声明: 以下仅代表个人意见，不代表所在单位或本人以前所在单位的意见
Disclaimer: The following represents only personal opinions and does not represent the opinions of the current or previous affiliated organizations
最近一段时间有一些在美国攻读政治学phd的同学向我咨询在业界找工作的经验。事实上，尽管网上看到的data point似乎没有那么多，已经有相当一部分政治学phd在博士毕业后在业界工作。相较于经济学有着更成熟的业界market，因此信息也会更畅通，政治学这一块似乎稍逊一筹。类似的，其他社会科学，比如社会学、传播学，也有很多phd毕业后进入业界，其中也不乏Dean Eckles这种业界、学术研究通杀的人（我也有几位这样的朋友，他们的研究能力远胜于我）。但尽管如此，好像对于政治学phd直接相关的信息较少，我唯一一次直接听到相关消息，是在2020年政治学方法协会的夏季年会上，有一个单独讲业界工作的panel。
整体来说，经济学相关的消息和资料整理的非常成熟。有很多资料比我总结的更加完善和成熟，我也在阅读中受益良多，见本文最后一个section。对于政治学，许多同学也不知道在哪里能找到相关信息。趁着自己刚刚毕业找工作，在这里也想分享一点自己的经验教训，尽管敝帚自珍，这些经验也许能对想找工作的朋友提供一些帮助。
需要提醒：本人的经验仅仅限于在2020-2022期间，同时也仅限于找互联网企业定量岗位的工作，对于定性一些的工作，比如UX Researcher，或者其他行业的工作，可能并不能直接提供借鉴。
Skills
在因果革命之后，政治学phd的训练已经非常重视因果推断了，同时相当的政治系的培养里会着重研究设计（research design）和一些机器学习技巧。因此，我相信许多政治学phd，哪怕不是纯粹的方法论学者，依然有着足够强的定量技能进行实证研究。对于非实证学者，相信也进行了基础课程的训练。这些训练其实对于许多场合已经足够，只要不是去申请方法研究类的岗位。
在所有技能里，个人认为因果推断的基础依然是最重要的。因为业界常见的场景是：拥有大量的观测数据，但是没有足够外生的干预（intervention, treatment），这样就需要因果推断技能。在我曾经参加过面试中，面试官会直接问他们的现实产品场景，并且询问这里该使用什么样的方法来评估因果效果。比如使用DID的话，那么面试官会进一步追问DID的假设是什么，如何实现。那么，这就需要我们熟悉所有因果推断方法的基础知识，并不是知道怎么在R里头跑就够了，而是要理解并且能够解释清楚背后的逻辑。我建议大家不妨去回顾一下自己系里的quant sequence，看看自己有什么知识依然不清晰的。这里我也附上自己NYU曾经担任助教过的一些资料，仅供参考。
另一块可能是实验设计。业界目前已经大量的采用AB Test来评估产品的效果了。我相信目前大家已经读过大量的政治学中使用RCT的文章，政治学家也实验方法论上做出了大量的贡献。但是在读RCT文章，和实际上在业界做AB Test，依然有一个gap。这里至少涉及两个方面：第一是要从头到尾设计一个实验，包括定义干预，定义结果，定义每一环需要追踪的指标。第二是分析，包括我们要提前计算需要的样本量，最小可识别效果（MDE），如何分析最后的实验数据等。设计和分析永远是互相关联的。比如业界实验很容易出现网络效应，或者溢出效应，那么如何合理的设计实验去规避就非常重要。同理，如果我们在设计上忽略了，那么我们在分析上是否可以补救，如何补救，都是需要注意的。
分析技巧自然涉及最基础的回归方法，在R、python中实践因果推断方法，也涉及一些前沿的机器学习方法，比如random forest, DML, XGB，或者做text analysis之类的。但是这个的需求程度依照岗位而异。
政治学phd，一般都具备这些硬技能，以及在博士生训练中伴随的研究技能和视角，我认为依然是被业界需求的transferrable skill。 当然，合作力这些软技能也是非常，可能更重要的部分。
Interviews
一般的面试一般有技术面、行为面，产品面、coding面，研究面等等不同情况。coding和技术其实是硬skill，在前文其实已经大概提到。研究面试因岗位而已，我听说有些岗位会要求面试者进行一个30分钟的presentation来展示他的学术研究，但我并没有申请研究性非常强的岗位，因此并没有经历此类面试。
行为面试其实要强调是之前提到的非常重要的软技能。此处非常建议做这样一件事情：搜索amazon leadership principle，然后对照着每一条，写出一两个自己身上能够符合这个principle的具体事例。这样能够很快帮助你准备行为面试面临的问题。
而产品面试则涉及许多方面，这里主要考察的是你的分析能力，即对于一个给定的问题，是否能够有效定义这个问题，寻找分析框架和计划，并且知道如何执行这个计划，以及如果出现状况，如何补救这个分析计划。举例来说，我们想测试某个网站上线了一个新的feature的作用，应该怎么测试。那么，我们需要先询问并且定义好，我们关注的这个feature最终想达到的目的是什么，基于此我们应该怎么定义结果指标，同时我们要怎么追踪漏洞里的环节。另外，我们需要给出分析计划，比如我们提出可以做AB test，那么怎么设计，什么是干预，会不会有溢出效应，等等。这个时候，如果我们提前了解这个产品，当然就能更好的去提出分析框架。当然，产品面也会涉及硬技能。
以及，面试中最重要的是沟通，不论是产品、coding，还是其他。因为沟通是体现你思维过程的方法，当你默默思考，不与面试官进行沟通，面试官也不会知道你是卡壳了，还是在思考。同时，沟通也可以迅速帮你排除思维误区，如果想出岔了，如果沟通稳定，那么你能很快发现自己出错了，并且做出调整。
Trade-off
最后，有许多人会问到自己究竟是应该选择学术界还是业界。我觉得这个显然没有统一的答案。但是我这里可以提出一个简单的分析框架，有疑惑的朋友不妨简单做一个trade-off的分析。
- 内容：学术界主要是研究和教书、业界根据岗位不一样
- 时间：业界整体工作时间更确定
- 性质：不同的岗位，决定了工作的性质和组成部分，职业交际的圈子、等等
- 薪资：薪资和工作稳定性的关系
- 自主性：自主性和反馈周期
- 地点：这个比想象中重要。业界工作一般集中在城市圈，但学校分布更广。
对于国际生，还需要考虑身份的问题。
在最近一两年，我见了许多拥有社会科学博士学位在业界工作的人，当然也见过许多坚定选择学术界工作的人。我也见过在两个sector移动的人，这个也是有可能的，他们也一定有自己选择的原因。
就我个人而言，我偏好方法论，尤其是因果推断和实验方法研究和相关的应用。我觉得学术界有很多相关的研究，也有非常强的研究者，可能不差我一个。相较来说，碰到有趣的、有impact的研究问题，似乎更打动我。不论是在学术界还是在业界，我都会去寻求研究这样的问题。
Conclusion
选择工作一定是冷暖自知的事情。我写这一份东西，主要是因为最近有人向我咨询，我也觉得类似的资料，尤其是对于政治学Phd的，有些缺乏，因此觉得写出来似乎有些作用。
Advice from Others
Rose Tan 有很好的一系列posts
Scarlet Chen的posts
Evan Buntrock的这一系列文章当时对我的帮助也很大
同时，我询问了一下ChatGPT，看看它能够提供什么主意。以下是它的回复：
Here are some pieces of advice for a political science PhD student applying for a job in the tech industry:
Highlight transferable skills: Although political science and tech may seem vastly different, there are several transferable skills that are valuable in both fields. For example, skills such as research, problem solving, communication, and data analysis can be applied in both domains. Make sure to emphasize these skills in your resume and cover letter.
Learn about the tech industry: Before applying for a job in the tech industry, it’s important to understand the field and its challenges. Read industry reports and stay up to date with the latest tech news. This will also help you understand what companies are looking for in employees and how you can tailor your application to meet their needs.
Network with people in the tech industry: Networking is crucial in any job search, and the tech industry is no exception. Attend events and conferences, connect with people in the industry on LinkedIn, and reach out to individuals who work in companies you’re interested in.
Showcase relevant projects and experiences: While a political science PhD may not have direct experience in the tech industry, it’s important to showcase any relevant projects or experiences that demonstrate your skills and aptitude. For example, if you have conducted research using data and analyzed trends, highlight these projects on your resume and in your cover letter.
Emphasize your passion for technology: Employers in the tech industry want to see that you’re passionate about technology and its potential to make a positive impact. Explain why you’re interested in working in the tech industry and how your background in political science can contribute to the field.
Be flexible and open-minded: The tech industry is constantly evolving, and companies are often looking for employees who are flexible and open to change. Emphasize your ability to adapt to new situations and take on new challenges.
Highlight technical skills: While a political science PhD may not have extensive technical skills, it’s important to showcase any technical skills you have, such as programming languages, data analysis software, or coding. If you’re lacking in a certain area, consider taking a course or certification to demonstrate your commitment to the field.
Overall, the key to a successful job search in the tech industry as a political science PhD student is to emphasize your transferable skills, network with people in the field, showcase relevant projects and experiences, and highlight your passion for technology.
Reuse
Citation
@online{zhou2023,
author = {Zhou, Junlong},
title = {给政治学phd找业界工作的些许建议},
date = {2023-02-10},
url = {https://www.zhoujunlong.com/chinese/politics-phd-work/},
langid = {en}
}