近年来，Data相关岗位频繁成为热门话题，社交平台上到处都是关于这个行业的“劝退贴”，而“卷上天”更是成为形容Data行业竞争激烈的代名词。那么，为什么会有这样的现象呢？

一、Data岗位是什么？

在了解内卷现象之前，先来看看Data岗位都包括哪些。Data领域的岗位种类多样，主要有以下几类：

1.Data Analyst

负责分析和解读数据，找出隐藏在数据背后的趋势和规律，为业务决策提供数据支持。数据分析师一般需要具备SQL、Excel、Python/R等工具的操作能力，还需要较强的业务理解能力和沟通能力。

2.Data Scientist

需要运用统计学和机器学习的方法来构建复杂的预测模型，解决业务中的具体问题。数据科学家的技能范围更广，需要掌握SQL、Python、机器学习、深度学习、统计学等，并能够对整个数据生态有深入理解。

3.ML Engineer

专注于开发、部署和优化机器学习模型。ML工程师不仅需要调优模型，还要负责编写生产级别的代码，因此编程能力尤为重要。常用的工具包括Python、TensorFlow、PyTorch等。

4.Data Engineer

负责数据的收集、存储和处理。他们构建数据管道，确保数据的完整性和可用性。数据工程师需要熟练掌握。SQL、Python、Java、Spark等工具。

5.Business Intelligence（BI） Analyst

用可视化工具（像Tableau、Power BI）把数据展示得清晰明了，让管理层一眼看懂。要做好这份工作，得掌握一些常用的Data Visualization工具。

二、为什么Data岗位内卷严重？

1. 岗位需求少

Data岗位相对于传统的工程师岗位，需求量少。互联网产品开发早期，需要大量程序员搭建基础架构；只有当产品逐渐成型，才会需要数据分析和机器学习等岗位。这也就导致了Data岗位的竞争更加激烈。

2. 供给过剩

越来越多的人认为Data岗位前景好、薪资高，纷纷转行或选择学习相关技能。这直接导致了供大于求，想进Data行业的人多了，但可供选择的岗位却不多，竞争自然就白热化了。

三、如何找到适合的Data方向？

尽管竞争激烈，但这并不意味着每个人都不适合这个行业。关键在于找到最适合自己的Data岗位，而不是盲目跟风。

1.Analytics岗位：业务理解和沟通能力是关键

Analytics岗位虽然是技术岗，但更看重业务理解和沟通能力。会用SQL是基础，有些公司可能还要求熟悉Python或R，但在实际工作中，业务敏感度和沟通能力才是真正的制胜因素。

（1）业务敏感度很重要

如果你对产品有浓厚兴趣，Analytics岗位非常适合你。在某些公司，Analytics人员几乎就是半个产品经理。因此，面试中经常会问一些关于产品案例和指标分析的问题。如果对产品了解不深，面试就可能变得困难。

（2）沟通能力是加分项

这份工作需要你与不同部门合作，把数据分析结果转化为实际的商业决策。沟通能力好，自然会加分。

2、Data Scientist：多面手的挑战

Data Scientist（DS）是个需要多方面技能的岗位，既要懂SQL、Python，还要会机器学习、深度学习、统计学等。不同公司和团队对DS的要求可能完全不同，有些重视技术，有些更看重对业务的理解。

软件工程师的面试可能只需刷Leetcode，但DS面试不一样。可能你刚复习完机器学习，面试官就抛来一个A/B测试的问题，这时候比拼的就是你的应变能力和知识面。所以，平时多涉猎各领域的知识会更有帮助。

3、ML工程师：不仅仅是调参数

不少人以为机器学习工程师（ML Engineer）的工作就是调调算法参数，其实远不止这些。ML工程师首先是一名工程师，核心任务是写代码。

（1）编程能力是基础

ML Engineer需要有扎实的编程基础，面试中通常会要求你现场写代码来测试工程能力。光会调优算法是不够的，你得先成为一个优秀的程序员。

（2）算法只是冰山一角

虽然算法调优是工作的部分内容，但有些公司还会要求你推导算法，或者问你是否关注前沿研究。这不仅考验你的技术深度，也测试你是否有持续学习的意愿。

（3）面试中的深度挑战

不同公司对ML Engineer的要求侧重点不同。有些看重你能否推导算法，有些则关注你对新技术的掌握。在面试中，要展现对编程和机器学习的深刻理解，才能脱颖而出。

四、新人怎么在Data岗位中“杀出重围”？——多实战，多提升

相比传统的软件工程师，Data岗位的需求量少、门槛高。很多公司更倾向于招聘有经验的资深人士，因为他们的业务感知能力更强，这些能力往往是在实际工作中积累的。新人求职者在这方面则面临更大的挑战。

1.需求少，门槛高

Data岗位对业务理解和实际经验要求较高，新人很难快速上手。所以，很多公司更愿意选择有经验的候选人。

2.如何提升竞争力

对于新人来说，多参加实习和项目，积累实际操作经验非常重要。通过实践提升技能，在面试中展示真实的实力，才有机会赢得面试官的青睐。

虽然Data和机器学习领域竞争激烈，但只要你对这个行业充满热情，并且愿意不断学习和提升自己，未来的职业道路依然充满机会。在求职过程中，找到最适合自己的方向，持续提升业务理解和技术水平，这样才能在激烈的竞争中脱颖而出。

想了解更多面试技巧，提升面试能力的留学生们，Rexpand为大家准备了为期5天的面试集训营，扫描下方二维码即刻报名。

如果你想了解金融行业动态

掌握行业关键技能

扫描下方二维码，咨询Dae老师