云咖啡讲座
扫码回复【DS 0】报名
特殊时间，一杯咖啡钱，
足不出户，和大厂导师“Coffee Chat”
4月10日，两大科技巨头苹果和Google宣布将联手开发App新功能，用于追踪新冠病毒患者的密集接触者及传播路径。
两家公司将提供API供各国卫生部门采集数据，提醒潜在受感染人群提高警惕。Pactera EDGE的数据策略家Joe Thomas通过著名的微软数据可视化产品Power BI制作了新冠病毒的预测数据图表，预测出美国在4月16日左右将迎来好转趋势。
各大科技公司都在疫情爆发期间充分利用数据科学追踪、预测疫情数据，为防控措施的提出提供有利依据。数据科学再度唤起大众的注意力，各行业也纷纷寻求资深数据科学家的加入，以求为公司发展带来新的视角。
信息时代的我们每天都生活在繁复的数据中，普罗大众的日常都耗费在处理邮件、接收社交媒体信息中，这些有意无意出现在生活中的“数据”几乎把人都砸晕了。而数据科学家却能在大数据的世界里，像一个探险家一样搜寻数据的秘密并预测、解决未来商业问题中的一切可能性，还有什么比这更酷、更值得炫耀的工作呢？
当然除了这“高大上”的职位名字，丰硕的薪资报酬更是“数据科学家”这一职位备受追捧的重要原因。著名求职网站Glassdoor给出最新数据，2020年数据科学家的收入平均数为$ 113,309，吊打绝大多数职位的收入并直逼一线资深工程师的薪酬。
如果是一线科技公司的数据科学家，$150k甚至接近$200k的年收入亦不在话下。
高薪、科技行业、良好的Work-life Balance以及充满前景的职位晋升路径，这些词联系起来简直就是人类的梦想工作。
这个行业中遍布高智商又肯用功的人，为了源源不断为这个行业供给人才，全球各著名高校都开设了数据科学、数据分析等学位课程；即便不是该专业的学生，毕业后都纷纷挤破脑袋想要应聘数据科学家的职位。
读到这里，你也开始摩拳擦掌，欲欲跃试准备挤这座独木桥了吗？
2020年的金融时报《Financial Times》引用了Stack Overflow（编程届的Quora或知乎）的数据，数据科学家们平均每周都要花1到2小时在找新工作上面。
13.2%的数据科学家正在“积极”寻找新工作中。这个事实和大家的追捧热潮大相径庭，到底是什么原因让数据科学家这一职位开始”跌下神坛“，让大家想要从此逃离呢？
Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it… — Dan Ariely
大多初级数据科学家（包括你我）都认为，数据科学这份工作就是一群脑瓜子极其聪明的人，用着外行人没听过的高级工具（机器学习、人工智能等等）做着左右商场风云的决策。这个职位就如“一人之下，万人之上”般掌握着公司的命脉，“光鲜亮丽”，前景光明。
不少数据科学家们加入公司准备大显身手时，面临的首要挑战并不是如何写出漂亮的代码，而是先从“搬砖”开始，着手搭建企业最基本的数据结构。
从零到一的“脏活”总得有人来做，从收集原始数据到最终搭建成框架雏形，几乎都是由数据科学家来完成。
好不容易清洗出干净的数据，终于到了重要的一步：数据分析。
数据科学家们开始构建模型，用机器学习、深度学习、自然语言处理工具等做成千上万个数据模拟并最终预测出想要的规律，然后用各种可视化工具勾画出图表。当成果最终华丽地呈现在董事会老板面前时，问题来了：这个预测结果到底在未来能带来多大利润增速呢？利润数字增速慢，为实现目标要投放大笔成本，“亏本”的生意总是不讨老板欢心。
数据科学家们的研究成果只在几秒就被质疑得“体无完肤”，最破碎的无疑就是数据科学家们的一片“苦心”了。说好的能“改变世界”，最后也难逃被世界“改变”的命运。
作为数据科学家，大家都认为你懂所有数据，并且能回答所有关于数据的问题。你要做数据分析，你当然也得写分析报告，哦对了，数据库也是归你管吧？
你是专家，你大概得会所有工具：Spark, Hadoop, Hive, Pig, SQL, Neo4J, MySQL, Python, R, Scala, Tensorflow, A/B Testing, NLP等等。
这些词听起来很熟悉是吗？因为大部分数据科学家的招聘职位介绍中都列出了这些五花八门的工具（你最好什么都精通）。
每天早上用疲惫的双眼打开邮箱，全是标着感叹号的“重要”邮件：
- 请帮忙测算出下季度最好卖的产品，并告诉我怎样可以卖出去...
当你加入新的公司，满怀欣喜准备认识部门的新同事时，很抱歉地告知你：你并不属于任何“组织”！你是大家的中坚“后勤”力量，你将为来自市场部、财务部、产品部等的同事提供数据相关的支持；换句话说，你是一块好砖，哪里需要哪里搬！
当一个电商企业想要更换商城主页的一个按钮，需要数据科学家设计A/B testing实验。于是接下来的日子里，数据科学家们忙于运用机器学习算法和统计学知识，“不厌其烦”地对这个小拇指大小的按键测试无数次。“两耳不闻窗外事”，仅仅是对着满屏代码和查bug，就占据了平日工作的绝大部分。
数据科学家是能担当“重任”的独立一份子，既然是大家的First Point of Contact，你好像属于所有部分，又好像从不属于任何一部门。
看到这里，你是不是已经准备关掉求职网站的页面，准备改行去生产口罩了？
这并不是一篇数据科学的劝退帖；相反，在知道了数据科学家们的种种常态和真相后依然“爱得深沉”想要纵深跃入苦海从事数据科学的你，未来才终能成就大器。
毕竟以上提到的种种也是任何一种职业的“真相”。褪去华丽的外衣，任何工作都有不为人知的艰辛一面。而数据科学作为21世纪最盛行、发展最快的技术，目前依然是众多毕业生的不二首选。不管你来自任何领域（商科、理工科甚至文科），都有能被应用到数据科学工作的技能。
想要成为一名数据科学家，你需要具备以下最重要的5点技能：
Analytical Mindset (逻辑分析思维)
Problem Solving Skills (任务处理能力）
Statistical And Programming Skills (统计及编程知识）
Communication skills （沟通表达能力）
数据科学是一个全能型学科，除了数学、统计学、编程语言等硬技能，项目实战经验、商业案例分析能力等更是不可或缺。任何一项技能的欠缺都可能成为求职数据科学职位的拦路虎。
不少同学在求职时发现，不同行业对数据科学家的技能要求大有不同，有的要求SQL、数据库、数据可视化 (Visualization) 等能力，有的则强调机器学习、概率统计等知识。想要面面俱到的话不仅耗费时间，还抓不住重点，在准备过程中一头雾水。由于缺乏明确的训练方向高效准备面试，不少同学因此错过来宝贵机会。
而这时，一个富有行业经验的导师不仅能带给你深入的商业洞见，还能指导你如何将有限精力集中到关键处，不走弯路。
另一大求职数据科学的关键点在于是否有丰富的项目经验。数据科学区别于传统的程序员职位，不仅要求你有扎实的数理和编程能力，更需要你亲自动手完成项目的实战经历。在校同学课堂上学了不少理论知识，但却往往缺少实际案例的支撑，容易“学而无用”。职图的Trave飞跃计划，则为同学们提供了难得的项目实战机会。给你一段高含金量远程实习，足不出户跟随一线名企导师巩固数据分析相关技能！
职图与加州设计师品牌Trave推出联名款产品，通过学+练的模式，让同学们完成营销推广和投放，收获完整项目实操经历，以及官方实习证明，简历背景得到显著提升。
飞跃计划的Data Science项目，旨在帮助在校同学，通过远程参与真实的商业项目实习，体验电商运用大数据管理库存、预测销售增长、分析市场需求走势、图像识别处理等数据科学应用场景，和数字营销、产品设计、商业智能小组一起达成真实的商业目标。
你将体系化学习Data Science必备技能：
掌握Regression/Classification Model, Time Series Analysis, Principal Component Analysis等模型和分析方法
通过Machine Learning优化模型，掌握Python、SQL的操作和应用，通过统计数值理解模型的准确性并作出商业预测。
完整课程大纲，立即扫码咨询！
