為什麼要談論這個話題？1> 今年夏天，有幾位大學畢業生想向博主詢問“大資料”的就業前景。2>學生基本情況類似：普通本科生，考研難，出國貴，公開考試人多，找工作難，計畫報考培訓班學習習技能再就業，似乎已經成為普通大學生的必然選擇（無意誘導他們報考培訓班）;3>這個選擇的關鍵是學習習學哪個技能，這麼乙個“大”的話題，關係到生存和生活，如果靠幾句話給出建議，就有點草率了，還是寫一篇短文來講。
1.職業方程式。在這個階段，你了解自己嗎？它可以是情感的、心理的、事業的、家庭的，生活的任何方面。2.曼荼羅的發展。
3.現在和未來。
認識自己，可能就像解乙個多元方程，很多時候因為有太多的未知數找不到解，方向感很弱，搖擺不定，然後糾結和迷茫。
不過別擔心，這很難，也許每個人在20歲左右的時候，都充滿了未知數，每乙個未知數都需要在無數個“強大”的東西中來回碰撞，一遍又一遍地確認它的價值，直到這個價值穩定而穩健。
選擇職業也可以看作是求解多元方程的過程那麼這個等式是什麼呢？如何解決？簡單來說，有兩個步驟：1識別未知數，即了解您的想法、每個維度的目標;2.找到解決方案，即根據現有資訊推導出相應的專業和行業。
1.識別未知數
你可以考慮這7個維度：1>喜歡一起工作的人的特徵;2>喜歡的工作環境;3> 你擁有或想要擁有的技能;4>人生目標或人生哲學;5> 感興趣的知識或領域;6> 期望薪資;7>熱愛居住的地方。 根據每個維度對自己的重要性，給出不同的權重，在每個維度下寫下自己的答案順序，從第乙個偏好開始，可以參考下圖。
有了這樣的權重和目標值結構圖，您可以快速了解自己當前的優先事項和職業偏好，朝著職業選擇的方向發展。
對於如何解決這個方程，博主並沒有想得很清楚，它可能有也可能沒有解，有時根據現有資訊可以快速推導出匹配專業，有時解在認知盲區。
2.向“顧問”尋求幫助並找到解決方案
如果您了解自己的職業偏好，但不知道哪些特定專業和職位符合您的目標，您可能希望求助於“顧問”。
1> 在很多情況下，諮詢師給人的印象是“純傻”、“高高在上”、“沒有真正的幫助”，這難免是一種誤解，諮詢師更多的是提供一些“方法”和“資訊”，做法應該因人而異;
2>這裡提到的諮詢師，並不是說建議你找專業的諮詢師付費諮詢（當然，如果有靠譜的諮詢師付費，你也可以試試），而是指任何能幫忙的人，都可以稱為諮詢師;（如果有人願意指導你，免費回答你的問題，真的，請他吃飯吧！）
3> 通用的長期探索方法已不再適合現在競爭激烈的市場，需要盡可能科學、快速地找到量身定製的解決方案。 （就像學生選擇技能培訓課程一樣，推廣人不了解每個人的性格特點，統一推薦學習習大資料，工作一段時間後，你可能會覺得無聊，隨時加班，工資也沒有想象的那麼高）
諮詢顧問的一般諮詢流程： 1>面試，通過交流了解一些資訊，如：學歷、專業、性格、興趣愛好、技能等，可以參考職業選擇方程式的結構;2>建議顧問結合大量案例和經驗，快速檢索行業、職業、崗位資訊。 （Ask GPT 應該有一些答案。 ）
一旦你有了目標專業，你就需要建立地基，並為這棟建築新增磚塊和瓷磚！曼荼羅冥想它是一種“地圖式”的思想擴散方法：凝視乙個中心點，盡可能地發散你的思維，找到足夠多的相關專案，以相關專案為中心點再次發散，以此類推，最後聚焦關鍵專案。
接下來，以資料分析專業為例，說明技能培養的過程：1> 這部分也是很多同學諮詢“大資料”方向的解答，博主只在“資料分析”方向做了一些研究，對資料庫、演算法等了解不多，專業技能圖也圍繞著資料分析展開;2>如果你打算轉行成為“資料分析師”，或者選擇資料分析專業，可以做一些參考;3> 通過曼荼羅圖，可以更全面地看到這個職業的技能圖。
1.第一曼荼羅：技能路徑
以分析師為中心點，分散不同階段所需的知識模組：
1>初級主要是滿足資料分析效率的要求，即基本技能，如：拿到乙個業務問題，從什麼角度分析？統計資料來自哪些資料庫？處理100個樣本和1000萬個樣本有什麼區別？您可以從三個模組中學習 習：專業工具、理論知識和企業軟體
2>高階水平主要滿足分析和洞察的需要，即從業務角度來解釋這些資料和現象所代表的含義有什麼實際意義？如果只從碎片化的資料中進行分析，難免會出現很多資訊盲區和邏輯遺漏，所以可以依靠一些行業知識和分析方法（框架思維）。
3> 除了對專業深度的要求外，牛人還對能力提出了廣度要求，即要知道更多，需要有實際的流程，能夠橫向相容，將知識系統化，形成一套經過實踐檢驗的組合拳。
2.第二曼荼羅：技能地圖
以曼荼羅第一層的各個模組為中心點，發散出知識圖譜，對每個模組涉及的知識做乙個簡單的講解，這樣可以參考下面的曼陀羅技能圖。
【專業工具】excel在場景中應用最廣泛，從初級到高階，一路使用;SQL是數字時代的必備技能，如果你有資料庫，你就需要使用它R Python是兩種專業的資料分析工具之一，您可以選擇一種精通。
【理論知識】一般包括統計學和演算法兩大類;統計學中的描述性統計、概率統計和假設檢驗尤為重要，佔工作的70%;此外，有時資料分析師需要做一些與演算法相關的業務支援，例如產品推薦和**。
企業軟體]企業經常開發或購買第三方分析軟體，如：Fine BI、申斯、冠源BI等，是否會使用這些軟體可能會成為求職門檻，因此保持行業溝通，了解市面上有哪些主流工具和解決方案很重要。（首頁選單欄新增了 Fine BI 專題，一些官方教程中找不到的比較高階的用法將陸續分享，歡迎閱讀提問。 ）
行業分析師的洞察能力很大程度上取決於對行業的了解，如：行業的產業鏈、客戶需求、客戶特徵、提供的產品和服務、商業模式等，只有對行業有了解，才能在看到資料異常時保持高度的敏感度，快速定位業務環節。
分析方法]有上百種分析方法，適用於不同的場景，如果你從一開始就不知道，可以先讀一讀20年前的麥肯錫9種方法，它是麥肯錫顧問將客戶服務過程中的一些問題分析技巧、解決方案總結出來，為員工技能培訓，保證客戶服務質量，讀起來就要說： 麥肯錫，你真的很好！
牛的三項可以概括為“立功、德行、言語”三個小範圍。 那是什麼意思？要有記錄，要能說服大眾，要能把經驗傳承下去。 （強行關聯，別怨我。
練習]要成為乙個好人，光說是不夠的，你需要有好的結果，你必須對生產過程、團隊能力、不同策略的效果有深刻的理解和實踐經驗，以及能夠整合資源，在不同的突發事件中都有應急策略。
橫向相容】深入了解不同職能在全鏈中的作用，能夠溝通協調，懂“人”，除此之外，還需要具備單專案管理能力和多專案並行能力。
系統化]遇到問題時，可以快速檢索出一套連貫的分析思路和解決方案，從實踐中總結規律，組成乙個政黨，並能夠傳遞經驗。
資料分析是一種技能，需要很長時間才能建立起來曼荼羅技能圖也是博主分享的主要內容。我總覺得有點誇張，只講方法不給資料，所以乾脆分享兩組資料來補充資訊：1現以2009-2024年上海各行業民營企業年均收入來了解現狀;2.未來，麥肯錫的《2024年技術趨勢展望》報告將用於了解技術發展趨勢。
1.上海各行業年收入行業的選擇有時決定了收入水平（當然每個行業都有乙個高收入群體），而金融和計算機行業確實比其他行業的收入要高得多，這也意味著競爭非常激烈。 * 資料來源於國家統計局。
2.麥肯錫公司 2023 年技術趨勢展望報告報告給出了一組資料：2021-2024年技術招聘資訊量趨勢，這一次真正將AI帶入了普通百姓的家中。
文末：事物總是動態的，業務會變，技能會變，工作會變，人生軌跡也會變。