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