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
数据挖掘是现代企业利用数据驱动决策的重要工具。它涉及从大量数据中提取隐藏的、先前未知但潜在有用的信息,依托人工智能、机器 ...
2024-10-23在当前数据驱动的商业环境中,数据分析师的角色变得越来越重要。想要踏入这一领域并取得成功,不仅需要扎实的技术基础,还需要不 ...
2024-10-23数据分析是一个广泛而又精细的领域,它结合了统计学、计算机科学、商业策略以及数据科学等多个学科的知识。这个领域日新月异的发 ...
2024-10-23在现代企业中,数字化管理师扮演着至关重要的角色。他们不仅帮助企业优化资源配置,还推动企业的数字化转型。要成为一名合格的数 ...
2024-10-23大数据专业是一个跨学科的领域,涵盖了数学、统计学、计算机科学与技术等多个学科。随着数据在各个行业中的重要性日益增加,大数 ...
2024-10-23大数据分析师培训教程-2.1 Hadoop入门-Hadoop 1.0 的局限与 Hadoop 2.0(YARN)的革新 Hadoop简介Hadoop 的生态系统HDFS 的原理 ...
2024-10-232024,您是否渴望在数据领域探索更广阔的职业机遇? 数字化时代,数据量级每年都在呈指数级增长。据统计,全球互联网用户每天产 ...
2024-10-21数据科学专业是一门跨学科的综合性学科,涵盖了数学、统计学、计算机科学等多个领域。其核心目标是通过数据的收集、处理和分析来 ...
2024-10-21Python是一种高级解释性编程语言,由Guido van Rossum于1991年创造。凭借其简单易学、代码可读性强和功能强大的特点,Python已经 ...
2024-10-21在当今数据驱动的世界中,选择学习Hadoop已成为许多数据分析师和IT专业人士的必修课。Hadoop不仅是大数据处理领域的核心技术之一 ...
2024-10-21数据开发工程师在当今数据驱动的世界中扮演着至关重要的角色。他们不仅负责数据的采集和处理,还在数据仓库建设、系统开发和数据 ...
2024-10-20在当今快速变化的数字经济时代,数字化转型已经成为企业实现持续增长和竞争优势的关键。数字化转型不仅仅是技术的变革,更是组织 ...
2024-10-19在当今快速发展的科技时代,数字经济已成为全球经济的重要组成部分。选择数字经济专业,不仅能为你打开通往多个行业的大门,还能 ...
2024-10-18学习统计学与大数据分析具有显著的优势,能够帮助你走向高薪岗位。在数字化时代背景下,统计学和大数据分析展现出强大的就业潜力 ...
2024-10-18在当今的数字时代,数据科学与大数据技术专业的就业方向极为广泛,涵盖了多个领域和岗位。随着数据成为企业决策的重要依据,行业 ...
2024-10-18大数据技术与应用领域正在迅速发展,成为现代经济和科技发展的重要驱动力。随着数据量的爆炸式增长,各行各业对大数据专业人才的 ...
2024-10-18在当今数据驱动的商业环境中,数据分析软件已成为企业决策过程中不可或缺的工具。随着数据量的激增和分析需求的复杂化,选择合适 ...
2024-10-18在当今数据驱动的世界中,数据分析已成为许多行业不可或缺的一部分。无论是企业决策、市场营销,还是产品开发,数据分析都能提 ...
2024-10-18数据分析在现代企业中扮演着至关重要的角色,帮助企业在竞争激烈的市场中做出明智的决策。随着数据量的不断增长,企业需要依赖先 ...
2024-10-18CDA(Certified Data Analyst)认证在数据分析领域具有显著的作用,具体包括以下几个方面: 1. 专业技能认可 CDA认证是数据分析 ...
2024-10-17