一個失業的阿里P9，對未來很迷?！?/h5>

2024-12-19

收藏

阿里P8、P9失業都找不到工作？是我們孤陋寡聞還是世界真的已經“癲”成這樣了？

案例一：本碩都是 985，所學的專業也是當紅專業計算機。畢業即加入阿里當程序員，工作13年，曾經的阿里的 P9，后來離職去了一家創業公司做CTO（首席技術官）。不料市場行情不好，公司倒閉?，F在年齡超過40歲，面試了9家單位，Offer為零，大半年都沒找到合適的工作……

案例二：工作13年，阿里P8，37歲，87年出生的老員工，突然被通知裁員，無數個加班到凌晨的付出，最后只換來一個裁員大禮包，真的很難接受……

要知道，在阿里的職級體系中，P8、P9已經是相當高的級別了，這些人員往往意味著核心骨干或中層管理者。這一裁員決定表明，即便是高級人才，在公司戰略調整和成本控制的大背景下，也難以幸免。

都說職場如戰場，再深厚的感情也抵不過殘酷的商業現實。近年來，互聯網行業的裁員潮此起彼伏。從BAT到新興獨角獸，裁員似乎已經成為行業常態。以上的兩個阿里員工的經歷，只是這場大潮中的一個縮影。

裁員大潮之下，普通人如何自救？

阿里P8、P9這種級別的大佬被裁后找工作尚且不容易，普通人尤其是大齡打工人失業后想找到一份薪資待遇都不錯的工作顯然就更難了！

保持學習的心態非常有必要。有時候，一個人在某個行業中能夠獲得高額的薪水，并不全因為自身能力，更有可能是趕上了時代的大潮。

有潮起自然有潮落，35 歲一到，或者行業出現下行，很多人就會發現自己立刻就進入了“畢業”階段，切切實實感受到行業中的霜刀風劍的寒意，一不小心就要要作為人才向社會輸送了。

每個時代都會有風口行業，如果你能始終保持學習的狀態，那么就大概率能明白最新的行業風口在哪里。跟風不一定是一件好事，但是抓準風口行業和機會，一定會讓你比其他人擁有更多的選擇機會和空間。

下一個行業風口在哪里？

阿里創始人馬云在接受CNBC（美國消費者新聞與商業頻道）采訪時說到：整個世界將變成數據，我認為這還是只是數據時代的開始。

2023世界經濟論壇發布的《未來就業報告》，預測了未來五年內增長最快的十大崗位，其中就包括了人工智能與機器學習專業人員、數據分析師和科學家和數字化轉型人員。

數據正在變得越來越常見，小到我們每個人的社交網絡、消費信息、運動軌跡……，大到企業的銷售、運營數據，產品的生產數據，交通網絡數據……

數據分析人才熱度也是高居不下，一方面企業的數據量在大規模的增長，對于數據分析的需求與日俱增；另一方面，相比起其他的技術職位，數據分析師的候選者要少得多。

在這個數據驅動的時代，數據分析已經成為了企業決策的核心。它不僅幫助我們從海量數據中提取有價值的信息，還能預測市場趨勢，優化業務流程，幾乎是每個職場人必修的課程。

普通人轉行“數據分析師”

數據分析轉行門檻

轉行數據分析并沒有你想象中的那么難。和其他行業不一樣，數據分析是一個交叉復合的方向，更需要有多重工作背景的人。

數據分析本質上只是一種技能，必須同時擅長其他專業領域知識（比如你是財務、產品、人力，把自己專業領域知識+數據分析技能結合起來），才能夠走得長遠。

所謂數據分析，是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解并消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。

數據分析行業細分領域很多，選擇面較廣，不管是對于人力、運營、產品等來說，都是一個不錯的選擇。

數據分析師的發展路徑

數據分析師的發展路徑統共來說可以分為偏業務和偏技術兩個方面的發展路徑：

偏業務：一般在業務部門的比較多，備選的崗位有數據運營、用戶運營、用戶增長、以及營銷策劃等崗位，和代碼接觸時間較少，做PPT和報表的時間較多一些，基本上日常的工作就是操作線程的數據產品或者在圖表基礎上寫sql。

發展需求：關注目標、洞察需求、設計方案、推動落地、實現增長、贏得業績

偏技術：偏技術的崗位有類似于數據運營、用戶運營、用戶增長以及營銷策略等崗位上，這些崗位和數據的關聯性很高，同時也是十分具有發展前途的幾個崗位。

發展需求：數據埋點、數據采集、ETL、數倉開發、算法開發、BI開發

數據分析能力需求

數據分析的本質就是要把分析結果應用到業務層面，最終實現業務的良好增長。

一般而言，可以按照“數據獲取-數據存儲與提取-數據預處理-數據建模與分析-數據可視化”這樣的步驟來實施一個數據分析項目，這時我們需要掌握一些主要細分知識點。

數據分析基本流程

具體而言，數據分析師需要兩個層面的技能，一個是技術層面的技能，另一個是非技術性的軟技能。

技術能力

1.統計學基礎：理解基本的統計概念如均值、中位數、眾數、方差、標準差等，以及假設檢驗、回歸分析、方差分析等統計方法。

2.編程能力：掌握至少一種編程語言，如Python、R或SQL，用于數據處理、清洗、分析和可視化。Python因其強大的庫（如Pandas、NumPy、SciPy、Matplotlib、Seaborn等）而廣受歡迎。

3.數據可視化：能夠將復雜的數據轉化為易于理解的圖表和圖形，幫助非技術背景的人也能理解數據背后的故事。

4.數據庫知識：了解數據庫的基本概念，能夠使用SQL語言進行數據的查詢和管理，熟悉關系型數據庫（如MySQL、PostgreSQL）或非關系型數據庫（如MongoDB）的使用。

5.大數據工具：了解并使用大數據處理框架和技術，如Hadoop、Spark等，以及云平臺（如AWS、Azure）上的大數據服務。

6.機器學習基礎：理解機器學習算法的基本原理，能夠應用常見的機器學習模型（如線性回歸、邏輯回歸、決策樹、隨機森林、神經網絡等）解決實際問題。

非技術能力

1.問題解決能力：能夠從復雜的數據中發現問題、定義問題，并設計有效的解決方案。

2.批判性思維：對數據和分析結果保持懷疑態度，能夠評估數據的準確性和可靠性，識別潛在的偏差和錯誤。

3.溝通能力：能夠將復雜的數據分析結果以簡潔明了的方式呈現給非技術背景的聽眾，包括管理層、業務人員等。

4.團隊合作精神：在跨部門項目中與不同背景的團隊成員有效合作，共同推動項目進展。

5.持續學習能力：數據分析領域發展迅速，需要不斷學習新的技術和方法，保持對新知識的敏感度。

6.項目管理能力：在大型項目中，能夠管理項目進度、資源和風險，確保項目按時按質完成。

在當今這個被數據洪流席卷的時代，數據已成為企業運營與決策的核心驅動力。當前，數據分析已成為衡量職業競爭力的重要標尺。它不再是數據分析師的專屬技能，而是每一位職場人士都應掌握的通用語言，是提升工作效率、優化決策質量、推動業務增長的關鍵所在。

如果你也想進一步提升職場競爭力，抓住時代紅利，那么強烈建議考一個CDA數據分析師。備考CDA數據分析師的過程就是個自我提升的過程，CDA小程序資料非常豐富，包括題庫、考綱等，利用好了自學就能考過。

CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

數據分析 SQL 機器學習 大數據 關系型數據庫 數據處理 方差 數據可視化

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇 沒學歷沒經驗，如何入職大廠？5年字節數據分析經驗分享

下一篇大數據專業主要學什么？