先和大家一起回忆下17、18年的数据相关市场情况，然后一起聊下19年转行的我们应该要注意哪些内容。
一起回忆17年
记得17年时，听到最多的是AlphaGo大战李世石，当时即将毕业的自己也没有感觉到有什么大不了的。但是这个事情在风投和创业者眼里，就如一个深山老林的单身汉子看到一个水汪汪的小姑娘一般，谁都不想错过这样的偶遇。创业者开始各种准备PPT，风投也是开始各种寻找人工智能项目，就是在这样的情况之下，给那年转行的我们提供很多就业机会，基本上是会Python基础语法、SQL查询、logsitic算法，能够调包，就能找到工作，完成这些技能大概需要2、3个月即可，况且更多的同学是直接把别人的代码抄了一遍就去面试了。当时大家拿到的工资基本上比各种高费培训出来的java工程师还要高一些。就是在这样的大环境下，各种高校同学和其他工作的同学也开始纷纷投身于数据分析和数据挖掘上面来了(数据分析和数据挖掘的职责有时候是没有分那么清楚的)
聊聊18年的情况
自己当时是17年12月份转行，开始做机器学习平台的算法研究，在工作中就开始各种努力学习，准备把一些数学基础和各种算法的原理给好好熟悉下，不尽人意的是公司算法平台一直推不出去。当时陪领导一起去做售前，在反复的沟通中也是逐渐感受到明摆着人家甲方都没有想明白算法是怎么回事，当时看算法落地的需求并没有那么多。就是这样一阵热潮过后，基本功不扎实的公司和不扎实的自己就开始面临淘汰了。
其实18年的时候也出现了意外的惊喜，各种算法都是用来预测未来的情形，但是较难给业务上带来增长，这时大家开始纷纷重新关注历史数据的利用了，可视化报表又开始展露头角了，又开始成为大家找工作的方向，像星巴克、德克士这样的连锁零售都上了项目计划表，但是有一点的不友好的是传统行业能够做整个BI项目大都是用的固有的工具，比如微软系的SSRS、SSAS、SSIS，并且还老喜欢外包，所以相应的工资不是太高。所以我们转行还是先不要选这行的行业，因为那些软件大都是付费的，哪天想到个互联网公司不好进。那应该如何来做呢，接着往下看19年的注意事项把。
19年的注意事项
互联网中有一个现象，是一直会强调下业务线的快速迭代，可能就是好几条业务线在同时做，然后每条业务线上的数据不会像传统行业一样积累了好几年的数据，所以有的公司也不会去做专门的数据仓库，可能所有的业务数据都会集中到一起。这样就出来了一个有意思的事情，所有的业务数据放到一起，那我们怎么来分析呢。这就要求我们的数据工程能力，比如做定时抽取数据到自己业务线的服务上，跨库跨表处理数据,制作可视化报表内部邮件发送、根据算法做商圈的聚集。这里先简单说下需求技能的变化
1.python代码的熟练仅仅面向过程的代码已经吃不消了，函数、对象之类的也要学起来了
2.使用python或者sql 做etl 的能力要上升
3.对于算法要能够用起来，现在公司也都在想办法通过算法做出有实际意义的事情
先在暂时聊到这里把，19年5月19日数据蛙深圳线下交流会上和大家沟通之后会再做修正，到时再提出真正切实的学习计划出来。
网友评论