云咖啡讲座
特殊时间，一杯咖啡钱，
足不出户，和大厂导师“Coffee Chat”
数据分析的行业发展Track有哪些？分别适应什么背景和专业的同学？
一年制硕士如何制定Data岗位的求职路线？
文科、金融专业，如何向Data方向进行转型？
在校生什么时候开始找实习、改简历、准备面试？
21世纪是大数据的时代。无论哪个行业，每时每刻都会有庞大的数据产生并储存下来，这些数据蕴藏着大量的信息和财富，急需专业人士处理分析。特别是人工智能和金融科技兴起后，数据科学更是作为一切的根基。
在2015年，Linkedin研究表明，国的数据科学人才非常充足，人才技能供求出现“顺差”，换句话说，就业者能够大大满足企业的需求。
IBM的研究发现：人类有90%的数据是过去两年内产生的。到2020年，全世界产生的数据规模将提高44倍。如此惊人的数据产生速度，就决定了未来商业决策将直接构建在数据之上。
种种研究表明，数据科学将成为各行各业必不可少的“标准配置”，数据科学的人才缺口将会在未来5年进一步扩大。越来越多的企业需要通过数据来提供商业决策的指导，届时数据科学会像火车的铁轨一样为企业指明方向。
然而数据分析的人才需求每年都在增长，而高校毕业生远远无法符合行业的需求，尤其是真正有实力，有眼光的数据科学家更是凤毛麟角，是各个企业争相聘用的人才。
根据Glassdoor在2019年末出具的美国薪酬排行报告显示，作为近5年正在快速发展的职业。今年数据科学家的被排在排在第22位，平均工资为113,156美元。
图/Glassdoor
霍华德-斯隆搜索公司(Howard-Sloan search)的金融搜索业务总裁萨尔•汗(Sal Khan)表示，数据分析——包括Data Scientist, Data Architect和Analysis Manager等头衔在内的数据分析和管理，是增长最快的行业之一。
在数据科学这一职能的演进过程中，在各色的行业、地域也出现了相同名称下完全不同的职能差异。
比如大家常常看到的，数据科学家还有以下的名称: 数据分析科学家，机器学习数据科学家，数据科学工程师，数据分析师/科学家，机器学习工程师，应用科学家，机器学习科学家……
很多时候，这些职能在不同的名称下，实则扮演着一样得角色；或者同样的职能，在日常的实践中却大不相同。今天学姐就大家盘点一下数据科学这把大伞下不同的职责和工作。
1. 数据科学家
主要工作包括分析大数据、设计实验和A/B测试、构建简单的机器学习和统计模型（例如使用Sklearn）这个职位包含较多的不确定性与发挥空间，需要你能独当一面地去Lead一个项目。
在面试上通常包括概率/统计环节，编程环节，SQL环节，机器学习环节。
2. 机器学习科学家
主要的工作业务包括构建、部署最新的机器学习模型（例如Tensorflow,，PyTorch）。其工作的重点不仅是构建模型，同时也要编写软件以运行和支撑你的模型。机器学习科学家与软件工程师在只能上更加的相似。
面试通常包括3 轮编程和一轮机器学习。
3. 应用科学家
这个职位需要你对编程的熟悉，同时了解前沿的机器学习模型。适合不仅仅在学术上优异，同时热爱实践，对产品感兴趣的同学。
面试通常包括：编程两轮，机器学习两轮。
4. 数据挖掘师
这个技术向的数据职位，有些归类在研发部门，有些则单独成立部门。数据挖掘工程师需要具有较强的统计学能力、数理能力、编程技巧。
常见数据挖掘项目的闭环如下：定义问题、数据抽取、数据清洗、特征选取、数据模型、数据验证、迭代优化。
5. 数据工程师
这一职位更偏技术类，在职业道路上看，程序员更适合走这条路。除了大公司需要数据工程师，在很多中小型的公司里，有大量无序、原始的数据需要处理，还有各种业务报表需要处理。
这种情形就需要工程师自己动手Take Owndership，兼做数据清洗+ETL(提取转换加载)+商业智能的角色。
面对琳琅满目的职位，很多同学不知如何选择，且缺少相关的实践经验。这里的经验并不是是说你做的实习或项目的数量的多少，公司名气的大小，而是真正你自己进行实操的经验。当你面试时，能够完整的将你的相关经历，遇到的问题，解决问题的方法描述出来。
其实有很多求职意识超前的同学在大一就开始确定方向，找相关实习，但往往很多实习都是“水实习”，这些“实习”只能扮演充实简历的角色，并不能打动面试官。
无论数据科学这把伞下的哪个岗位，都会要求求职者熟练掌握必备技能，这不仅是对求职者学习能力的考察，也是对业务能力的考察。同样是背景相同的求职者，面试官肯定会认为熟练掌握更多技能的求职者工作效率更高！
无论你是实战经验欠缺，还是在硬技能上略逊一筹，都不要怕! 我们的飞跃实战就是专门为你打造的。不但能根据同学的背景和兴趣帮你找到最适合你的Data Science岗位，同时你可参与到联名款品牌商品的数据模型架构与分析，与不同的部门一起完成联名款商品的商业推广。
至今，共计160+的全球名企招聘了职图学员。
在近1年内，参与职图课程的学员们，也在Data Science这个方向斩获了许多大厂Offer：
职图飞跃实战Data Science方向，参加实战的学员在6个月的时间内，通过参与真实的商业项目，学会掌握行业高薪技能！
职图飞跃实战的学员将会在来自Google, Amazon, Estee Lauder, L'Oréal, LVMH 等领先公司的业界资深导师的带领下，体系化学习Data Science必备技能和工具，提升商业敏感度。从Statistical Modeling, Machine Learning, Python, SQL, Experiment Design等多个知识体系传授硬技能，并且从编程学习、模型理解、项目实战积累三个角度提升你的求职实力，同时获得一份真实的商业项目实操经历！
扫码添加加职图资深咨询导师
回复【飞跃 1】
了解实战项目详情！
时尚电商行业
