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
