化工博士轉數據分析師,有何看法,或者建議?
先說說自身情況,方便大家提意見:本科985化工,博士本專業國內top3院校,工作近2年,今年30歲;本科時代就對應用計算機解決問題感興趣,怪自己作死,沒有決心和勇氣換專業,竟一直讀到博士。
考慮到自己C語言只算入門,沒有應用其他語言的能力,年齡也大了,完全沒能力跟科班出身的人比,所以一開始也沒敢想轉編程類的工作。自己數學底子還行,數理統計與概率論、最優化方法、回歸與擬合、微分方程等理論學得還算紮實,從大三開始一直用MATLAB實踐這些理論,MATLAB用得還行,參加過幾次全國研究生數學建模競賽,最高拿過全國一等獎。去年年末了解到有數據分析這一崗位,有意轉去,準備學習時,發現MATLAB做數據分析不行,現在剛開始學Python。我是家裡以及周圍親戚孩子中最先上大學的,對於專業和職業缺乏規劃,深感吃了沒有前人點撥的大虧。現在正逢自己轉行下決定的關鍵時期,特別想聽聽大家的意見,即便沒有意見,說說看法也好!
可以轉,要轉趁早!
1)數據分析和數據挖掘需要寫代碼,但核心能力不是寫代碼,而是數學和業務理解,更像是數據產品經理+工程師的合體,往上走就是數據科學家,這個方向對年齡幾乎沒有限制,國外的頂尖數據科學家在50-60歲仍然高產,且工資帽還處於頂峰。
2016年數據科學薪酬大盤點
2)不要擔心寫代碼,儘管你確實需要寫代碼。這個行業以腳本語言為主,如python/scala等,不需要你理解複雜的class和底層邏輯,很多演算法已近封裝好,直接調用就可以。更多時候你只是作數據處理和特徵工程,以及在開發框架下進行邏輯構建和參數調優。
谷歌的專家迦南德里認為從事這一行業「計算機科學那一部分不會消失,但需要更加關注數學和統計學,而對動輒數十萬行代碼的關注度則需要相應地降低 」。
AI時代就業指南:2.5萬工程師艱難轉型,機器學習真的有這麼可怕?
3)未來大數據一定需要的跨界能力的人,需要熟悉行業知識、掌握數據分析和數據挖掘技能的數學家和計算機專家。你的專業知識不但不會浪費,實際是從事這個行業的寶貴財富,國內外在nature和science上發表大數據相關論文的都是業務領域的專家,而非計算機專家。
4)國內IT工程師35歲是個坎這是社會現實,有各種因素這裡面,國外並不存在這種情況。
谷歌機器學習人才孵化中興負責人克里斯汀·羅伯森認為"機器學習模型不是靜態代碼——你需要不斷為其提供數據。你需要不停地更新模型,而且還要不斷學習,增加更多數據,調整預測方式。它就像是一個有生命的東西,這是一種截然不同的開發模式。"
不管從工具、業務場景和思考問題的方式,數據科學工程師都和IT工程師不同,在職業通道和職業生涯上有自己的邏輯。
5)隨著大數據和AI的興起,數據分析和數據挖掘職位在國內未來5-10年都是一個黃金髮展周期,處於紅利期,所以越早投入越能享受紅利期!
很贊同 @數據小咖 的回答,數據分析主要分為兩個方向 業務數據分析 和 數據挖掘 ,兩個更看重也能帶你走得更遠的,是對業務的理解能力,而數學是決定你能否向更高層面發展的因素,但大部分情況下,大學期間的統計學已經滿足日常需求;對於技術方面的要求,熟悉SQL是必須的,Python,R語言,SAS可以選學一個即可,建議Python,R語言,畢竟SAS的授權費不是每個公司都承擔得起的。而這些技術的入門到使用,基本上是沒有太大難度的。最後,如果真的對自己現在的行業或崗位不滿意,在評估好成本後,及時做出決策。對了,我也是轉行做數據分析的,以前是機械化工相關。可以關注下我的在行 張衛剛- 騰訊數據分析師,折騰青年 | 到「在行」來約見我
樓主的想法我感同身受。我是岩土方向的博士,剛畢業。碩士轉行的同學工資已經是我的兩倍還多了。不過我比你年輕一點,我27.最近也在糾結這個事情。每晚學到深夜為了讓60歲的自己不後悔,也為了更好的發現這個世界運作的規律,我現在考慮先BI後AI。如果題主轉行成功了,希望可以交流一下
都博士了再轉行感覺有些不值得,畢竟在這個行業浸淫多年,再轉行與小白無異。而且一般公司也不會要這種吧,薪資是開多高合適,開低了,畢竟你是個博士,開高了,可是你一點專業背景和從業經驗也沒有,專科畢業生可能從事兩年數據分析都會比你這個博士吃香。數據分析和大數據現在的確很火,也有很多人看到了這個前景在想轉行的事情,但你已經過了人生適合轉行的黃金時間,只能尋求些許改變。其實數據分析只是一門技術,並不是一個職業,數據分析在各行各業都會運用,重要的還是要看和具體業務想結合,可以把這個作為自己的一個興趣進行研究,未來說不好數據分析也會進入化工行業,到時候你就是大牛!
在轉行的過程中容易進入一個怪圈,並沒有一項工作是純粹的數據分析,數據是存活於工作業務之上的,離開業務環境的數據也沒有什麼意義了。
也就是說,無所謂是什麼行業,任何一個行業任何一項工作都存在數據分析,數據來源於生活與工作,數據分析是一種處理、解決問題的思維、方式、方法;
轉行做數據分析難道就不用了解行業了嗎?化工行業難不成無法應用數據分析數據挖掘技術?
只要我們掌握了數據分析、數據挖掘的技術和方法,以及思維,在具體的工作環境中去應用,去滲透。這是我們應該重點乾的事情。
我就是化工碩士,也算是名校名師,畢業進了北京某知名大國企,拿到了北京戶口,奈何奈何一年掙5萬塊,算上公積金七八萬,且毫無升職之可能,後懷著滿腔熱血辭職去私企,只過了半年好日子,天津爆炸,公司被迫遷出北京,後痛定思痛轉行干數據分析,自學了統計學,R和Python,中間2個月沒工作,後來找工作從excel開始學,後來學sas,最開始稅前5k,鑒於只幹了一個多月就換公司,所以實際第一個月只掙了兩千多,第二個月換了公司,薪水好轉,現在在第二家公司幹了半年多一點(半年轉正),轉正之後第三天升職了小組長,而且我覺得我的未來真心充滿了無限可能。總之,我來說說我的看法:第一,是的,學到博士轉行很可惜,我學到碩士轉行大家都覺得可惜,化工掙錢多的人有嗎,有的,很多,但需要門路,相對來說干數據競爭環境更公平,對於像我這種農村來的沒有任何根基的人來說其實更適合;第二,數據作為一個新興行業,機會更多,當然,在發展的初期,入行的人很多,雖然樓主不是學數學或統計的,但是不要擔心,身為博士的你大概率會脫穎而出,並不是因為你學歷高,而是因為你邏輯能力強,學習力強,並且數學功底其實並不遜於數學出身的,我們都知道,化工學到最後其實差不多就是數學;第三,選擇在自己,其實不用徵求別人的意見,follow your heart。
找個數據分析師或者機器學習工程師不難,如果你想要單以這方面的技能和別人pk,我覺得優勢不太大,當然你有非常outstanding獲獎經歷我不知道能不能加分。如果你要轉,你的優勢必然要依賴你的domain knowledge,但關鍵是你覺得你的domain knowledge如何幫助你完成數據分析的工作或是對項目有什麼益處,這個是要思考的問題…也就是你要從用人角度來思考,我為什麼要你不要別人…
其實化工的水很深,很多來錢的職位因為你一直在學術界所以不知道。例子一,某親戚是高級化工工程師,證掛靠啥也不幹就可以拿80萬一年,這是個需要資歷和耐心的行業,我很開心你們這些大牛轉行,去計算機,因為,最後剩下的人只會越來越少,然後自身就很有價值了。例子二,某人是某化工企業管煤等原料的運輸,然後這些都是要招標的,這裡的油水很多。替父親競過幾次標,水真的很深,負責人可以拿到至少六位數的紅包。所以,別把祖國的實體產業一棒子打死,只有實體好了才能虛擬經濟好起來。出發點要好。但是,但是!數據分析更有前途,比化工有前途多了,還可以在大城市上班,過很好的生活,下班還能和女朋友吃吃飯逛逛街,那麼,就多學python,多上點網課,好好準備簡歷與面試,以你的水平,學習能力,數學功底,穩穩進大企業好公司。可能你會覺得為啥我說了這麼多好處,但還推薦去數據分析,因為其實我也是化工碩士,很佩服做chemical system engineering的博士,我畢設也是做mpc控制的,我導師在控制領域也蠻厲害的,但其實這些東西在國內根本用不上,也不需要,pid僅夠了。所以還蠻失望的。沒路子的話,還是往互聯網靠攏吧,比起傳統行業潛規則與看不見的利益輸送,至少公平公正珍惜人才些。第一次回答這麼認真這麼多,因為我也在往數據分析方面走,希望你能成功,以後能在知乎上發表轉行經驗。
博士可以去高校發展嘛。資歷上去了,應該會比廣大碼農混的好,更何況你是要自廢武功去和cs本科生pk,毫無優勢可言。
化工領域也有很多有錢景的方向吧,還不如在自己的優勢領域內轉方向呢。
以前認識一個做電鍍液添加劑的,好像是華東理工還是華東師範的,據說是不完全破解了日本人的配方,日本人的六百一桶,他家的賣兩百,效果差不多,碩士,自己家開了個小廠,混的風生水起。考慮往材料或者半導體方向靠攏,zf在卯足了勁砸錢。%%%%%%好友不久前從中航工業辭職了跑我這說要去北大青鳥學IT,我很想揍醒他。剛勸了他一個小時讓他想辦法再進去,估計也沒法回頭了。別告訴我你要獻身IT,IT TMD不需要你的這麼丑的軀體。我也只能跟他說,如果你想去培訓,我支持你,畢竟人生還太長了,花一年時間去學編程也不是壞事,如果將來你覺得不值也不要緊,想我們這種卑微的出身還能咋滴,但是建議你再找下關係還能不能回去,畢竟航空國產化的路還有很遠,前景勝過IT。你在中航所做的事情的意義也遠大於培訓後去外包公司乾的那些破事。%%%%%%現在經濟大環境不好,各行業不景氣,IT貌似一枝獨秀。入坑要考慮清楚。以上純屬放屁,別聞太久,有毒。———————2.23 00:53———————————————後面想了想,還是鼓勵朋友去學IT了。現在的確是IT的時代。
以前認識一個29歲復讀考上四川大學的師兄,人生路很長,想學啥就去學吧,不會壞事!——————————————————————樓主現在情況咋樣了?我本碩博都北京的工科211,博二在讀,做的課題有模擬,會寫一些代碼,也在考慮畢業往數據分析或者數據挖掘方向找工作,希望樓主能說說自己現狀,做一個參考呢
化工985+211跳槽數據後前來支援。畢業後先入了東莞某工廠(以下簡稱東廠),後轉投數據分析,剛到一家中型互聯網公司做數據分析。在第一家公司工作時,為了跳槽,每天下班後便開始自己啃python 、SPSS 、SQL ,其實到了現在工作上用到做多的就是SQL ,當然這是數據分析方向。數據挖掘另說。建議的話:1、跳槽要早;2、有目標的找和自己技能匹配的工作更容易轉行成功。
我是化工本科工作了4年了,明年就28,唉,在化工廠倒班4年,身體和心態都老了很多,真是不知道該怎麼辦了,最近也在學數據分析。學化工,真是廢了。
半夜睡不著來答一個這個題吧。
化工真的很難有出路,但轉行也確實有難度。舉幾個我周圍化工轉行的吧。
本科同學,畢業做了兩年環保,然後去一個快銷行業做市場分析,也就是用excel,後來又跳槽了,是互聯網行業,現在是算作產品運營數據分析。這個是轉行比較早。研究生同學,畢業在做化工軟體方面的,一年後去一個互聯網行業,也是產品運營部,職位是數據分析師,跳槽前自學了一些統計學和SQL,工作主要是用SQL和excel。算是找人推薦的吧,所以有了轉行的機會。同事,研究生畢業,自控專業的,石化行業工作五年後,跳槽到一個做雲計算的單位做數據挖掘。自學了一段時間的機器學習,然後投簡歷找的工作,拿了好幾個數據挖掘的offer。目前,數據挖掘的需求量蠻大,他的工作找得還算不錯。所以題主你如果下定決心轉行,肯定是來得及的,並且是很有可能的。
我也想轉數據分析,報了一個人大的統計學在職研究生,也在學python。但是可能近期不會轉過去了,另外有一個offer,諮詢類。
因為馬上要失業了,公司倒閉了。嗯,化工的小企業就是有這種倒閉的危險,而且又特別難找工作,所以我才決定轉行。如果繼續找數據分析的,可能要待業幾個月。而諮詢類的offer,也是現在比較火的方向,偏向財務諮詢,也是轉行了,單位平台不錯,所以想先過去試試。如果那邊實在適應不來,能把統計學碩士學位拿下來也比現在啥都沒有轉行數據分析容易點。所以,走一步看一步吧。至少我已經要跟化工行業說再見了,至少邁出去了。祝題主轉行好運。
一句話,加油!EXCEL,VBA,SQL,SAS,SPSS什麼的可以開始學期來了。Matlab沒什麼用的。
本人某985化學工藝專業,今年考本校研,和導師聊過碩博連讀的事。現將密切關注這個問題,希望題主將來能分享下轉行經歷,給我們這些後輩們能有個借鑒,不勝感激。
早轉早利索
問幾個問題 1 與家人,朋友,同學商量過嗎? 2 打算自學、培訓機構還是再考個學位? 3 期間生活壓力怎麼辦? 4 有合適的新行業的職位嗎?
賣番茄。
賣雞蛋。
考慮過番茄炒蛋么?(我們學校的一個老師,化學領域一直不瘟不火的,直到有一天他開始出國研究生物了。。。據說現在論文發表了一堆,團隊也不錯)化工phd這麼慘嗎?我不覺得讀完phd之後轉碼是什麼明智的決定。因為程序員的話,就算我們都不說,大家心裡也明白,黃金期在35歲之前。在化工作技術的話,相信你也清楚,職業期是可以很長的。望深思熟慮!
個人感覺,選擇1: 如果沒有結婚,牽掛不多,建議出國讀個cs方向的碩士在美國找工作
ps:身邊見過最大的有讀了3個碩士都不好找工作過來讀cs項目的...年齡應該不是問題選擇2:博士出身考慮一下做quant?雖然人家愛招物理phd,但是工科phd還是有機會(尤其有關係的話)pps:一個頂三個,我感覺是博士期間沒好好努力吧,我說計算機博士...正常來說一個計算機碩士能頂5個化工博士吧大概?推薦閱讀:
※想成為數據分析師,研究生應該去讀哪些專業?求解答
※Power BI將超越python和D3,成為數據可視化的福音、定性數據分析的未來?
※怎樣用 Excel 做數據分析?
※在科學計算和數據分析領域中,今後 Python、R、Julia 各自會有什麼樣的發展趨勢?
※sklearn 中的模型對於大數據集如何處理?