数据科学家目前仍然是北美最热门的职业之一，根据最新的Indeed 8月数据，平均年薪已经突破13万美元。
像Google， Amazon， Apple， Airbnb，Walmart等知名企业，更是给出高于这个平均值的工资，并且还有股票等其它福利。
数据科学并不是一个低门槛的行业，除了对数学、统计、计算机等相关领域的技术要求以外，还要掌握相关应用领域的知识。对于非相关专业毕业的同学，是不是没有机会成功拿到Data Scientist（数据科学家）工作呢？
今天这篇文章的主人公Z导师，现任美国健康保险公司安泰（Aetna）的数据部门担任Data Scientist。在此之前她曾任全球战略咨询公司Prophet分析咨询顾问，负责用分析为世界五百强公司提供品牌管理，数字营销和消费者洞察等领域咨询。2017年她通过自己的努力，抓住问题分体整理能力，问题转化能力和表现沟通能力的结合，从咨询行业成功转型Data Science领域。
她的转行故事和经验，非常值得想要转行到数据科学领域的同学借鉴。不仅如此，在【Data Analytics VIP冲刺实战项目 】中，Z导师还会将自己的技能全部传授，手把手带着职图学员实现从0到1的成长。以目前数据科学领域最前沿的Machine Learning（机器学习）为核心贯穿项目始终，借助R、SQL，完成一个电影推荐系统的实战项目。
本周五（8月24号）实战项目就要开课了。这段音频是Z导师分析自己转专业零基础，如何成长为一名数据科学家，快来听听她的经验和项目灵感是如何而来的吧!
从一个市场营销小白，一跃成为一个懂得了数学、建得了模型、写得了程序并且通过数据讲故事的Data Scientist， 快来看看她是如何做到的！
Z是一个青春洋溢充满活力的中国女生，她现在在世界上历史最悠久的健康保险公司之一的Aetna（安泰保险）担任Data Scientist。让人想不到的着，Z本科在国内学习的是商业/管理学，研究生留学纽约大学时，主修的是整合营销（Intergrated Marketing)。肯定很多人都会感叹，专业不对口，这个留学生是如何得到财富500强企业的Data Scientist职位？ 故事还得从Z的研究生学习说起。
转行三部曲
入门：隔行确实如隔山，想要跨行，必须先为自己打开一扇“门”
Z在纽约大学研究生留学期间虽然主修的是整合营销（Integrated Marketing）专业，选择该专业，也正是因为营销学是她的兴趣所在。
在研究生学习的第一年，Z通过自己的努力找到了一份实习，是在一家服装品牌公司做数字营销分析（Digital Marketing Analytics)。这就是Z为自己后来转行打开的第一扇门。
这一次的实习，虽然是Marketing（市场营销）行业相关的工作，但是主要是侧重在Analytics（分析）方面。初次的尝试，让Z对自己的兴趣和特长有了更多的认识，挖掘了自己对数据分析方面的热情。
于是在研究生的第二年里，她根据自己的爱好和学校的课程设置，为自己的专业学习选择了营销分析（Marketing Analytics）的侧重方向。
Z对于数据分析的热爱，并没有止步于营销分析， 她清楚地知道专业的课程设置是针对于营销行业的数据分析，而不是真正的纯统计学或者纯分析学。如果想要往数据科学的方向发展，数据相关的基础知识还需要再加强。
于是，同年Z选择了去纽约大学商学院辅修数据挖掘和商业分析（Business Analytics）的课程，她希望全方位的学习，能补充她在专业知识上的不足。同时，一份新的营销分析实习，也让她加速了自我经验的累积。 一切发展得都很顺利，毕业后的那个暑假，她又拿到了纽约Burberry的工作机会。
Z的工作轨迹一直都是向着Marketing Analytics的方向发展的，很多人都以为她以后就会在这一行一直做下去了。可是在去年夏天，Z却出乎大家意料地转行了，而且是转行去做了数据科学家（Data Scientist) 。一说到数据科学家，大家肯定首先想到的背景都是数学/统计//PHD这些专业领域的人。一个学Marketing的研究生怎么就成了数据科学家呢？
Z说，除了长期以来她累计的数据分析相关的实践经验以外，她在简历和面试中也做了很多功课。 最重要的是搞清楚这个职位的背后，究竟是做什么，解决什么样的问题，什么样的组，想招什么样的人。
在新公司任职后，她也收到了很多要她帮忙指导面试以及内推的请求。Z发现大多数来寻求她帮助的人都有一个误区，那就是他们学了很多千人千面的求职技巧，而忽略了自身的闪光点。
例如，简历上一味地堆积关键字，道听途说的各种简历面试技巧，最后却发现海投无果。其实每个人需要的是针对自己的个性化求职策略，这些东西并不是一刀切(One Size Fits All)的。求职者更应该先在充分了解自己，了解感兴趣的公司和职位，再对症下药。
而职图恰恰提供了这样一个平台， 这也是为什么Z选择加入职图，想帮助更多的人，实现他们自己个性化的求职方案。
Z的转行心得分享
转行前补充相关经验
转行前了解清楚你即将去的行业，是否真的感兴趣是第一步。如果想从事数据科学，不妨从一些实践性更强的方面入手，然后在理论和Coding上花功夫。而所谓的相关经验，在现实不允许你再去花个两年四年的去重新读一个专业情况下，一些专业相关的Transitional平台就是很好的跳板。
这其中就包裹了各种各样的Fellowship Program。 Data Science相关的则包括 NYC Data Science Academy，Data Science Dojo等。这些平台，能够在让你在短时间内累积学术知识和相关实践经验。
与此同时，大量运用Seal World例子Proven Track Of Record，数据分析方面，Pet Project是一个让你迅速入门的途径。比如参加Kaggle的比赛，记录平时的代码(Script/Notebook)和图形（Visualization) 。
如果能有一些特别亮点的成绩，还是很有说服力的。求职过程中，可以最好找一位导师带领自己。如果有条件的话，可以是一个在公司担任数据科学家角色的人，且他能够每周或每两个星期抽出一个小时和你讨论问题、指导你技术、锻炼Presentation Skill和Problem Solving Skill。职图同时也提供这样的资源。
在简历里“放大”职位相关经验
转行的人肯定前期的经验都和所转行的职位不太符合，但是雇主往往动不动就抛出“至少三五年工作经验” 。这个时候，你之前累积的经验就起作用了。你肯定想说，那么还是没有到三五年的时间呢？这要看你如何将它们在简历里面表达出来。
首先，你陈述经验的方式应该是以结果为导向的。比如说，你处理了什么样的数据，用了什么工具，建立模型的目的和过程，它的Precision（精确率）和Recall（召回率）达到了多少，获得什么样的结论，最后提出什么样的建议。如果是团队经验，同时还要注意着重强调自我角色所发挥的作用和所做的事情。
不要被JD所迷惑，注意保留自己的闪光点
Z说认为转行求职的时候，拿自己的短处和科班出生的长处去比就是以卵击石。很多人在转行的时候，由于一些硬技能的欠缺，都急切地想在短时间内去恶补，这其实是行不通的。
Z用了自己做例子，说她自己当初在申请这个Data Sicentist的职位是，如果光看简历，很明显她不是一个代码写的快，参数调的好的人，那只会放大短板。可是既然通过层层简历筛选，得到了面试机会，那么肯定有些特殊的亮点（Highlight) 是被看重的。忽略自己的闪光点，一味地参照JD去修正自己的履历，只会让自己的短板被放大。将自己的独特背景和职位要求充分结合，扬长避短，才是王道。
最后，Z导师想给大家说，转行不容易，欲望都市里米兰达扮演者Cynthia Nixon花了14年从演员转型政届。但是转行也不难，Z导师就是自己一步一个脚印，踏踏实实地转行成功。
Z导师的立志故事是否也让你充满斗志？你如果也有转行无路，求职无门的困扰，那么Z导师绝对是最佳人选给你指点迷津。
职图是中美最专业的广告科技和数据分析的职业教育平台，扫码关注职图公众号，阅读互联网广告科技行业干货内容，体验来自名企导师的免费课程。
