Data Scientist (數據科學家) 和 Quant (數量金融分析師) 之間該如何選擇？

01-04

應用數學PHD，面臨兩個職業方向選擇，分別是矽谷互聯網公司的data scientist和某大銀行的quant，希望有大牛或經驗人士能不能幫忙從兩種職業長遠的發展上提點一下

小菜也想瞎說

首先膜拜樓主大牛，矽谷牆街雙雙向你拋橄欖枝

quant如果廣義來說，收入低點的有risk quant和model validation，在投行裡面算中台，工作和收入都很穩定，但是沒有金融前台的刺激感，在美國新人進去也起碼有8w到10w了吧，博士可能會更高點，而且技術更新的壓力也比較小。再多一點就是前台quant了，一般來說要博士，起薪估計比risk什麼高一點（據說瑞士信貸今年有17w）但是bonus會多很多，好年景100%甚至更多都有可能，編程上更注重C++ VBA快速為trader實現模型。如果你是學數學的，你會發現quant和碼農相比的好處是，你不僅僅是在編程，還要做模型，金融市場的經驗，編程和數學建模能力及三者的結合是你的優勢。再就是其他人提到的hedge fund了，有大有小，如果能進去，15w的年薪是有的，bonus更是沒有上限，或者在銀行做自營交易以及一些mutual fund類的買方也會招這種 P QUANT，主要從事建立交易策略，如果你的策略能賺錢，自然就有很多米入（模型複雜，不代表能賺錢）。

data science現在也很廣，不是所有data science都是Google大神，給你個15w-20w的年薪，我知道的有yale的碩士去了Google只有6w的年薪。數據科學你可以認為大致分為三步，拿到數據，跑模型，分析結果。拿到數據可是個臟活累活，但是也是整個流程占時間比重最多的一個環節，如果你不是負責這個環節或者有馬仔（工資比較低的data scientist）給你做，那麼你就有更多的時間放在模型上，可惜的是，如果數據質量修復好了，跑模型也就是一會功夫的事。然後就到了分析了，多數CS背景的人在互聯網公司能部署好資料庫，懂各種mapreduce啊，用戶數據流啊什麼的，甚至會跑模型，但是也僅僅是跑模型了，對模型的解釋能力完全不如統計學和數學畢業生的，所以現在很多所謂大數據，也真就是大的數據給展示一下。總而言之，data scientist這個職業也像quant一樣，有拿錢多的有拿錢少，有編程多的，有建模多的，只是沒有quant職位分的那麼清晰。

做quant的好處是，你可以進入金融行業（如果你願意的話）。而且你不用在乎今年流行java明年.NET開源了後年可穿戴產品流行了，你需要不斷調整自己這種事。而且工資對比矽谷不是死的，獎金是不可忽略的一部分。嗯。。。接觸的妹子也多一些。

做data scientist的好處是，公司政治更少一點，上班時間比較固定，而且工作壓力小一點，從目前來看，科技行業很火爆，但是金融有點下滑。另外一點就是，data scientist還算是矽谷的主流職位，但是quant在金融裡面絕對是非主流，也就在美國好一點。

工程師文化的矽谷更隨意，金融公司需要西裝革履，二者算不上有點缺點，看你喜歡哪種。

如果技術一流，二者起始收入差不多。長遠看，如果希望以後創業就去矽谷，有從碼農變馬龍的機會。如果不希望承擔創業風險，礦工可以讓你有不錯的生活。

如果技術不是一流，數據分析師的工作機會和層次都比礦工高，是個好的安身之處。

別聽那些大師專家講前景和趨勢。這種時候，要靠鼻子胃口決策。當然是你喜歡哪個行業就去哪個行業。興趣是最關鍵的指南針。

推薦前者，或者去技術諮詢公司，or 研發。

Data Science/Analytics 出身，可以在諮詢行業做些什麼？ - Ruobing Shen 的回答

昨天的回答較為匆忙，考慮不周，抱歉！今天整理下思路，你需要考慮的幾個方面：

1）、關於題主所擔心的背景問題。我覺得既然你能夠通過層層篩選並獲得offer，就足以說明他們對你的背景是認同的。背景代表一種可培養的潛力和職業素養，而不是立馬就在工作中創造價值。如果他們願意錄用你，至少說明你是可培養的，能夠按照他們的要求培養成他們所需要的人才。

2）、關於公司的選擇。我不知道這兩家公司在各自領域內的影響力如何，以及提供的向上空間。這一點應該多了解一些。

3）、關於你自身的職業價值觀。如果你傾向於求穩，就選擇quant；如果你有更大的野心和抱負，就選擇data scientist（當然，此工作對於計算機有一定的要求，還要衡量你在此方面的知識欠缺是否能夠補充）。關於此工作的前景和趨勢，以及商業價值，可參考數據科學家：黑客與數據分析師的完美結合-CSDN.NET

4）、再次強調職業價值觀。你認為什麼樣的工作所帶來的價值是你所認可的。如果說物質滿足，30萬和40萬帶給你的滿足感差距並不是那麼大。當物質得以滿足的時候，你會更在意自我價值的實現：到底哪個職位所帶來的價值是你高度認可的。

5）、你的頂頭上司問題。我不知道你是否對你將來要共事的頂頭上司有過接觸。無論是選公司還是選行業，其實你最終選擇的都是一個能夠合得來的上司。如果第一眼接觸就感覺不對勁，以後工作出現大麻煩的幾率比較大，你有可能得不到重用的機會，甚至被完全架空。

如果quant是比如JP Morgan或者Citadel的quantitative researcher, 不是quant developer，那幾乎可以不用看data scientist了。data scientist這個title覆蓋面太寬，從事research scientist, software engineer, research engineer, data analyst工作的都有可能title是data scientist。普片情況data scientist的薪水不比同級別software engineer高。

最靠譜的還是linkedin上看一下同事是什麼背景，比如quant絕大多數是名校phd，有些是學校tenure track professor跳過去，有一少部分從IT行業跳過去；data scientist大多數是普通學校cs/stats phd，或者名校各種專業phd+bootcamp，或者SDE轉。

quant如果是做交易策略那還值得一試，否則無腦選data scientist

大部分時間DataScientist乾的都是Dirty work，excel，R，spss，hadoop/sql，各種數據處理工具構建模型，不同數據格式的清晰轉換。Quant不清楚，故意也強不到哪去。

看你想要怎樣的生活吧。如果去投行做quant薪水會很高，bonus更是誘人。我有個物理背景出生朋友做quant, 在RBS, JP Morgan 和Deutsche bank 轉來轉去，30歲出頭，pension已經付到頂了，工作時間長，壓力，辦公室政治讓人不開心，下了班就是喝酒。說的好聽點是work hard play hard, 其實麻痹自己。問他既然不開心，為什麼不去找份普通的工作，工作時間正常，反正不愁錢。他說他再也回不去那種normal pay了。

可以考慮去對沖基金做quantitative research。對沖相對於投行工作時間相對正常點，薪水也不會很低。不過對沖基金的壓力跟投行不一樣，做research需要經常做presentation, group discussion..你做不出成果，group discussion中不夠突出，大老闆不喜歡，走人分分鐘，競爭是比較殘酷。很多時候，不是你不夠好，而是你不是最優秀的。對沖基金也很青睞diverse background的人,特別是牛逼的technology公司出來的，比如google, microsoft, netflix，facebook等等。個人覺data science的應用目前在金融公司並不是特別普遍，不過肯定是趨勢，有這些矽谷公司背景的data scientist是很受歡迎的。金融領域半路出家的data scienctist以後炙手可熱。

感覺還是data analyst更好一些，矽谷的生活更舒服社會地位也高。而且現在本來quant的一個趨勢就是大數據data analyst，現在美國的好的quant hedge fund都在招data analyst，實在還想做金融也可以在互聯網公司呆過以後再往這些好的hedge fund跳。

data scientist有更多的可能

家裡有錢就去quant,學會了之後回來我大A股收割散戶

上面很多人也提到了，如果是投行或者對沖基金的買方quant，絕對是選quant，收入高，工作高大上。投行的賣方quant也可以考慮，如果是商業銀行做些預測違約概率之類的quant，那還是data scientist吧。

覺得看個人興趣和職業發展吧：去金融做quant錢途前途更高遠，工作高大上，不愁錢；去互聯網公司做Data Scientist，其實就是高級一點的IT民工。

肯定Q啊，數據科學家太泛了，搞數據要想有用還是要結合專業知識，太泛了得學很多專業知識最後花力氣還學不好。

哪個職場薪金中位數多去哪個！

第一一定是看興趣

如果都差不多，一定選quant吧。金融領域，在有技術的前提下，收入要高些。

其次的話，國內的銀行quant似乎不是很強，我認識都是屬於私募，做的內容為量化交易，高頻交易。悄悄的就把錢賺了

其實，你和數據科學家之間只差一個數說立方

http://cube.datastory.com.cn

我湊個熱鬧，必須挺你選quant啊。

數據科學家貌似垠神做過，看他描述的內容，感覺那個行業沒什麼章法可循，要自己去琢磨啊。如果是工程師，實際工作整天neo，sql，hadoop的鼓搗中間件，很無趣的感覺。這是不是等同於原來的dba？

我不懂啊，小菜瞎說。