最近“民工”这个梗红遍网络。虽然大家都在自嘲，但是有工作已经是一件很幸福的事情了。毕竟还有很多人没有工作，生计难以保障。

当然，满足于“有工作可以玩”是不行的。在庞大的“劳动人民”群体中，差距也是非常大的。有的人拿着5k的工资努力工作，有的人轻松年薪百万，所以找个好工作对玩工很重要。

最近秋季招聘季，很多想应聘数据分析工作的朋友问我，做数据分析哪个行业比较好？

在今年疫情的影响下，相比传统金融行业求职的哀号，技术的起薪真的很甜。2019年首届数据科学硕士毕业生就业报告显示，毕业生平均薪酬已经达到27w，主要集中在互联网、金融科技、量化等领域。

随着大数据技术逐渐渗透到各行各业，数据科学人才将迎来一波红利。对于非理科背景，想在工作中把商业和技术结合起来的同学来说，数据分析(包括大数据)无疑是一个不错的选择。

今天给大家分享几个热门行业的数据分析岗位基本情况:

互联网代表:阿里、腾讯、百度、JD.COM、字节跳动、拼多多、滴滴、美团、shopee(新加波)等。

1)难度系数:☆☆☆☆☆

2)技能要求:

我们来看看腾讯的数据分析岗位要求。

结合以往的面试经验，互联网数据分析的技巧包括:

A.精通SQL，最好是Hive-sql

B.熟悉统计学理论:统计描述和推断统计学，ABtest几乎是面试必考。

C.机器学习，这部分也需要简单的准备，比如基本的机器模型如逻辑回归、决策树、随机森林、SVM、xgboost等当然python也是必须的。

D.对业务的认知，数据分析最重要的目的是支持业务的落地，所以对业务的认知是数据分析的出发点。对于应届毕业生来说，如果有实习经历，最好能对商业思维有更深入的了解。如果没有实习，他们就要多学习一些理论知识，比如产品领域的盗版模型，用户行为分析等。，甚至用一些咨询案例实践的结构化思维来加强自己这方面的分析能力。

3)工资水平

数据分析的薪资一般在产品岗和开发/算法岗之间，不同互联网公司的起薪从22w到30w+不等。

金融科技代表:中国银行、建设银行、工商银行、交通银行、招商银行、平安银行等技术管理培训生在招，旗下科技子公司(如建信金融科技)也在招。

1)难度系数:☆☆☆，历年来银行都是校招大户。随着信息技术的发展，金融科技相关专业的开设近年来如雨后春笋。当然，银行技术岗的技术难度系数是低于互联网的。之前有一个同学的段子，他拿了建行技术岗的offer。“笔试不会，面试吹水，我就拿了offer & # 34。以下是中国建设银行2019年春季招聘计划。很多分支机构对“技术特殊人才”的需求都达到了三位数。

入职好+起薪不低+业绩压力小+失业风险低，不香吗？

2)工作要求:

以建行新科大学数据方向工作职责为例:

银行科技岗位的技能主要有两个特点:

一是技能要求，有些数据岗比较偏数据开发，日常工作可能会处理数据建设和数据平台；

二是分配方式，可能是统招统配。例如，数据岗位可以不细分为具体的数据岗位(如数据开发/分析/挖掘等。)，进入后可能会被分配到业务部门或者中后台部门。

3)工资水平

这和银行本身的属性有关。国有银行金融技术岗起薪不算太高，但是工作强度小，福利好(单位房租，交通补贴，餐饮补贴，不需要996等。);股份制银行的金融科技，比如招行科技，密集程度不亚于互联网，当然薪酬也不亚于互联网。

基金代表:南方基金、嘉实基金、金钟、九坤、宽德、钟毅证券等。

这一类主要有两类，一类是金融机构的数据工程师，一类是金融工程。数据工程师做的和传统的数据开发工程师差不多，在薪资上也没有显著优势，所以这里就重点说一下金融工程岗位。

1)难度近年来，利用人工智能进行量化因子挖掘和选股策略构建成为业界热点。买卖双方都在尝试这方面，所以数据科学专业的毕业生也有机会进入量化领域。但难点在于金融工程专业的毕业生对这方面也很精通，金融知识也比较全面，所以竞争很激烈。

2)工作要求:

这是华夏基金金融数据挖掘工程师的职位:

所需能力主要是三点:

A.必须精通一门编程语言，python/MATLAB/c++；

B.分析财务数据的能力；

C.熟悉统计模型和机器学习模型，了解原理，会切换包，最好是建模。

3)工资水平

券商的工资基本没有上限，基本工资大多根据个人表现在20w左右。

机构代表:上交所科技、深交所金融科技、深圳/区政府及其科研院所。

1)难度:不好评估，周围样本较少，技术难度可能低于互联网。但由于招聘名额少，实际竞争并不低于实际，也会关注学历背景。

2)工资水平:基本和公务员一样。一线城市的公务员和事业单位工资不低，加班失业机会少。可以说是一份性价比很高的工作。不说了，就两个字，羡慕。

内容:鸡蛋姐姐的饭作者:保育女孩