家人们，快毕业了吗？还没有找到工作吗？想知道最近的市场怎么样了？听我朋友说数据同事投了 200 份简历，连 OV 都没收到，面了半年一个 final run 都没有，一年兜兜转转还在原地，这些例子是不是不绝于耳。

众所周知，疫情以来，美国职场经历了两次大裁员。其一是 2020 年疫情席卷美国的时候，其次就是现在。经历了 2022 年到夏天一整年的大裁员，现在的市场情况怎么样了？来，321 上数据。根据 Layoffs 裁员网的数据，从 2022 年年初开始，裁员的人数和裁员公司数量就一直在攀升，直到 2022 年的年中达到了一个小高潮。在 2023 年年初，裁员数据达到了一个大高潮，原因是金融大厂、科技大厂大举卸磨杀驴，比如说八大投行、FLAG。高潮之后大家都稍微冷静下来了，这才大家都降火了，但是相对于加息前，还是维持在一个高位，整体的求职市场还是不容乐观。接下来我们来看看这些裁员公司都聚焦在哪些行业吧。虽然我们平时听到、看到的新闻都是关于金融和科技的，但是其实因为别的行业裁员通常不会引起很大的关注量，而由于加息、AI 兴起等等原因，目前主要的裁员还是聚焦于传统行业，比如零售、消费、运输等等。这里是裁员的具体公司数据，再次印证了我们整体的市场相对于之前已经有所好转了。虽然裁员的形势有所好转，但是整体的竞争还是很大的。

那我们怎么样才能在这个市场脱颖而出，成为一个很棒的应聘者呢？我总结了以下三点，这三点没有先后之分。第一是沟通。数据相关岗位需要能够以有助于决策的方式将我们的发现传达给非技术团队，这也是面试中常考的，怎么向非技术的利益相关者传达复杂的技术概念。其实也是在培养强大的分析和解决能力，并且获得团队工作经验。毕竟，沟通协作通常是数据项目的关键。其二就是商业知识。数据相关岗位不仅仅要用技术实力来做分析，很多时候我们需要在数据分析或者建立模型之前，了解整体的商业诉求，也就是我们为什么做这件事，目的是什么，以及后续我们怎么样跟多部门进行合作，并且一步步实现最终的目标。最后就是技术了。多数据少不了技术，其中最最最关键的就是要用分析的思维去解决现实的问题。通常我们会用到 SQL、Python、R  等等这些工具。同时我们可能会涉及数学、统计、假设实验、机器学习等等知识。

OK，接下来我们来说一下数据里的一个细分岗位。数据的话可以大致分为两个不同的大类，包括一个商业和一个技术。商业的话会有一个 business endless，数据分析师、风险分析师、金融分析师、商业智能工程师。我们一个个来讲啊。首先我们先来讲 business 这块的。business 这块我们可以看到我会我把 business endless，也就是所谓的一个 BA 放在了第一个。为什么呢？是因为整体的话 BA 是一个非常就是岗位提供量非常大的一个岗位，所以的话整体来说的话，同学们进行一个投递，会更有机会去进入到这样的一个岗位当中去。然后 BA 的一个就是 soft use 和 hardcore 的一个分布。大概是 70%的一个 soft use 或者叫 behavior 的一个能力和 30%的一个 technical capability。所以的话我们会需要经常的会跟别人不同的组进行一个沟通协作。我举个例子，比如说我们现在一个财富管理里，需要给一个富人和超富人他们搭建一个软件，来提供他们的一个收益分析以及风险提示。这个时候的话 BA 需要干的活就是把整个团队给搭建起来，并且的话跟每个团队要有事先的沟通，确保每个团队他们都在同一个层面，并且的话后续这个项目开始之后，BA 需要实时的追踪这个项目的一个进度，并且在这个项目出现了任何问题的时候，去跟这些不同的一个部门进行一个沟通以及协作。比如说这个项目的数据出了问题，数据分析师告诉我们的这个BA 这里的数据出问题了，那我们就需要去做什么？我们需要针对这个数据问题，看一下他下游会影响到哪些不同的一个部门并且会不会导致最终一个比较严重的后果，会不会影响到我们最终的一个报告。然后的话把这些受到影响的部门通通给联系到，后续的话跟他们探讨一个解决方法，并且预防下次类似的事情啊再次发生。然后 BA 的话可能会需要用到一些啊就是工具，包括但不限于像 Python ，通常情况下的话它啊的一个掌握能力是在 easy 到 medium 就够了。

接下来我们来说一下一个 risk analyst。risk analyst 的话它其实是一个风险分析师，风险分析师我们这指的是在一个数据部门的一个风险分析师啊。它其实可以分为一个就是啊 risk data analyst 或者 quantity risk analyst，这两者的一个啊差距还是蛮大的。就是如果是啊就是一个就是 data risk 的话，它通常会涉及啊你这里会要去看一个啊公司的一个流动性风险，然后看公司的一些市场风险，并且把这些相关的一个啊以风险识别的一个报告呈现给啊一个利益相关者。如果是一个 Quantic RES Airex 的话，它可能会涉及的到的一个 technical 的一些东西会更多一些，它是做一个风险建模。通常这个时候我们会需要用到一个机器学习模型来给我们不同的一些公司进行建模。比如说啊我们现在是八大同行的其中一家，那我们现在会拿到很多不同的一些公司的一些资料，那我们会对他们进行一个信用评级。这时候我们会根据他们的一个过往的一个信用积分以及他们的一些财务报表还有他们的一个违约情况来最终决定他们的一个信用评级是怎么样的。这个是相对来说比较 tad 的一个 resalys，难度可能会稍相对来说也会更高一些。然后接着我们往下的话是一个啊 financial analyst，也就是金融分析师。这里的金融分析师跟投行部门的一个金融分析师可能会稍稍有些区别。在这里的一个金融分析师他通常做的一个活是相对比较简单的。比如说他会进行一些具体的一些金融数据的一个计算啊和一些金融的一个比率的进行一些对比。具体是哪些数据呢？比如说像是啊 probability ratio，然后 liquidity ratio，然后一个就是 solvency ratio 等等这些就是一个盈利能力然后一个流动性还有一个偿债偿债能力等等这些。最后一个的话就是一个 business Intelligent engineer，这里的话就是会涉及到一个商业智能工程师。这个其实是一个非常万金油的一个岗位吧。然后这个岗位其实在亚马逊上其实一个岗位开放量是非常的大的。他需要你做什么呢？他其实是需要有各项都有一定的能力，但是他并没有让你要各项的能力都比较出众。所以这也是我们为什么说他是一个万金油的行业的原因。需要你有一定的商业的思维，也需要你有一个数据的一个分析能力，同时也需要你能够就是把这些数据以一个比较商业可视化的形式展示给别人看，展示给利利益相关者看。但是他并没有要求你有多深的一个理解。所以的话他其实是更多的是让你从一个领域里去挖掘去发现一些新的东西，然后通过你自己去从这个数据库里获取的信息获取的数据，然后进行后续的一个分析并且进行一个记录分析分类总结研究等等，后续呈现出一个报告给一个利益相关者，然后看能不能从中发现一些商业的一个机会以及规避一些可能后续存在的一些风险。这大概是这样的一个需求，它对一个就是技术的一个广度相对是要求比较高的。