数据分析师们为什么纷纷选择离职？

作为二十一世纪最“性感”的工作之一，Data Scientsit以其高额薪资成为了众人心仪的职位之一。

它所在领域包含大量的高技术人才，持续不断的满足了客户对解决复杂问题的渴望。

然而，据Financial Times的文章表示，几乎有13.2%（取自64,000个案例）的Data Scientist每周会花至少一到两个小时重新寻找新的就业机会。

作为一个需要投入大量精力学习的工作而言，是什么让数据分析师们纷纷选择跳槽呢？

Dyad达雁帮大家做了以下整理：

期望与现实不符

这是许多数据分析师最终选择离开的主要原因。

许多刚起步的数据科学家最初想要进入Data Science领域，大多由于工作性质带来的个人满足感，认为数据分析师应当被重视。 然而，实际情况并非如此。

许多公司聘用Data Scientist大多由于之前没有接触AI。并希望入职分析师们整理公司数据基础架构、创建分析报告。

这份工作本是编写智能计算机程序，实际却仅仅是提供一张能够在董事会会议中展示的图表。

一位Data Scientist在他给刚入行的后辈建议时说过：“能够正确评估我们的愿景与所处环境的主导路径一致性是极其重要的。你的目标，应该是寻找与你的主导路径最匹配的项目、团队和公司。”

他的话突出了公司和Data Scientis之间的双向关系。如果公司与Data ScientistS的目标不一致，那Data Scientists就会开始另寻高就。

另一个让Data Scientist梦想破灭的原因，是他们深信自己所做的工作在某种程度上能对公司产生影响并获得较高收益。

然而，如果就职公司的核心业务不是智能计算机编程，那就是一帘幽梦了。

例如出版公司，你所做的数据工作获得的收益相对微小。这些微小的收益无法满足你的需求。未来或许可以积少成多，但也与目标相差较大。

数据知识库

数据分析师遇到的另一大问题就是公司内部任何跟数据有关的问题都会来问你。

这就意味着，在他们心中数据分析师不仅是分析专家报结的首选人，还是数据库知识专家。

不仅非技术性高管对你的技能做出各种假设，其他技术相关的同事也会认为你对所有数据相关的知识都很一定了解。

在他们眼里，你熟知Spark，Hadoop，Hive，Pig，SQL，Neo4J，MySQL，Python，，Scala，TensorFlow，A/B Testing，NLP等。

然而你是技术人才而非数据库讲解老师。

如果求职时工作描述中涵盖这些内容，你一定要考虑清楚。你将面临较大的工作挑战。

Working in an isolated team

当成功数据产出之后，数据分析师们期待能够看到智能用户界面及专业设计。最重要的用户可以用其解决相关问题。

但实际上孤立工作的Data Science团队将很难提供更大的价值。

因此，想要成为高效的Data Scientist，仅仅在竞赛中取得名次是远远不够的。

寻找满足自己需求的数据科学工作时，找到与自己主导方向一致的公司是关键。

但是，你很有可能需要重新调整相关的认知和期许，正确了解数据科学在公司扮演的角色。

总之，让自己更为优秀永远是不被淘汰的不二法则。要想在数据分析师行业站稳脚跟，就要不断增强个人学识与技能。技能是其价值的源泉。

来源：Dyad达雁 知乎

如果你还想了解更多职业讯息

就请关注Dyad达雁微信公众号与知乎平台

我们与你共同进步

Introduction

Dyad Mentorship达雁教育咨询（原为ChaseFuture）是一家创办于剑桥大学的在线全球导师教育平台。导师资源来自世界顶尖名校，助力全球学生推开世界名校之门。Dyad达雁专注于启发敢于思考的21世纪青年学生们进行自我探索、留学咨询和职业规划，实现他们的潜能和梦想。过去5年内，我们协助2000多位学生申请到梦校，并累计申请美金27,157,029（约人民币181,472,5）的奖学金。

40

40%进入世界前25大名校

45

45%申请英国的学员获得了G5学校的录取

70

70%申请美国的学员获得了top50学校的录取

100

100%全套课程学员获得成功获得录取

一亿八千万

我们协助学生申请到的奖学金累计

至美金27,157, 029美元（约人民币181,472,501）