
弗雷德里克·巴斯勒,APTEO增长营销。
获得一份数据科学工作就像学习Python和Jupyter之类的技能一样容易,参加Kaggle比赛,获得认证,并在求职门户网站上提交简历,对吗?
错误。
最近,Kaggle的用户达到了500万。看看其他社区,走向数据科学每月有2000万的浏览量。人工智能研究员吴恩达在他的Coursera课程中有400万学习者。
与此同时,全世界只有17100毫升的工程师。在撰写本文时,全球LinkedIn上有2100个开放的机器学习工程师角色。其中,大约80人在Faangs。
公平地说,如果我们把普通数据科学和人工智能研究员的角色包括在内,全球总共有86000个空缺职位。尽管如此,称数据科学为“竞争”将是今年的轻描淡写。
在商业上,竞争激烈的领域被称为“红海”,鲨鱼在拥挤的空间里争分夺秒。相比之下,“蓝海”指的是未开发的、没有竞争对手的市场空间。
作为一个未来的数据科学家,你的目标是在蓝海中竞争。这里有四种方法可以做到这一点。
我是LinkedIn超级粉丝。事实上,我参加了100多个LinkedIn学习课程后,已经成为LinkedIn的特色,我发了超过10,000条评论的帖子,我有超过20,000个连接。也就是说,仅仅依靠LinkedIn是一种红海战略(⚠·️)。
LinkedIn拥有亿万用户中的三分之二。这意味着,如果你只在LinkedIn上建立网络,并通过LinkedIn申请工作,你将与大量难以置信的人竞争。
作为一个使用LinkedIn招聘人员的人,好的招聘信息可能会被如此多的申请者淹没,如此之快,以至于连浏览所有的申请都很难,更不用说给每个人反馈了。
这就是为什么除了和LinkedIn之外,我还建议您使用利基平台,如Shapr、Y Combinator在初创公司的工作、LunchClub.ai(注意:这是我的邀请链接,但我没有报酬)、Wizards等松散社区,以及Meetup或Eventbrite上的离线社区。
所有这些都是免费的。
紧密结合的社区让脱颖而出变得容易得多。例如,Shapr和RunchClub都是专业网络,完全专注于建立一对一的联系。
我曾经遇到一个参加会议的人,他开玩笑说“网络是说不工作的新方式。”有趣的是,我还在那次会议上遇到了一个新客户。
网络与第一点类似,但这里我明确地指的是什么时候该申请工作了。
您可能听说过这样的故事:人们提交了数百份工作申请,却没有得到任何回复。也许你自己也是这种现象的受害者。
虽然有些人通过这种方式找到工作,但越来越有可能的是,在某个求职网站上提交简历意味着你永远不会得到回复。正如我所提到的,招聘经理已经被应聘者淹没了。
就像把你的简历扔进黑洞一样。
问问你自己:如果你必须决定雇佣谁,在一个完全陌生的人和一个介绍给你的人之间,你会选择谁?
因此,招聘经理和高管几乎总是和他们有一些联系的求职者一起去,即使只是由一个共同的熟人介绍。
你的关系网越多,你与潜在雇主的相互联系就越多,就越容易得到介绍。
下面是一个超级简单的模板,您可以使用该模板向相互连接询问介绍:
首先,参与他们的最新帖子,然后信息。
嘿Connector_name,
我希望你过得很好。因为我们在同一个行业,并且和[@name]在[@company]有共同的联系,我希望你能通过LinkedIn介绍我。我最近申请了他们的[招聘职位]。
我写了一条草稿消息,您可以复制/粘贴到他们那里进行简单介绍:
你好[@name],
我注意到您正在招聘一个[招聘职位]。
我想把[@Frederik Bussler]介绍给你,他是一个潜在的候选人,在这个空间里有[earchement_1]和[earchement_2]。弗雷德里克有兴趣和你谈谈这个职位。您想简单介绍一下吗?
谢谢,
connector_name
数据科学是一个多学科领域,一个很大的组成部分是领域专门知识。
例如,Walmartuses预测模型可以预测特定时间的需求。如果一个数据科学家职位的招聘经理必须在“Python专家”和“零售预测建模专家”之间做出选择,显然更专业的候选人会赢,其他条件都一样。
亚马逊的推荐工程师贡献了亚马逊高达35%的收入,他们不断雇佣数据科学人才来培养这只金鹅。如果你在推荐引擎上工作过--即使只是作为一个附带项目--这会让你比一个更通才的申请人更有优势。
学习SpecializedSkills--哪个专业取决于你的个人兴趣--是一个游戏规则的改变者。
证书在2020年风靡一时。如果你使用领英,你肯定会注意到臭名昭著的“认证贴”。
用户展示他们从Coursera、EdX、在线学习门户、LinkedIn Learning和数百万其他来源获得的证书。我也对此感到内疚--正如我提到的,我参加了100多门LinkedIn学习课程,并获得了几乎所有常春藤盟校的证书。
也就是说,依靠证书是一种红海战略(⚠·️)。当数百万人拥有与你相同的证书时,那么你就需要区分器。
实际的项目,在那里你分析你感兴趣的数据,会给你一个巨大的优势。
为了获得灵感,您可以查看上面提到的数据科学职业趋势SDashboard和其他公共工作区。
数据科学是一个竞争日益激烈的领域,但你可以通过使用利基平台、发展你的专业网络、专注于你感兴趣的领域,并与世界分享独特的项目来脱颖而出。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26