最近，“打工人”的梗在全网流行。虽然大家都在嘲笑“打工人”，但有工作可打是一件很幸福的事情。毕竟还有很多人没有工作，生计难以保障

当然，满足于“有工作可打”是不够的。在庞大的“劳动人民”当中，差距也很大。有的人拿着5k的工资努力工作，有的人一年轻松赚几百万，所以找个好工作打工者很重要。

最近秋季招聘季，很多想应聘数据分析的朋友问我哪个行业做数据分析比较好。

在今年疫情的影响下，相比传统金融行业求职的哀痛，科技的起薪真的很香。2019年首批数据科学理学硕士毕业生就业报告显示，毕业生平均薪资已达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。对于非技术背景的学生，想在工作中结合业务和技术，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数据分析岗位的基本情况：

互联网

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：

给大家看看腾讯的数据分析岗位需求

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：统计描述和推理统计，ABtest几乎是面试必备

C.机器学习，这部分也需要简单准备，比如逻辑回归、决策树、随机森林、SVM、xgboost等基本机器模型。当然，python的基础也是必要的

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。因此，对业务的认知是数据分析的起点。对于应届毕业生来说，如果有实习经验，那是最好的。对商业思维的认知会更深。如果没有实习，一定要多了解一些理论知识，比如产品领域的盗版模型，用户行为分析等。甚至用一些结构化思维的咨询案例实践来加强这方面的分析能力。

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，不同互联网公司的几个岗位起薪在22W到30W不等。

银行金融科技

金融科技代表：中国银行、中国建设银行、中国工商银行、交通银行、招商银行、

word" data-gid="5706684" qid="6527572465579726083" mention-index="0">平安银行等技术类管培生招人，其科技子公司（如：建信金融科技）也招人

1）难度系数：☆☆☆，银行历年都是校招大户，这些年随着信息技术发展，金融科技相关专业的岗位开放如雨后春笋。当然，银行技术岗相对互联网的技术难度系数较低，之前有个段子来自某拿了建行科技类职位offer的同学，“笔试不会，面试吹水，就这么拿了offer"。如下是2019年春招建行的招聘计划，多地分行的“技术类专项人才”需求达到三位数。

好进 + 起薪不低 + 业绩压力小 + 失业风险低，它不香吗？

2）岗位要求：

以建行信科大数据方向岗位职责为例：

银行科技类岗位的技能主要有两个特点：

一是技能要求，部分数据岗更偏数据开发一些，日常工作可能和数据建设、数据平台打交道；

二是分配方式，可能会统招统分，例如数据岗可能不细分具体的数据岗位（如：数据开发/分析/挖掘等），进去之后可能会分配到业务部门，也可能分配到中后台部门。

3）薪资水平

这个和银行本身属性有关，国有银行的的金融科技岗起薪不算太高，但工作强度小、福利好（单位租房、交通补贴、餐饮补贴、不需要996等）；股份制银行的金融科技，如招银科技，工作强度不亚于互联网，当然薪资也不比互联网低。

券商基金

券商基金代表：南方基金、嘉实基金、中金、九坤、宽德、一众券商等

在这个类别里主要有两类，一类是金融机构里的数据工程师，另一类是金融工程类。数据工程师做的事情跟传统的数据开发工程师相似，薪资也没有显著优势，所以这里就着重讲讲金融工程岗位。

1）难度，☆☆☆☆☆，金融工程岗位也是这几年的抢手货。之所以说数据分析和金融工程有关联，主要是目前的数据分析类专业一般是由理工学院和经管学院联合办学，学生对机器学习/深度学习以及金融知识都有所涉猎。而最近几年，使用人工智能进行量化因子挖掘以及选股策略构建在业界变得火热起来，无论是卖方还是买方都在进行这方面的尝试，因此数据科学专业的毕业生也有了进入量化领域的机会。但是难点在于，金融工程专业的毕业生在此方面也十分精通，且拥有更加全面的金融知识，因此竞争也是比较激烈。

2)岗位要求：

这是华夏基金的金融数据挖掘工程师岗位：