越来越多的大厂员工都成了小红书的DS博主…
Offer帮官网：offerbang.io
“大厂”员工小红书再就业
经验课程说来就来
小白可别轻易托付
各位“爱冲浪”的小伙伴对于小红书等各种互联网社区的使用已经从寻找“分享生活”和“种草好物”经验，逐渐变成了获取各种技能的学习方式。这样的生长环境也滋养了非常多的“知识类博主”，在小红书上分享自己的求职经验、职场技能经验和教学。
小红书“大厂”博主经验贴
只是零散的技术培训
以打工人们最感兴趣的“大厂”去搜索，提及到“大厂”的笔记就有113万+篇，其中有一类博主是大厂离职后晒“大厂工作背景，分享工作经验”。不得不承认，毕竟腾讯、阿里、字节等互联网大厂自带“光环”背后所代表的知名企业的背书实力肯定。
以DS（Data Science）为例，在小红书上我们能看到很多分享DS领域的知识的“大厂”博主，大部分都是已经从“大厂”离职，相当于在小红书上通过干货知识“二次就业”。
有的博主非常敬业甚至还自己梳理出来数据分析的一整套课程。
乍一看每一位博主的讲解风格各有特色，内容拆解的颗粒度也算非常细致。但对于想要入行DS的小伙伴来说，仔细研究之后你会陷入一种尴尬的处境：“我好想看过了，但又好像没看过？”
还有网友们最喜欢的“速成攻略”，但这真的很难评。
不仅仅是在小红书，B站和抖音都能找到许多博主的分享视频，不过最终的目的实际上都是自行开班卖课：
B站某博主：自行研发课程
抖音某博主：分享资讯，打造IP
而在这些分享社区（或视频网站）里面，博主们分享的内容大多集中在“小白入门或如何利用工具和模型快速处理数据”上。内容看上去简单易懂，实际上只能学到一些技术皮毛、和零散的知识点，并不能给到真正想要学好的小伙伴太多的成长，只能作为业内人士的经验交流。
“软硬兼备的六边形战士”
才是真正的数据科学家
数据科学家一词之于科学家，就好像夫妻肺片一词之于肺片，（这个词是由DJ Patil在领英时发明）并不属于传统意义上的科学家。数据科学家既像码农，也像数据分析师，更像PPT制作专家。
不过有个外国的大神做了一张图，包含了数据科学家所需要涉猎的所有技能：
大家可以放心的是，这并不是数据科学家的入门门槛。这个图仅仅是一个超集合（Superset)，并不一定需要全部懂这些才能去当个数据科学家。一般来说，数据科学的职位方向有下面四种：
Data Analyst
这个职位对建模能力要求较低, 比较适合刚接触数据科学或者转专业换背景的同学。工作内容偏向于结合数据分析实际商业问题, 并将分析的结果转化为切实可行的商业方案，比如定义评价指标, 为产品方向提意见等等。岗位所用的工具一般比较基础, 最核心的是用SQL 来获取整理数据, 用R/Python做简单的分析、用Tableau/Excel作图，在统计和模型方便，懂得基本的回归预测模型等即可满足大部分要求。
Data Scientist
工作内容主要是以建模为主，与Data Analyst相比对编程能力要求较高, 不仅需要熟练的SQL 技能, 还对 Python/R 等变成有着较高要求。除了要求基础统计知识, 对机器学习能力也有要需求, Data Scientist一般能独立的完成数据科学分析问题, 所以还需要对用数据科学解决问题的流程和方法十分了解, 懂得如何将复杂的商业问题转化为统计和机器学习可以解决的问题, 然后据此设计技术方案。
Data Engineering
类似于软件工程师, 但是围绕着大数据领域的工程问题。这个岗位对编程技术含量相对较高，工作内容主要是开发大数据的 ETL (提取, 转换, 存储) Pipeline来处理数据，除此之外对于大数据的生态系统及对应工具 (例如: Hadoop, Spark, MapReduce, Splunk, Hive, etc.) 也需要有较好的了解与实践经验。
Research/Machine Learning Scientist
类似于增强版的偏向于研究方向的 Data Scientist, 对研究探索能力有较高要求, 可能需要解决一些不存在现成方法的问题, 或者是需要前沿技术的问题, 能独立读 Paper 确定可行方向或者研究计划, 一般需要有 PhD 学位或者 MS 学位加多年工作经验, 这些职位一般更多的是面向有经验的面试者开放。
除了以上四个岗位方向所提及的硬技能以外，成为数据的“黄金矿工”，同样需要以下这四个方向的软技能，毕竟能软硬兼备，才能被称为“六边形战士”嘛。
沟通技巧
在数据科学中，沟通技巧尤为重要。当需要解释一个复杂的机器学习模型给没有技术背景的商业领导者时，必须能够以易于理解的方式传达你的发现和观点。通过使用图表、比喻和业务术语而不是技术术语，成功地让他们理解了模型的价值和工作原理。
领域知识
掌握领域知识对于创建有意义的模型至关重要。例如，在金融领域工作的数据科学家需要了解市场趋势、股票价格的影响因素等，以便更好地预测未来的市场动态等。
商业头脑
数据科学不仅仅是一门科学，还是一门艺术，需要深刻理解业务以提供有价值的解决方案。例如，为一家零售公司工作时，数据科学家发现通过分析销售数据和天气模式之间的关系，可以预测特定天气条件下的销售趋势，从而帮助公司提前准备库存。
团队合作
数据科学项目通常涉及多个领域的专家。在一个健康监控应用程序的项目中，数据科学家可能与医生、软件工程师和UI/UX设计师紧密合作，确保创建的模型不仅在医学上准确，而且在用户体验方面也是高效的。
看到这里，我们再回到小红书上“大厂”博主们的数据科学分享，我想各位“未来的数据科学家”心里已经有了答案。小红书可以帮助我们巩固知识交流经验，但如果你想从0到1成为领域的专家，还是需要通过系统的学习和实战才能取得职业的“入场券”。
如果你也想了解更多资讯，探索更多数据科学领域的相关知识，选择更好的职业领域，更好的获取Offer，或者想练习更多面试实战训练，可以扫描下方👇课程链接了解课程详情或者直接添加🔍金牌顾问 免费试听或咨询优惠。
《数据科学·机器学习求职实战营》
FLAG、咨询、投行大牛导师团队带你求职数据科学
数据科学 / 机器学习 / 数据分析 / 商业分析等领域
本课程由科技大厂、咨询公司、投行一线数据科学家教研组用心研发，针对数据科学/机器学习/数据分析/商业分析等行业岗位要求，以知识学习和求职为导向，从编程技巧、模型理解、实战项目3部分全方位提升你的数据分析综合能力。
课程通过详细教授核心技能，导师手把手做实战项目，面试真题实训，帮助你高效学习求职必备Technical，提升简历，强化面试技巧。
Offer帮
Offer帮金牌顾问// James
🔎扫码了解课程详情
🔓免费试听，解锁更多优惠
名企导师天团，深度互动答疑
课程由国内外知名大厂数据行业导师天团倾力研发，结合当下数据分析岗位需求、面试知识点及热点，力求帮助学生深入浅出，一站式提升简历、面试、行业知识及技能。
华尔街量化对冲基金分析师Kevin
FLAG数据分析师 Chris
互联网资深数据科学家 Callie
BAT数据分析师 Deniel
MBB数据分析师Tong
纽约对冲基金量化组Jon
名企数据科学家
另外，我们还安排了相应的导师Office Hour在线答疑，确保同学们可以有更多时间和导师深度互动，绝不把问题留到明天！！！
实操工业级实战项目，掌握核心必备技能
区别于学校和市场上单纯的技能培训，《Offer帮求职核心课程》名企导师手把手带你做“可以写进简历的实战项目”：知名企业的真实项目数据，有效提高简历含金量，增加通过初筛概率！
同时，课程会详细讲解数据求职时所会遇到的各种问题，及应对技巧，让同学对求职整个过程有更清晰的目标和规划。
创新学习平台，一站式满足所有求职需求
课程采用录播+直播相结合的方式，课程有效期内#免费无限次课程回放，帮助你补课或者反复复习，满足你的时间弹性和多次学习需要。
📖课程大纲📖
简历精修+模拟面试+大厂内推
#求职资料实时更新，保姆式为你的求职之路保驾护航。更有创新自主学习平台，一站式管理学习资料&课程进度；#数据专属交流群，结识志同道合的求职伙伴，扩大职场社交圈！
√ 15周86课时的课程时长
√每周OH直播答疑 + 实时更新职位列表
√ 免费的1v1简历精修和模拟面试
√名企内推机会
学员上了都大呼
太合算！！！
该课程已经帮助数千学生顺利进入麦肯锡、亚马逊、摩根大通、谷歌、BCG等各行业的顶级头部公司，并收获无数五星好评🌟。感兴趣的同学请尽快抢位报名！小班教学，报完即止！
Offer帮
Offer帮金牌顾问// James
🔎扫码了解课程详情
🔓免费试听，解锁更多优惠
近期学员Offer榜
金融、咨询、数据等多个领域的Offer展示
能展示出的Offer只是冰山一角，这一份份实打实、沉甸甸的Offer，让我们团队的每一个人都倍感自豪。在未来的道路上，Offer帮会继续脚踏实地，用专业、诚信、用心的原则，助力所有学员的求职之路！
（点击图片即可查看大图）
微信扫码关注该文公众号作者