DS 岗位的招聘量远大于 Quant，从绝对数量上看更容易找到工作。但 DS 岗位的质量差异很大（从 £28k 的初级 DA 到 £100k+ 的高级 DS），需要主动筛选高质量岗位。Quant 岗位薪资更高，但招聘名额极少，竞争极为激烈。如果你的目标是"尽快找到一份体面的工作"，DS 是更稳妥的选择；如果你愿意花 6 个月备考并接受较低的成功率，Quant 的回报更高。
三条路径的本质区别
在开始对比之前，我们需要明确一个重要前提：DS、Quant 和 SWE 并不是完全独立的职业路径，它们之间存在大量的重叠和交叉。很多顶级公司的 ML Engineer 岗位既需要 DS 的建模能力，也需要 SWE 的工程能力；Quant Research 岗位既需要数学/统计背景，也需要 Python 编程能力。
Data Science（数据科学） 核心是用统计和机器学习方法从数据中提取洞察，解决业务问题。工作场景多样，从金融科技的欺诈检测到科技公司的推荐系统，从咨询公司的数据分析到医疗机构的预测模型。
Quantitative Finance（量化金融） 核心是用数学模型和算法进行金融市场分析和交易。工作场景集中在金融行业（做市商、对冲基金、投资银行），对数学能力要求极高，薪酬是三条路径中最高的。
Software Engineering（软件工程） 核心是构建和维护软件系统。工作场景最广泛，从初创公司到大型科技公司，从前端开发到后端架构。薪酬范围最广，顶级科技公司的 SWE 薪酬与 Quant 相当。
薪资对比：2026 年英国市场真实数据
| 职业路径 | 应届 Graduate | 3 年经验 | 5+ 年经验 | 顶级机构上限 | |---------|-------------|---------|---------|-----------| | Data Science | £38–55k | £65–90k | £90–130k | £150k+（含股权） | | Quant Finance | £70–120k | £100–180k | £150–300k | £500k+（含 Bonus） | | Software Engineering | £45–65k | £70–100k | £100–150k | £200k+（含股权） |
- 注意：
- Quant Finance 的薪资数据来自顶级做市商（Jane Street/Optiver/Citadel），普通量化岗位薪资会低于此数据
- SWE 的顶级薪资来自 Google/Meta/Amazon 等大型科技公司，普通 SWE 岗位薪资在 £45–80k 区间
- DS 的薪资差异最大，取决于公司类型（初创 vs 大型科技）和专业方向（分析 vs ML）
薪资增长速度
Quant Finance 的薪资增长最快，但门槛最高；SWE 的薪资增长稳定，大型科技公司的 Staff/Principal Engineer 薪酬极高；DS 的薪资增长取决于你是否能从"分析型 DS"转型为"ML 工程型 DS"，后者薪酬更高。
求职难度对比
Data Science：中等难度，全年招聘
DS 岗位的招聘量在三条路径中最大，但竞争也最激烈。优势在于：岗位多样（金融/科技/咨询/医疗），全年招聘，对学术背景要求相对灵活（统计/数学/CS/物理均可）。劣势在于：很多 DA 岗位薪资偏低，需要主动区分高质量 DS 岗位和普通 DA 岗位。
Quantitative Finance：高难度，集中招聘季
Quant 岗位的招聘量最小，但薪酬最高。顶级做市商（Jane Street/Optiver/Citadel）每年在英国的招聘名额极为有限（每家 20–50 人），竞争极为激烈。面试难度最高，需要 3–6 个月的系统备考。
Software Engineering：中等难度，需要 LeetCode
SWE 岗位的招聘量大，但大型科技公司（Google/Meta/Amazon）的面试有严格的算法题考核（LeetCode Hard 级别）。优势在于：岗位多样，签证担保普遍，薪资增长空间大。
三条路径的申请成功率（AT&T Career 学员数据）
| 职业路径 | 投递转面试率 | 面试转 Offer 率 | 平均获 Offer 周期 | |---------|-----------|--------------|---------------| | Data Science | 15–25% | 20–35% | 8–14 周 | | Quant Finance | 5–15% | 10–25% | 12–20 周 | | Software Engineering | 10–20% | 25–40% | 6–12 周 |
技能要求对比
数学能力要求
| 技能 | DS | Quant | SWE | |-----|----|----|-----| | 概率统计 | ★★★★ | ★★★★★ | ★★ | | 线性代数 | ★★★ | ★★★★ | ★★ | | 微积分/分析 | ★★ | ★★★★★ | ★ | | 随机过程 | ★★ | ★★★★★ | ★ | | 组合数学 | ★★ | ★★★★ | ★★★ |
编程能力要求
| 技能 | DS | Quant | SWE | |-----|----|----|-----| | Python | ★★★★★ | ★★★★ | ★★★ | | SQL | ★★★★★ | ★★★ | ★★★ | | C++/系统编程 | ★★ | ★★★★ | ★★★★ | | 算法/数据结构 | ★★★ | ★★★ | ★★★★★ | | 系统设计 | ★★★ | ★★ | ★★★★★ |
业务理解要求
| 技能 | DS | Quant | SWE | |-----|----|----|-----| | 金融市场知识 | ★★ | ★★★★★ | ★ | | 产品思维 | ★★★★ | ★★ | ★★★ | | 业务分析 | ★★★★★ | ★★ | ★★ |
如何根据背景选择最适合的路径？
数学/统计专业（Oxford/Cambridge/Imperial 数学、LSE 统计）
- 这类背景在三条路径中都有竞争力，但最适合的是 Quant Finance 和 Data Science。建议：
- 如果 GPA 优秀（First Class）且对金融市场有兴趣：优先申请 Quant，同时申请 DS 作为备选
- 如果对业务分析和产品更感兴趣：优先申请 DS，特别是金融科技公司
- 如果对编程有强烈兴趣：考虑 ML Engineer 方向，结合数学背景会有很强竞争力
CS/软件工程专业（Imperial CS、UCL CS、Edinburgh Informatics）
- 这类背景在 SWE 和 ML Engineer 方向最有竞争力，也可以申请 Quant Developer 岗位。建议：
- 如果 LeetCode 熟练（Hard 级别）：优先申请大型科技公司 SWE，同时申请 ML Engineer
- 如果对机器学习有深入研究：优先申请 ML Engineer 或 DS，薪酬可能高于普通 SWE
- 如果对量化金融有兴趣：申请 Quant Developer 岗位（Citadel Securities/Two Sigma 的技术岗位）
物理/工程专业（Imperial Physics、Cambridge Engineering）
- 这类背景在 Quant 赛道有独特优势，同时也适合 DS 方向。建议：
- 如果有强数学背景（随机过程/偏微分方程）：优先申请 Quant Research
- 如果有 Python/数据分析经验：申请 DS，物理背景在 ML 和统计建模方面有天然优势
AT&T Career 的多赛道支持：我们的导师团队覆盖 DS、Quant 和 SWE 三个方向，可以根据你的背景和目标，提供跨赛道的求职策略建议和 Mock Interview 服务。
常见问题 · FAQ
DS 和 Quant 哪个更容易找到工作？+
DS 岗位的招聘量远大于 Quant，从绝对数量上看更容易找到工作。但 DS 岗位的质量差异很大（从 £28k 的初级 DA 到 £100k+ 的高级 DS），需要主动筛选高质量岗位。Quant 岗位薪资更高，但招聘名额极少，竞争极为激烈。如果你的目标是"尽快找到一份体面的工作"，DS 是更稳妥的选择；如果你愿意花 6 个月备考并接受较低的成功率，Quant 的回报更高。
统计专业毕业生适合转 SWE 吗？+
可以，但需要额外补充软件工程技能。统计专业毕业生通常有 Python 基础，但缺乏系统设计、数据结构和算法的训练。建议花 3–6 个月系统学习 LeetCode（目标 Medium 熟练、Hard 了解），并完成 1–2 个完整的软件工程项目（有 API、数据库、部署）。如果目标是大型科技公司的 SWE，这个转型是可行的，但需要付出相当的努力。
DS、Quant 和 SWE 哪个对签证担保最友好？+
三条路径对国际学生的签证支持都相对友好，但有差异。大型科技公司（Google/Meta/Amazon）的 SWE 岗位签证担保最为普遍和成熟；顶级 Quant 机构（Jane Street/Citadel/Optiver）也为国际学生提供签证担保，但招聘名额有限；DS 岗位的签证担保情况因公司而异，金融科技公司（Revolut/Monzo）通常支持，传统行业较少。
可以同时申请 DS 和 SWE 岗位吗？+
可以，但需要针对不同岗位准备不同的面试内容。DS 面试侧重 SQL + Python 数据处理 + 统计/ML 知识；SWE 面试侧重算法题（LeetCode）+ 系统设计。同时备考两个方向会分散精力，建议先确定主要方向，再将另一个方向作为补充。如果你的背景是 CS，可以优先备考 SWE，同时申请 ML Engineer 作为 DS 方向的入口。
DS 和 Quant 的工作生活平衡哪个更好？+
总体来说，DS 的工作生活平衡优于 Quant。顶级 Quant 机构（Jane Street/Optiver）的工作强度极高，特别是在市场波动期，加班是常态；DS 岗位的工作强度因公司而异，科技公司（Google/Meta）通常有更好的工作生活平衡，金融科技公司（Revolut）的工作强度相对较高。SWE 的工作生活平衡在大型科技公司中通常最好。
留学生选择 DS 方向需要考虑哪些额外因素？+
留学生在选择 DS 方向时，需要额外考虑：签证担保（目标公司是否支持 Skilled Worker Visa）、语言要求（部分岗位需要流利的英语沟通能力，特别是需要频繁与业务团队协作的 DS 岗位）、网络建设（DS 赛道的 Networking 比 Quant 更重要，建议积极参加行业活动和公司的 Open Day）。AT&T Career 的 DS Track 专门为留学生提供签证策略和 Networking 指导。
Free Resource
免费领取【Data Science 求职全套资料包】
包含 CV 模板、面试题库、Networking 模板信及完整的求职 Timeline。已有 1,200+ 学员领取。
