既然知道了自己的短板努力提高吧，技术上厉害，情商提高，我觉得为什么就不如老印了呢，看老印的国家，就知道他们只是做表面，没实力的，别以为老美不知道 bplus 发表于 5/18/2019 8:54:54 AM
Data analyst 不是和编程的去比好吧。优秀的analyst 根本不是靠你写code 打动stakeholder 和leadership team, 而是你从data 里drive 什么样的insights. 谁care about 你写code. 我说保持神秘感也就是半开玩笑的意思，没必要反驳。不过在完全不懂技术的stakeholder 和leadership team 面前，会一些编程而又能给出好的business recommendations 自然被认为是大牛，人人喜欢。 xiazheteng 发表于 5/17/2019 7:21:29 PM [url=https://forums.huaren.us/showtopic.aspx?topicid=2418219&postid=80478057#80478057][/url]
+1 以我的工作经验，其实sql，R，哪怕excel用的很好，不少工作都可以胜任有余，pay的也不会太差，最重要的是口语交流表达。 Rinoa_Squall 发表于 5/18/2019 8:45:24 AM [url=https://forums.huaren.us/showtopic.aspx?topicid=2418219&postid=80481237#80481237][/url]
我觉得吧如果不pick up新东西能做的工作越来越少我刚进公司整个部门用sas坚持只用sas的同事现在都消失了。。。35岁还要工作20年呢必须pick up新技能啊好了说完我用来自勉。。。。同样挣扎 ryechan 发表于 5/18/2019 10:18:00 AM
马公和统计的功能不一样。hard core machine learning 还得马公出身的来得快。但是很复杂的传统modeling 找变量还是得统计的人来。所以统计专业的竞争对手就是马工转行 Data Analyst , Machine Learning。或者根本也不用转行，直接 full stack 就行了。当然统计专业的统计肯定比马工强。马工的数学不超过本科水平。但马工强在出的货都可以实战打真军，而不是停留在纸上。为了能出货打真军，马工常常是 full-stack 加 end-to-end。这个哪行都要让马工三分。 tidewater 发表于 5/18/2019 12:53:00 AM catcatcat1 发表于 5/18/2019 2:59:39 AM
所以统计专业的竞争对手就是马工转行 Data Analyst , Machine Learning。或者根本也不用转行，直接 full stack 就行了。当然统计专业的统计肯定比马工强。马工的数学不超过本科水平。但马工强在出的货都可以实战打真军，而不是停留在纸上。为了能出货打真军，马工常常是 full-stack 加 end-to-end。这个哪行都要让马工三分。 tidewater 发表于 5/18/2019 12:53:00 AM
现在很多公司高层被人忽悠都想往data science 方面发展。本来公司很多做reporting 和一般数据分析的人（用Excel 和SQL)都被高层期待转成data scientist，这根本不现实。你招人的时候可没这样要求，这些人根本没有统计和编程背景，工资也不是按data scientist 给的，凭什么啊。我是建模背景出身的我自然知道要把一个不是这个背景的转成data scientist 有多么困难。这些高层技术方面屁都不懂，只听来面试analytics组的VP的人说可以用python 或者 R或者machine learning 做这个那个fancy的东西而且上手不难就傻乎乎地以为很简单什么人都可以干，呵呵Data analyst 不是和编程的去比好吧。优秀的analyst 根本不是靠你写code 打动stakeholder 和leadership team, 而是你从data 里drive 什么样的insights. 谁care about 你写code. 我说保持神秘感也就是半开玩笑的意思，没必要反驳。不过在完全不懂技术的stakeholder 和leadership team 面前，会一些编程而又能给出好的business recommendations 自然被认为是大牛，人人喜欢。 xiazheteng 发表于 5/17/2019 7:21:29 PM [url=https://forums.huaren.us/showtopic.aspx?topicid=2418219&postid=80478057#80478057][/url]☆ 发自 iPhone 华人一网 1.14.04 CoolTeeth 发表于 5/18/2019 10:02:32 AM
看lz描述是在湾区那应该很容易换个其他公司的data analyst不大用编程只写sql的job啊像FB这种DS analytics的也是只用写sql～ 更别提乌央乌央DA的position了跳个槽就好 面试时候问问组里都用啥就心里有数了 要做最坚强的泡沫 发表于 5/18/2019 10:55:10 AM
现在很多公司高层被人忽悠都想往data science 方面发展。本来公司很多做reporting 和一般数据分析的人（用Excel 和SQL)都被高层期待转成data scientist，这根本不现实。你招人的时候可没这样要求，这些人根本没有统计和编程背景，工资也不是按data scientist 给的，凭什么啊。我是建模背景出身的我自然知道要把一个不是这个背景的转成data scientist 有多么困难。这些高层技术方面屁都不懂，只听来面试analytics组的VP的人说可以用python 或者 R或者machine learning 做这个那个fancy的东西而且上手不难就傻乎乎地以为很简单什么人都可以干，呵呵Data analyst 不是和编程的去比好吧。优秀的analyst 根本不是靠你写code 打动stakeholder 和leadership team, 而是你从data 里drive 什么样的insights. 谁care about 你写code. 我说保持神秘感也就是半开玩笑的意思，没必要反驳。不过在完全不懂技术的stakeholder 和leadership team 面前，会一些编程而又能给出好的business recommendations 自然被认为是大牛，人人喜欢。 xiazheteng 发表于 5/17/2019 7:21:29 PM [/url]☆ 发自 iPhone 华人一网 1.14.04 CoolTeeth 发表于 5/18/2019 10:02:32 AM
Data analyst 不是和编程的去比好吧。优秀的analyst 根本不是靠你写code 打动stakeholder 和leadership team, 而是你从data 里drive 什么样的insights. 谁care about 你写code. 我说保持神秘感也就是半开玩笑的意思，没必要反驳。不过在完全不懂技术的stakeholder 和leadership team 面前，会一些编程而又能给出好的business recommendations 自然被认为是大牛，人人喜欢。 xiazheteng 发表于 5/17/2019 7:21:29 PM [/url]
马工和统计确实不一样，不管是 hardcore machine learning 还是 softcore machine learning 还是 data driven software development。我觉得最大的差别是马工是 end-to-end。马工如果觉得是缺数据或者数据不够干净，马工可以不搞 model，直接改 data pipeline 把数据给搜集进来。end-to-end。统计做完数据后一张漂亮图表，各种说辞。马工一言不发，直接把 model 装进 classifier 或者 predictor 一键 deploy。Deploy 完毕后，跑一遍马工自己建的 metrics data analytics 系统，直接看到 improvement。end-to-end。而且马工的 end-to-end 的 in-team resident data analyst & data scientist，直接把党支部建在连队。一来熟悉 domain specific knowledge (full stack)，二来 iterate 得也快。可以从最简单最傻比的 model 为起点，不断 iterate 就是了。或者说虽然统计赢在 model 本身，但马工 full stack 兼职 data scientist 赢在系统，end-to-end。我觉得纯统计估计更多是 Corporate Level 给 E-Staff 做数据那种。 tidewater 发表于 5/18/2019 12:38:00 PM
别的行业我不懂，医药界，machine learning 投了很多钱，但是出来的东西不好解释。目前为止对临床有用的信息还是来自传统生物统计的传统modeling 。很多machine learning 的部门在渐渐被上司要求justify 投给他们的钱。当然以后怎样我也不知道。：）马工和统计确实不一样，不管是 hardcore machine learning 还是 softcore machine learning 还是 data driven software development。我觉得最大的差别是马工是 end-to-end。马工如果觉得是缺数据或者数据不够干净，马工可以不搞 model，直接改 data pipeline 把数据给搜集进来。end-to-end。统计做完数据后一张漂亮图表，各种说辞。马工一言不发，直接把 model 装进 classifier 或者 predictor 一键 deploy。Deploy 完毕后，跑一遍马工自己建的 metrics data analytics 系统，直接看到 improvement。end-to-end。而且马工的 end-to-end 的 in-team resident data analyst & data scientist，直接把党支部建在连队。一来熟悉 domain specific knowledge (full stack)，二来 iterate 得也快。可以从最简单最傻比的 model 为起点，不断 iterate 就是了。或者说虽然统计赢在 model 本身，但马工 full stack 兼职 data scientist 赢在系统，end-to-end。我觉得纯统计估计更多是 Corporate Level 给 E-Staff 做数据那种。 tidewater 发表于 5/18/2019 12:38:00 PM catcatcat1 发表于 5/18/2019 1:30:39 PM
前面说了 Machine Learning 本质上是为马工算法定制的玩意儿。 ～～～ 医药界用得好还是不好，也不能让马工界背锅不是 ～～～打个比方就是马工界最近流行用炒菜锅炒算法 ～～～ 但其他行业把马工界的流行元素炒菜锅，拿去当闷烧锅使，然后说焖出来的效果不是太好 ～～～ 其实我觉得按这个思路，当高压锅用也没啥 ～～～ tidewater 发表于 5/18/2019 1:57:00 PM
别的行业我不懂，医药界，machine learning 投了很多钱，但是出来的东西不好解释。目前为止对临床有用的信息还是来自传统生物统计的传统modeling 。很多machine learning 的部门在渐渐被上司要求justify 投给他们的钱。当然以后怎样我也不知道。：） catcatcat1 发表于 5/18/2019 1:30:39 PM
别的行业我不懂，医药界，machine learning 投了很多钱，但是出来的东西不好解释。目前为止对临床有用的信息还是来自传统生物统计的传统modeling 。很多machine learning 的部门在渐渐被上司要求justify 投给他们的钱。当然以后怎样我也不知道。：） catcatcat1 发表于 5/18/2019 1:30:39 PM IBM Watson 的钱都浪费了 timeflies2015 发表于 5/18/2019 2:15:19 PM
IBM Watson 的钱都浪费了 timeflies2015 发表于 5/18/2019 2:15:19 PM
市场已经意识到，这些非CS出身的所谓data scientist，是不会写production level code，他们只会用library，调参数大公司倒是没问题，他们做analytics就可以，这些本来就是marketing / analytics组的东西小公司的话，他们恐怕难以生存至于那些偏research的DS，没个名校的CS/STAT PhD，大部分人也高攀不上 wfmlover 发表于 5/18/2019 1:50:00 PM
医药界问题是data不够，就那么几个病人，没大量的数据去train，machine也learn不了什么前面说了 Machine Learning 本质上是为马工算法定制的玩意儿。 ～～～ 医药界用得好还是不好，也不能让马工界背锅不是 ～～～打个比方就是马工界最近流行用炒菜锅炒算法 ～～～ 但其他行业把马工界的流行元素炒菜锅，拿去当闷烧锅使，然后说焖出来的效果不是太好 ～～～ 其实我觉得按这个思路，当高压锅用也没啥 ～～～ tidewater 发表于 5/18/2019 1:57:00 PM 凯凯 发表于 5/18/2019 3:10:17 PM
end to end即使是cs科班出来的，也都是进了公司再学的。你要是把个ds丢到码农的位置干半年，production level的code也写出来了。问题是大部分ds或者da目标是当manager，压根不需要写production level code。当然做tech lead是另一回事了市场已经意识到，这些非CS出身的所谓data scientist，是不会写production level code，他们只会用library，调参数大公司倒是没问题，他们做analytics就可以，这些本来就是marketing / analytics组的东西小公司的话，他们恐怕难以生存至于那些偏research的DS，没个名校的CS/STAT PhD，大部分人也高攀不上 wfmlover 发表于 5/18/2019 1:50:00 PM lazycat12345 发表于 5/18/2019 3:12:27 PM
DA 和 DS 是 tech ladder 而不是马内机 ladder 我想。码 code team 的马内机好像不是 DS 出身的吧。 tidewater 发表于 5/18/2019 3:18:00 PM
end to end即使是cs科班出来的，也都是进了公司再学的。你要是把个ds丢到码农的位置干半年，production level的code也写出来了。问题是大部分ds或者da目标是当manager，压根不需要写production level code。当然做tech lead是另一回事了 lazycat12345 发表于 5/18/2019 3:12:27 PM
马工和统计确实不一样，不管是 hardcore machine learning 还是 softcore machine learning 还是 data driven software development。我觉得最大的差别是马工是 end-to-end。马工如果觉得是缺数据或者数据不够干净，马工可以不搞 model，直接改 data pipeline 把数据给搜集进来。end-to-end。统计做完数据后一张漂亮图表，各种说辞。马工一言不发，直接把 model 装进 classifier 或者 predictor 一键 deploy。Deploy 完毕后，跑一遍马工自己建的 metrics data analytics 系统，直接看到 improvement。end-to-end。而且马工的 end-to-end 的 in-team resident data analyst & data scientist，直接把党支部建在连队。一来熟悉 domain specific knowledge (full stack)，二来 iterate 得也快。可以从最简单最傻比的 model 为起点，不断 iterate 就是了。或者说虽然统计赢在 model 本身，但马工 full stack 兼职 data scientist 赢在系统，end-to-end。我觉得纯统计估计更多是 Corporate Level 给 E-Staff 做数据那种。 tidewater 发表于 5/18/2019 12:38:10 PM
马工和统计确实不一样，不管是 hardcore machine learning 还是 softcore machine learning 还是 data driven software development。我觉得最大的差别是马工是 end-to-end。马工如果觉得是缺数据或者数据不够干净，马工可以不搞 model，直接改 data pipeline 把数据给搜集进来。end-to-end。统计做完数据后一张漂亮图表，各种说辞。马工一言不发，直接把 model 装进 classifier 或者 predictor 一键 deploy。Deploy 完毕后，跑一遍马工自己建的 metrics data analytics 系统，直接看到 improvement。end-to-end。而且马工的 end-to-end 的 in-team resident data analyst & data scientist，直接把党支部建在连队。一来熟悉 domain specific knowledge (full stack)，二来 iterate 得也快。可以从最简单最傻比的 model 为起点，不断 iterate 就是了。或者说虽然统计赢在 model 本身，但马工 full stack 兼职 data scientist 赢在系统，end-to-end。我觉得纯统计估计更多是 Corporate Level 给 E-Staff 做数据那种。 tidewater 发表于 5/18/2019 12:38:10 PM 你说的这些都是可以学的，我自己是统计出身的但是我们都是自己做分析写code做deployment，除了ETL不需要我们自己搭 熊熊ABC 发表于 5/18/2019 3:35:18 PM
是不一样的部门，但为什么一定要全民转码呢？DA 和 DS 是 tech ladder 而不是马内机 ladder 我想。码 code team 的马内机好像不是 DS 出身的吧。 tidewater 发表于 5/18/2019 3:18:00 PM lazycat12345 发表于 5/18/2019 3:24:54 PM
我觉得不是全民转马，而是因为自动化工具发展，全民 full stack 兼职 softcore DS。楼主的例子就 DA 兼职 softcore DS。反正工具发达了，python 一键 linear regression 就完事了，不需要复杂坑爹编程了。当然 hardcore DS 建模肯定不行。但老实说 99.99% 的部门一键 linear regression 就足够了。DA 来 full stack 兼职的，domain knowledge 还好一点。感觉将来的趋势就是大部分部门都需要 data，但其实并不那么需要真正 hardcore 的 DS。所以 full stack 比如 DA 兼职 DS，马工兼职 DS，会计兼职 DS，护士兼职 DS，当然都是 softcore DS 那种 python 一键 linear regression 就出货了呀呀呀 ～～～ tidewater 发表于 5/18/2019 5:11:56 PM
accounting/finance 部门的system analyst. 只用写sql。pay也差不多11-13w吧 LycheeCooler 发表于 5/17/2019 21:20:00
楼主我特别想和你对换一下。 LovlyBone 发表于 5/17/2019 5:52:50 PM
回复 11楼Yoku的帖子不喜欢编程就是太懒么。。。 goodmajia 发表于 5/17/2019 5:52:32 PM
感兴趣。需要什么背景请问 didyouhear 发表于 5/18/2019 9:16:17 PM
是不一样的部门，但为什么一定要全民转码呢？DA 和 DS 是 tech ladder 而不是马内机 ladder 我想。码 code team 的马内机好像不是 DS 出身的吧。 tidewater 发表于 5/18/2019 3:18:00 PM lazycat12345 发表于 5/18/2019 3:24:54 PM 我觉得不是全民转马，而是因为自动化工具发展，全民 full stack 兼职 softcore DS。楼主的例子就 DA 兼职 softcore DS。反正工具发达了，python 一键 linear regression 就完事了，不需要复杂坑爹编程了。当然 hardcore DS 建模肯定不行。但老实说 99.99% 的部门一键 linear regression 就足够了。DA 来 full stack 兼职的，domain knowledge 还好一点。感觉将来的趋势就是大部分部门都需要 data，但其实并不那么需要真正 hardcore 的 DS。所以 full stack 比如 DA 兼职 DS，马工兼职 DS，会计兼职 DS，护士兼职 DS，当然都是 softcore DS 那种 python 一键 linear regression 就出货了呀呀呀 ～～～ tidewater 发表于 5/18/2019 5:11:56 PM
是不一样的部门，但为什么一定要全民转码呢？DA 和 DS 是 tech ladder 而不是马内机 ladder 我想。码 code team 的马内机好像不是 DS 出身的吧。 tidewater 发表于 5/18/2019 3:18:00 PM lazycat12345 发表于 5/18/2019 3:24:54 PM 我觉得不是全民转马，而是因为自动化工具发展，全民 full stack 兼职 softcore DS。楼主的例子就 DA 兼职 softcore DS。反正工具发达了，python 一键 linear regression 就完事了，不需要复杂坑爹编程了。当然 hardcore DS 建模肯定不行。但老实说 99.99% 的部门一键 linear regression 就足够了。DA 来 full stack 兼职的，domain knowledge 还好一点。感觉将来的趋势就是大部分部门都需要 data，但其实并不那么需要真正 hardcore 的 DS。所以 full stack 比如 DA 兼职 DS，马工兼职 DS，会计兼职 DS，护士兼职 DS，当然都是 softcore DS 那种 python 一键 linear regression 就出货了呀呀呀 ～～～ tidewater 发表于 5/18/2019 5:11:56 PM citizen data scientist，好像叫 ostrakon 发表于 5/18/2019 10:56:07 PM
是 citizen data scientist，我觉得是趋势。 tidewater 发表于 5/18/2019 11:17:02 PM
是 citizen data scientist，我觉得是趋势。 tidewater 发表于 5/18/2019 11:17:02 PM 我现在除了做model，编程序，还要学javascript，怎么觉得js那么麻烦啊，比backend繁琐很多很多 Orangetabby 发表于 5/18/2019 11:44:46 PM
我其实有机会也想学 js 做 front end，真正成为 full stack！！！不过还是得把重要的活先干完。而且 front-end 小年轻太多了也不一定轮得到我。 tidewater 发表于 5/18/2019 11:49:21 PM
老印并不是都是只靠表面功夫，有认真干活的也有净靠一张嘴的。但是这边的老印有一样特质是老中不具备的，那就是千方百计不计代价地往上爬，从下到上都非常aggressive。据我的印度同事说，码工和manager回去相亲，能相到的妹子是绝对不一样的。你要说这是势利也行，但是这种势利就是原动力啊。很多老中纯靠技术安静地干活也能赚钱，即便有那个往上爬的能力也懒得操那份心。
☆ 发自 iPhone 华人一网 1.14.04
☆ 发自 iPhone 华人一网 1.14.04
我刚进公司整个部门用sas
坚持只用sas的同事现在都消失了。。。
35岁还要工作20年呢必须pick up新技能啊
好了说完我用来自勉。。。。同样挣扎
那应该很容易换个其他公司的data analyst不大用编程只写sql的job啊
像FB这种DS analytics的也是只用写sql～ 更别提乌央乌央DA的position了
跳个槽就好 面试时候问问组里都用啥就心里有数了
马工和统计确实不一样，不管是 hardcore machine learning 还是 softcore machine learning 还是 data driven software development。
我觉得最大的差别是马工是 end-to-end。
马工如果觉得是缺数据或者数据不够干净，马工可以不搞 model，直接改 data pipeline 把数据给搜集进来。end-to-end。
统计做完数据后一张漂亮图表，各种说辞。马工一言不发，直接把 model 装进 classifier 或者 predictor 一键 deploy。Deploy 完毕后，跑一遍马工自己建的 metrics data analytics 系统，直接看到 improvement。end-to-end。
而且马工的 end-to-end 的 in-team resident data analyst & data scientist，直接把党支部建在连队。一来熟悉 domain specific knowledge (full stack)，二来 iterate 得也快。可以从最简单最傻比的 model 为起点，不断 iterate 就是了。
或者说虽然统计赢在 model 本身，但马工 full stack 兼职 data scientist 赢在系统，end-to-end。
我觉得纯统计估计更多是 Corporate Level 给 E-Staff 做数据那种。
现代工具链降低了技术门槛。而且看起来这属于华尔街忽悠，也不是马工真的做 machine learning。怕什么怕，难到不就是忽悠的时候多了个彩色塑料玩具？
现在 SQL 也发展了其实。现在的 SQL 都是 JSON capable，有些 dialect 甚至可以一键 linear regression ～～～ 也不要 diss SQL
其实没有真的高要求。而且这些都不是真的 Machine Learning。Machine Learning 这个词是给马工的，定义如下：
[url=https://en.m.wikipedia.org/wiki/Machine_learning]https://en.m.wikipedia.org/wiki/Machine_learning
Machine learning (ML) is the scientific studyof algorithms and statistical models that computer systems use to effectively perform a specific task without using explicit instructions, relying on patterns and inference instead.
也就是说，用 linear regression 不一定是 machine learning。而很多 solver，如果优化目标不是不是一个纯粹数学目标，而是 fit over a data set，其实也算是 softcore machine learning 了。
大公司倒是没问题，他们做analytics就可以，这些本来就是marketing / analytics组的东西
小公司的话，他们恐怕难以生存
至于那些偏research的DS，没个名校的CS/STAT PhD，大部分人也高攀不上
前面说了 Machine Learning 本质上是为马工算法定制的玩意儿。 ～～～ 医药界用得好还是不好，也不能让马工界背锅不是 ～～～
打个比方就是马工界最近流行用炒菜锅炒算法 ～～～ 但其他行业把马工界的流行元素炒菜锅，拿去当闷烧锅使，然后说焖出来的效果不是太好 ～～～ 其实我觉得按这个思路，当高压锅用也没啥 ～～～
IBM Watson 的钱都浪费了
IBM Watson 只能回答 Jeopardy! 这种 trivial 问题吧
这个东西，
现在四大会计正拿着到处骗钱呢。
问题是大部分ds或者da目标是当manager，压根不需要写production level code。当然做tech lead是另一回事了
如果是算法而言，data 少的话，hardcore 直接上 fe atureless neural network 不能做，但 softcore 很多办法，结合 feature engineering，结合人工处理过的 representative data set，或者用 synthetic data set，还是有很多办法尝试的。
DA 和 DS 是 tech ladder 而不是马内机 ladder 我想。码 code team 的马内机好像不是 DS 出身的吧。
DS也有分很多种的，有做dashboard有做inference的有做算法的，我自己面了好几个公司如果跟machine Learning相关都要写production code的，每次都要白板写code问complexity，公司期望是相当于SDE1的水平，我觉得做analytic track的就不要硬挤着去做algorithm的就好了，反过来做algorithm的也不一定有做analytics的business sense强，各有长处，公司招人的时候定位没定好
你说的这些都是可以学的，我自己是统计出身的但是我们都是自己做分析写code做deployment，除了ETL不需要我们自己搭
可能最大的差别是马工是为了算法做数据，DS 是为了 business 做数据？可能也不是 end-to-end 的差别。
实际上马工用的 data model 很少，很多复杂模型赛不进算法。纯 research 性质的另说。
Neutral Network machine learning 有专职的 DS 另说。
不过马工说的 end 不是指 data warehouse，而是指实际 application，比如 communication packet 里的 payload
没有说要全民转马。不过我觉得随着工具和自动化的发展，除了个别专业性特别强的部门，大部分的方向应该是 full stack。也就是会更多发生会计兼职自己部门 DA/DS 的情况。
我觉得不是全民转马，而是因为自动化工具发展，全民 full stack 兼职 softcore DS。
楼主的例子就 DA 兼职 softcore DS。反正工具发达了，python 一键 linear regression 就完事了，不需要复杂坑爹编程了。
当然 hardcore DS 建模肯定不行。但老实说 99.99% 的部门一键 linear regression 就足够了。DA 来 full stack 兼职的，domain knowledge 还好一点。
感觉将来的趋势就是大部分部门都需要 data，但其实并不那么需要真正 hardcore 的 DS。所以 full stack 比如 DA 兼职 DS，马工兼职 DS，会计兼职 DS，护士兼职 DS，当然都是 softcore DS 那种 python 一键 linear regression 就出货了呀呀呀 ～～～
你懂得好多！
Re 真是入错行了 ---发自Huaren 官方 iOS APP
是才35岁就想混日子,不想学新东西就是懒.
大妈我比你大2岁,感觉想学的东西都学不完,每天特别有干劲.
我朋友以前就是做这个的，115k的样子。在英国一家投行，好像是出了新的accounting policy以后需要修改一大堆report，马工写好了给她检查一下，看报告是不是符合policy。
细心，能看懂会计何种准则还有corp policy就行，因为有的真的是几百页pdf。
citizen data scientist，好像叫
是 citizen data scientist，我觉得是趋势。
我现在除了做model，编程序，还要学javascript，怎么觉得js那么麻烦啊，比backend繁琐很多很多
我其实有机会也想学 js 做 front end，真正成为 full stack！！！
不过还是得把重要的活先干完。而且 front-end 小年轻太多了也不一定轮得到我。
re+
要学的太多了 呜呜呜