前言：
喂！我还没上车啊。
——《逃学威龙》
我有个朋友叫Ben。
Ben前段时间沉迷比特币和基金，去年的这个时候疯狂炫耀自己押宝哪些基金和股票，无脑梭哈，赚钱速度堪比抢银行。好像下一步就要与巴菲特携手共进晚宴，和马斯克起飞肩并肩。但是今年的这个时候，A股和美股给了他当头绿棒。甚至还开始问我哪个地方的公园睡起来比较舒服。
受打击Ben开始放弃暴富，转头继续选择勤劳打工。但是万万没想到，面试的时候却发现 现在就业环境已经卷到无法自拔。
和他一起面试的大都是刚毕业的留学生，而且很多都是过去一年频繁跳槽的。本来头发就不浓密的Ben在这个环境压力下更是脱发严重。跟我大诉苦水。
于是我研究了下2020年的最新职场数据：
90后就业者中，
超过50%的应届毕业生，
第一份工作没有干满一年。
40%的人不能坚持六个月。
能坚持三年以上的仅占11%左右。
这里有个很有趣的事情：既然有大量学生入职后跳槽，那就说明有许多学生是找得到工作的，但是他们找不到适合自己的工作。
也就是人职不匹配，所以他们的关键问题不是如何找到工作，而是如何找到适合自己的工作。
很多大学生找不到适合自己的工作，有时候是个人能力问题，但更多时候，其实也是选择问题，主要有2个原因。
被长期利益、使命感忽悠，忽视短期利益
比如进了一个创业公司，老板画饼称改变世界，号称3年上市5年干翻FLAG，10年内你就是联合创始人，与库克一起联手造苹果17。
就是钱给的不多。
你以为这样的公司大有可为，去了之后发现所有东西都是老板的设想，全都不落地且不切实际。
做了几个月，看不到前进的方向，哭着喊着说放我出去，我还是个孩子。
工作，卒
过度重视短期利益，忽视了长期利益
也就是更看重钱，或者一些现阶段能给你带来回报的东西。
可能进了一些高工资的金融/灰色行业，前几个月拿着远高于你现阶段能力的工资，结果后面突然公司跑路，就留你一个人围着个烂摊子，说不定还要负担连带责任。
工作，卒again。
那，一个好的工作应该是什么样子的呢？
小孩子才做选择，成年人表示我全都要。好的工作应该是短期和长期都能符合你现阶段想法的。
短期你可以有一个不错的薪资，而长期你也可以有稳定发展。
选择工作首先需要先分析市场。
分析了领英今年的报告后发现，现在市场上需求增长最多的几个科技岗位分别是：
数据科学
从2019年开始算，相关岗位的招聘量激增近46%。如果看到像是data science specialist或是data management analyst这样的字眼，那也和“科学家”仅剩一步之遥了。在美国，每年能赚$100,000 到$130,000。
人工智能
由于疫情影响，前年到去年之间，AI领域的招聘增加了32%。年薪方面，美国的行情在$124,000到$150,000 之间。
也就是说，假设你选择了数据科学这个赛道，那么你的年薪最少就是100k起。
Ben听到这里，擦了擦嘴角的口水，说他根本不动心，这个薪资一点也不吸引他，让我继续说下去。
Ok，那我们继续看看宏观层面。
公司需求：每家公司都有无数数据需要处理
很显然，过去20多年来，收集和储存数据的模式日新月异，可是现有的数据处理能力根本无法处理每天产出的海量信息。
内容越多价值越高，而怎么用好它们是摆在所有组织面前最大的问题。
在各行业内大多数公司中，底层数据决定上层走势。公司会根据当前基础数据走向去选择当下营销/发展方向。规模小的企业同样照本宣科，也开始沿用这一套。
这就意味着，哪怕你是一个经验较少的数据科学家，你仍然可以在一个有需求的小型公司工作，并且相对来说压力比较小，薪资也很可观。
有数据科学岗位需求的公司，涵盖各种不同的行业和领域：41%的数据科学家就职于科技公司（Facebook、Google、Twitter等），13%就职于市场营销领域，剩下的散布在金融服务、政府事务、大健康、游戏产业等等领域。
众多公司高薪的岗位需求！
扫一眼能发现，这张列表涵盖了招聘、互联网、卖场、科技、金融、咨询、医疗等几乎所有的主流行业。
广阔的市场需求：2,720,000个职位空缺
尽管2014年的时候行业就预估Data science市场规模未来十年的增长率可能高达14%；
尽管Data science在2016年就被Entrepreneur杂志评为美国最棒的工作；
尽管Glassdoor今年连续第二年把数据科学列为最好的工作，评分4.8/ 5；
但80%的业内人士还是觉得人手不够。
值得注意的是，Data Scientist的需求量多，不代表每一份工作的具体内容会一样。实际侧重的技能点会依据job title略有不同，所以可能会出现“分析商业咨询师”、“分析建筑师”、“解决方案建筑师”等title。仅“分析”而言，可以分为描述性Descriptive、预测性Predictive和规范性Prescriptive。除此之外，你可能还要会测试，汇总以及优化数据。
广阔天地，大有可为，如此多的细分领域，你总能找到一个最适合你个人能力的垂直方向。
门槛：360行，行行能学Data Science
相对来说，数据科学还算是比较新的行业，所以对于转行这件事比较友好。
学理科的小伙伴在转行的时候可能稍占优势。Programmer Insider 发现，当下这批比较成熟的数据科学家很多来自数学、统计、CS、工程一类的背景，也有学经济、商科出身的。究其原因在于，数据科学工作的关键是要求你有契而不舍解决问题的精神。
但事实上，很多文科的专业也要求你做大量的检索，处理信息，找到有用的内容，发现问题时见招拆招。如果你可以培养加强自己这方面的心态，加上合适的课程，从本来不太搭界的领域跳过来也是很有把握的。
Ben此时满眼红光：我确实有点动心了，我该怎么上车呢？
这时候你就需要一位老司机来带领你
走入数据科学的世界。
不清楚该找什么样的资源？
想了解业内专家的建议？
不知道进修、求职的时间段，
什么阶段该做什么事？
哪里去找实践机会，积累项目经验？
你可以怎样针对性修改简历，整理portfolio？
海投、内推，有专业指导就好了！
马上扫码添加FLAGDream求职顾问，
获得一份免费的职业体检，
剖析你是否适合转数据科学。
资深导师手把手教你提升职场竞争力，
获得一对一私人定制职业发展规划，
拿到Dream Offer不再是梦，
完美开启职场生涯。
FLAGDream是一家来自硅谷的顶级在线教育科技公司，以帮助学员进入世界一流公司为使命。被业界称为 “在线教育界的Uber”，创始人兼CEO金一粟说，“我们就像Uber一样，将学员输送到他们想要去的目的地。”
