壹個業務人員最重要的能力不是妳有什麽技能和知識，而是解決問題的能力。解決問題的前提是發現問題，而數據分析恰恰可以完成發現問題和解決問題的使命。
在日益研究化的招聘環境下，無論妳是即將進入互聯網產品、運營等業務崗位的學生，還是擁有1-5年運營、產品、營銷、新媒體經驗的從業者，數據分析能力已經成為用人單位對業務人員的重要考核點。
在今年疫情的影響下，相比傳統金融行業求職的哀號，技術的起薪真的很香。據2019首屆數據科學碩士畢業生就業報告顯示，畢業生平均薪資達到27w，主要集中在互聯網、金融科技、量化等領域。
隨著大數據技術逐漸滲透到各行各業，數據科學人才將迎來壹波紅利。對於非工科背景，想在工作中結合商業和技術的同學來說，數據分析(包括大數據)無疑是壹個不錯的選擇。
今天給大家分享幾個熱門行業數據分析崗位的基本情況:
互聯網代表:阿裏、騰訊、百度、JD.COM、字節跳動、拼多多、滴滴、美團、shopee等
1)難度系數:☆ ☆ ☆ ☆ ☆。
2)技能要求:
我們來看看騰訊的數據分析崗位要求。
結合以往的面試經驗，互聯網數據分析的技巧包括:
A.精通SQL，最好是Hive-sql。
B.熟悉統計理論:統計描述和推斷統計，ABtest幾乎是面試必考。
C.機器學習，這部分也需要簡單的準備，比如基本的機器模型如logistic回歸、決策樹、隨機森林、SVM、xgboost等當然python的基礎也是必須的。
D.對業務的認知，數據分析最重要的目的是支持業務的落地，所以對業務的認知是數據分析的出發點。對於應屆畢業生來說，有實習經驗的話最好，對商業思維的認知會更深刻。如果沒有實習，他們就要多了解壹些理論知識，比如產品領域的盜版模式，用戶行為分析等。，甚至用壹些咨詢案例實踐的結構化思維來加強自己這方面的分析能力。
3)工資水平
數據分析的薪資壹般在產品崗和開發/算法崗之間，不同互聯網公司的幾個崗起薪在22w到30w+不等。
銀行金融科技金融科技代表:中國銀行、中國建設銀行、中國工商銀行、交通銀行、招商銀行、平安銀行等技術管理類學生在招，旗下科技子公司(如建信金融科技)也在招。
1)難度系數:☆☆☆☆，銀行歷年來都是大校招。隨著近年來信息技術的發展，金融科技相關專業的崗位如雨後春筍般出現。當然，銀行技術崗的技術難度系數是低於互聯網的。之前有個同學的笑話，拿了建行科技崗的offer。“筆試不行，面試吹了水，我就拿了offer。”以下是建行2065438+2009年春季招聘計劃。很多分支機構對“技術型人才”的需求都達到了三位數。
入職容易+起薪不低+業績壓力小+失業風險低，不香嗎？
2)工作要求:
以中國建設銀行信息科技大學數據方向崗位職責為例；
銀行科技崗位的技能主要有兩個特點:
壹是技能要求，有些數據崗更偏向於數據開發，日常工作可能會和數據建設、數據平臺打交道；
第二種是分配方式，可能是統招，集中劃分。例如，數據崗位可以不細分具體的數據崗位(如數據開發/分析/挖掘等。)，但進入後可能會分配到業務部門或中後臺部門。
3)工資水平
這和銀行本身的性質有關。國有銀行金融科技崗起薪不算太高，但是工作強度低，福利好(單位租房，交通補貼，餐飲補貼，不用996等。);股份制銀行的金融科技，比如招行，跟互聯網壹樣激烈，當然工資也不比互聯網低。
券商基金券商基金代表:南方基金、嘉實基金、金鐘、久坤、寬德等多家券商。
這壹類主要有兩類，壹類是金融機構的數據工程師，壹類是金融工程。數據工程師做的和傳統的數據開發工程師差不多，在薪資上也沒有顯著優勢，所以這裏就重點說壹下金融工程崗位。
難度，難度近年來，利用人工智能進行量化因子挖掘和選股策略構建成為行業熱點，無論是賣方還是買方都在嘗試這樣做，因此數據科學專業的畢業生也有機會進入量化領域。但難點在於金融工程專業的畢業生對這方面也很精通，金融知識也比較全面，所以競爭很激烈。
2)工作要求:
這是華夏基金金融數據挖掘工程師的職位:
所需能力主要有三點:
A.必須精通壹門編程語言，Python/Matlab/c++；
B.具備分析財務數據的能力；
C.熟悉統計模型和機器學習模型，了解原理，能實現包調整，最好能建模。
3)工資水平
券商基金的薪酬基本沒有上限，基本工資大多根據個人表現在20w左右。
機構是機構代表:上交所科技、深交所金融科技、深圳市/區政府及其科研院所。
1)難度:不好評測，身邊樣本少，技術難度可能比互聯網低。但由於招聘名額較少，實際競爭比例其實並不低，同時會更看重學歷背景。
2)工資水平:與公務員基本相當。壹線城市公務員和事業單位待遇不低，加班失業的機會更少。可以說是壹份性價比很高的工作。算了，就兩個字，羨慕。