
昨天在朋友圈刷到一篇文章《30岁,北漂7年一事无成,要回老家吗?》,还没看到内容,我的眼泪就情不自禁的流了出来,这不是在说我吗?
大学刚刚毕业那会,我满怀期待的来到了北京。以为会和好友们创建一份属于自己的辉煌事业,可是这几年,看着好友一个个离开北京,心里不禁产生了一丝悲凉。
我也曾经想过是否应该回到老家,陪在父母身边,过些平凡的生活。可是又羡慕大城市的繁华与自由,不甘心离开。
今年六月份的时候,我和发小一起庆祝生日,席间她说了一句话触动了我,她说“咱们快三十岁了,但是感觉什么都没做。”后来她告诉我,最近感觉自己好累好累,准备回家休息一段时间。
是呀,90后已经变得不再年轻,00后已经迈入职场。虽然很多事情我们并不愿意去接受,但是却刻骨铭心的发生在了我们身上。
01
今年是我来到北京的第七年,上周接到好友阿兰的来信。她说自己刚刚被公司辞退了,也到了一定的年龄,准备离开北京,回老家发展。我心里有些震惊,才三十一岁,就要因为年龄的原因被辞退吗?
阿兰,毕业于一所211重点大学,统计学专业,毕业后的她来到北京,希望能在这座一线城市扎根下来。
然而理想丰满,现实却很骨感。来到北京的阿兰,发现这里人才齐齐,竞争激烈。花了两个月的时间,却没找到适合自己的工作。
那一段时间里阿兰每天垂头丧气,不知道自己该做些什么。可是人总是要吃饭的,在残酷的现实面前,阿兰失去了曾经的激情,找了一份行政的工作,心想先干着,等以后有了合适的机会再跳槽。
可是一晃,七年时间过去了。
曾经的梦想并没有如阿兰期待的那样如约而至,相反它离阿兰越来越远。
由于工资少的可怜,考虑到上班通勤等因素,阿兰只能和同事合租一间小屋。但是北京这样寸土寸金的地方,光房租就耗去了阿兰一半的工资;再加上日常开销,每个月也就所剩无几了。
当然,如果这一切只是暂时的,忍忍过去也就罢了,但对阿兰而言,这份没有未来和期望的工作,到底还要熬到何时?
随着年龄的增长,远在家乡的父母不断劝说着阿兰。希望她能够回到家乡工作,稳稳当当的陪在父母身边,早日成家。
02
阿兰的处境让我感觉到心疼和无奈,同时又感慨万千。
对于阿兰这样深处职业困境的人而言,又该怎么办呢?
一年一度的回流潮又要开始了,不管你是决定在一线城市继续打拼,还是想回到离家人、朋友更近的家乡。我的建议是:掌握能让自己升值的能力,到哪儿都会生活的更好!
如何才能让自己更值钱,走到哪里都不会被淘汰呢?我总结了以下几个方面:
1
明确自己的优势
想要在职场上长期的发展下去,一定要明确自己每一个阶段的目标。我们拿阿兰举例,她是统计学专业,其实就业前景还是蛮好的。现在热门的数据类岗位,本质上就是统计学的方法论。选好就业方向,你的就业薪资会比很多专业高。
当然了并不是只有统计学可以从事数据分析,这是一个可以零基础学会即能很好就业的岗位。现在我们正处于数据时代,我国数据分析岗位需求达到300万,且未来5年都将以30%-40%的速度增长,需求总量将达到2000万人左右。
随着国家对数字化越来越重视,不仅是北上广深等大城市数据分析岗位充足,成都、武汉、郑州、杭州、南京、西安、苏州等更靠近你家乡的这些城市对数据岗位的需求也越来越多。
TOP 20城市重点项目投资情况
(来源:中国通信院《中国城市数字经济指数蓝皮书(2021)》)
我们拿成都来说,作为四川省数字经济的核心区域,平均月薪6963元。而平均月薪7000以上的岗位或多或少都与数据分析有关。
月薪7000元-10000元岗位
月薪10000元-15000元岗位
月薪15000元-25000元岗位
月薪25000元以上岗位
数据分析无疑是未来即吃香又可以长期发展的行业。
2
长远发展规划
其实,任何一个岗位随着不断的发展,基本都会分为三个阶段:初级,中级,高级,数据分析这个行业也一样。
工作内容:要求熟练使用Excel即可,主要辅助数据部门的产品经理。针对产品经理提出的需求来做分析,然后用PPT写一些分析报告。
需要掌握的核心技能:Excel、统计概率
工作内容:一般是IT部门的数据分析师。不仅要会技术还要懂业务,通过发现问题,分析问题,得出结论,为公司的决策做支持。主要工作是数据提取、报表开发、撰写分析报告。
需要的核心技能:统计概率,精通SQL,编程语言Python或者是R
通过建立模型、预测,偏重于工程,主要技能是编程和算法。
需要的核心技能:统计概率、数学、SQL、Python或者是R,机器学习
随着个人的不断发展,你的能力也会得到不断提升。如果你的业务能力很强,可以考虑管理岗;如果你的技术能力很强,可以担任数据科学家的职务。
03
我们已经进入数据时代,在人才济济的今天,我们更要抓住数据时代带给我们的福利。
横向看,数据分析可以涉足各行各业,不再受条条框框的约束;纵向看,数据分析可以深入行业内部,可以清晰了解业务问题,并提出解决方案。
行业“钱”景可观。无论是初级还是高级岗位,企业都愿意为数据分析师提供高薪酬、高福利。同时,随着工作年限的增加,数据分析师薪酬也会越来越高。
如果你也对数据分析感兴趣,欢迎扫码咨询我们。
扫码免费领取
“数据分析”礼包
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10