此。
被聘用的候选人最终会致力于公司目前需要解决的问题，而不是专注于对应的岗位“角色”。该领域同事透露，许多数据科学家发现自己像软件工程师一样在编写后端代码，甚至有些 “数据科学家”在用excel处理财务数据。
这与你在Kaggle竞赛中不断成长并形成的期望可差得远。