原文towardsdatascience.com/should-you-join-faang-or-a-startup-as-a-data-scientist-030e3b8a7080?sourcecollection_archive---------2-----------------------#2024-06-20来自 Uber 和 Meta 的工作经验教训一个成长中的公司与一个微型创业公司https://medium.com/twalbaum?sourcepost_page---byline--030e3b8a7080--------------------------------https://towardsdatascience.com/?sourcepost_page---byline--030e3b8a7080-------------------------------- Torsten Walbaum·发表于Towards Data Science ·阅读时间 9 分钟·2024 年 6 月 20 日–https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/93bb262da76bc6052ad31d66345bec10.png作者提供的图像通过 Midjourney 制作你加入什么类型的公司是一个极其重要的决定。即使公司很有声望薪水也很高如果工作环境不适合你最终你也会感到筋疲力尽。很多人加入创业公司或大型科技公司时并没有真正了解在那里工作的实际情况最终往往会感到失望。在这篇文章中我将根据我在从小型 10 人创业公司到 Uber 和 Meta 等大型科技公司工作的经验讲述关键的区别。希望这能帮助你决定自己想要去哪个地方。如果你想快速浏览文章我会在每一部分的结尾添加简短的总结“TL;DR” “太长不看”这是我在 Uber 学到的。因素#1公司有多有声望想象一下你知道的一家科技公司。你可能会想到 Google、Meta、Amazon、Apple 或类似的大公司。根据这些公司的声誉大多数人认为任何在那里工作的人都符合非常高的优秀标准。虽然这不一定正确更多内容见下文这种所谓的“光环效应”能对你有所帮助。一旦你的简历上有了大科技公司“批准印章”之后找工作就会容易得多。许多公司认为“如果那个人足够优秀能在 Google 做数据科学家他们对我们也会足够优秀。我确信 Google 已经做过充分的尽职调查。”从德国来到美国时大多数招聘经理和招聘人员并不认识我曾经工作过的公司。一旦我在 Uber 得到一份工作我便收到了大量的工作邀请包括一些之前曾经拒绝过我的公司。你可能会觉得这不公平但这是当前系统的运作方式在选择工作公司时你应该考虑到这一点。简而言之在职业生涯早期为一家公司工作可以为你打开许多机会的大门。[## 每当 Torsten Walbaum 发布新文章时接收邮件提醒。每当 Torsten Walbaum 发布新文章时接收邮件提醒。通过注册如果你还没有 Medium 账户将会创建一个账户…medium.com](https://medium.com/twalbaum/subscribe?sourcepost_page-----030e3b8a7080--------------------------------)因素 #2你同事的聪明程度如前所述人们常常认为 FAANG 公司只招聘最聪明、最优秀的人。事实上情况并非如此。多年来我学到的一件事是世界上任何地方的人才和技能分布都会遵循正态分布只要它达到一定的规模。虽然分布可能在 X 轴上稍微偏移但仍然是正态分布。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/f1856e84932385837f2df3848e888a50.png图片来源作者许多知名公司最初非常挑剔但随着它们的发展和招聘的增加卓越程度开始回归到平均水平。反直觉的是这意味着一些小型初创公司可能拥有比大科技公司更精英的团队因为它们能够精挑细选每一位新员工。当然你需要在面试过程中亲自评估这些人的能力。简而言之你会在大公司和小公司中找到聪明的人认为大科技公司雇佣的人才水平比初创公司高是一种误解。因素 #3你将赚多少钱你的收入取决于许多因素包括具体公司、你被提供的职位级别、你的谈判能力等。需要记住的主要一点是不仅仅是关于你赚多少还要考虑你的薪酬有多不稳定和流动性如何。这受到薪酬组合工资与股权非流动的私人公司股票与流动的上市公司股票以及公司阶段的影响。你可以从一个高层次来思考早期阶段小型初创公司会提供较低的基础工资并试图通过承诺高额股权回报来弥补。但押注初创公司的股权回报就像在玩轮盘赌。你可能会一夜暴富之后再也不需要工作但你需要非常幸运绝大多数初创公司都会失败极少数能够成为独角兽公司。大科技公司另一方面大型科技公司的薪酬更具可预测性。基本工资较高例如请参阅O’Reilly 2016 数据科学薪资调查而且股权通常是流动的即你可以在股权归属后立即出售并且波动较小。这是一个很大的优势因为在上市前的公司你可能需要等待数年才能使你的股权真正变得有价值。成长阶段成长阶段的公司可以是一个有趣的折衷方案它们成功退出的机会要大得多但你的股权仍然有很大的上升空间。如果你在多年内加入了 2-3 家顶级成长阶段公司很有可能你会至少得到一次稳固的财务结果。这些公司中的薪酬可能非常有竞争力当我从 Meta 转到 Rippling 时我的薪酬实际上增加了。简而言之不要仅仅关注薪水而是选择适合你风险承受能力和流动性需求的薪酬包。因素 #4你愿意承担多少风险我们都希望拥有工作保障。我们可能不会在一份工作中待一辈子但至少我们希望能在离开时自己做出选择。初创公司本质上比大公司更具风险。创始人是否能胜任工作你能否筹集到下一轮融资这些大多数风险都是生死存亡的换句话说你加入的公司阶段越早它在 6 到 12 个月后可能就不再存在的可能性越大。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/4da899f2690dda2a36e248bef0c3546b.png图片来自作者在后期阶段的公司中这些风险中的一些已经被消除或至少减少。作为交换你也在增加另一种风险增加了裁员风险。初创公司只会招聘业务关键岗位因为它们资金紧张。如果你被录用你可以确信他们确实需要另一个数据科学家而且有很多工作是对初创公司的成功至关重要的。然而在大公司中招聘往往控制得不那么严格因此你被聘用的职位可能后来被认为是“非核心”的你可能会成为大规模裁员的一部分。简而言之公司阶段越早你承担的风险就越大。但即使是大公司也不再“安全”请参阅裁员因素 #5你能做的工作初创公司和大公司的工作差异非常大。一般的经验法则是在早期阶段的公司中你的工作范围会更广。例如如果你作为初创公司中的第一个数据职位加入你可能会兼任数据工程师、数据分析师和数据科学家的角色。你需要弄清楚如何构建数据基础设施将数据提供给业务用户定义指标进行实验构建仪表板等。你的工作可能会涉及整个业务范围因此你可能有一天在处理市场营销和销售数据第二天则处理客户支持数据。在大公司你的工作范围会非常明确。例如你可能会把大部分时间花在预测某一组指标上。这里的权衡是广度与深度规模在初创公司你的工作范围很广但由于你需要身兼多职你很难深入研究任何一个具体问题。在大公司你的工作范围较窄但你能在某一领域内培养深厚的专业知识如果这个领域的专业知识需求很大像这样专注于某一领域可以成为一条非常有利可图的道路。此外你做的任何事情都会涉及数百万甚至数十亿的用户。总结如果你想要多样性加入初创公司。如果你想建立深厚的专业知识并产生规模化影响加入大科技公司。成长阶段的公司是一个不错的折中选择。因素 #6你将拥有的学习机会当我在 2018 年加入 UberEats 时并没有接受任何入职培训。相反我被交给了一系列问题并要求尽快开始工作。如果你习惯于以结构化的方式学习例如通过大学的讲座这一切一开始可能会让你感到不适应。你怎么知道该怎么做呢你从哪里开始呢但根据我的经验解决各种具有挑战性的问题是学习公司运作方式、提高硬技能和软技能的最佳途径。例如刚从学校毕业时我的 SQL 技能最基础但在 UberEats 的挑战中我迫使自己在几周内就掌握了它。这种做法的主要缺点是你无法学到很多最佳实践。一个一流的数据基础设施是什么样的最优秀的公司如何设计他们的指标如何在保持严格要求的同时毫不费力地执行成千上万的实验即使你最终想加入一家初创公司看到“优秀”的标准是什么样子依然对你有帮助这样你就知道自己应该朝哪个方向努力。此外大公司通常会提供正式的培训。与初创公司需要自己摸索不同大型科技公司通常会提供赞助的学习和发展机会。总结在初创公司你通过自己解决问题来学习在大公司你通过正式培训和吸收最佳实践来学习。因素 #7你将拥有的职业发展机会我们已经讨论过在寻找新工作时加入知名公司可以提供帮助。那么在公司内部个人成长又如何呢在初创公司你的成长机会直接来源于公司的成长。如果你作为早期的数据员工加入公司并且你和公司都做得很好你很可能会有机会建立并领导一个数据团队。大多数你看到的年轻副总裁和 C 级高管之所以能走到今天都是因为他们通过加入“火箭型”公司加速了自己的职业生涯。然而大公司有一个很大的好处你通常有更广泛的职业选择。想要换一个产品做不用离开公司直接换团队。想要搬到另一个城市或国家也有可能。总结早期阶段的高增长公司提供最大的成长机会如果公司成功的话而大公司则提供灵活性。因素 #8你会有多大压力压力有很多种类型。弄清楚哪些是你能应对的哪些是你无法接受的非常重要。在快速增长的早期阶段公司压力的主要来源是优先级的变化为了生存初创公司需要不断适应。原来的计划没有成功那就尝试别的办法吧。因此你很难计划超过几周的时间。快节奏早期阶段的公司需要快速行动毕竟他们需要在资金耗尽之前展示足够的进展以筹集下一轮融资。广泛的范围如上所述早期阶段的公司里每个人都做很多事情很容易感到力不从心。我们大多数分析领域的人都喜欢做事情做到完美但在初创公司通常没有这个机会。如果现在做到足够好就去做下一个事情吧在大公司压力来自其他因素复杂性大公司伴随着很多复杂性。常常是繁琐的技术栈、许多既定的流程、内部工具等等你需要理解并学会如何利用它们。这可能会让人感到不知所措。政治在大公司有时你会觉得自己花更多的时间和其他团队辩论泳道工作分工而不是实际工作。总结并非所有压力都是一样的。你需要弄清楚你能承受哪种类型的压力并根据这些选择适合的公司。什么时候应该加入大公司而不是初创公司对这个问题没有一刀切的答案。然而我个人认为若有可能在职业生涯初期至少在一家知名的大型科技公司工作一段时间会有所帮助。这样你将能够在简历上增加声望帮助你获得未来的工作机会看到高效运作的大型数据基础设施和分析组织是怎样的获取结构化的入职培训、辅导和发展无论你是想留在大科技公司还是跳入疯狂的初创世界这都会为你提供坚实的基础。最后思考在小型初创公司、成长型公司或 FAANG 科技公司工作并不本质上比其他更好或更差。每个公司阶段都有其优缺点你需要自己决定你看重什么什么样的环境最适合你。欲了解更多关于如何在数据与分析领域扩展职业生涯的实用建议考虑在这里关注我或在LinkedIn上关注我或在Substack上关注我。