先和大家一起回憶下17、18年的數據相關市場情況，然後一起聊下19年轉行的我們應該要注意哪些內容。
一起回憶17年
記得17年時，聽到最多的是AlphaGo大戰李世石，當時即將畢業的自己也沒有感覺到有什麼大不了的。但是這個事情在風投和創業者眼裏，就如一個深山老林的單身漢子看到一個水汪汪的小姑娘一般，誰都不想錯過這樣的偶遇。創業者開始各種準備PPT，風投也是開始各種尋找人工智能項目，就是在這樣的情況之下，給那年轉行的我們提供很多就業機會，基本上是會Python基礎語法、SQL查詢、logsitic算法，能夠調包，就能找到工作，完成這些技能大概需要2、3個月即可，況且更多的同學是直接把別人的代碼抄了一遍就去面試了。當時大家拿到的工資基本上比各種高費培訓出來的java工程師還要高一些。就是在這樣的大環境下，各種高校同學和其他工作的同學也開始紛紛投身於數據分析和數據挖掘上面來了(數據分析和數據挖掘的職責有時候是沒有分那麼清楚的)
聊聊18年的情況
自己當時是17年12月份轉行，開始做機器學習平臺的算法研究，在工作中就開始各種努力學習，準備把一些數學基礎和各種算法的原理給好好熟悉下，不盡人意的是公司算法平臺一直推不出去。當時陪領導一起去做售前，在反覆的溝通中也是逐漸感受到明擺着人家甲方都沒有想明白算法是怎麼回事，當時看算法落地的需求並沒有那麼多。就是這樣一陣熱潮過後，基本功不紮實的公司和不紮實的自己就開始面臨淘汰了。
其實18年的時候也出現了意外的驚喜，各種算法都是用來預測未來的情形，但是較難給業務上帶來增長，這時大家開始紛紛重新關注歷史數據的利用了，可視化報表又開始展露頭角了，又開始成爲大家找工作的方向，像星巴克、德克士這樣的連鎖零售都上了項目計劃表，但是有一點的不友好的是傳統行業能夠做整個BI項目大都是用的固有的工具，比如微軟系的SSRS、SSAS、SSIS，並且還老喜歡外包，所以相應的工資不是太高。所以我們轉行還是先不要選這行的行業，因爲那些軟件大都是付費的，哪天想到個互聯網公司不好進。那應該如何來做呢，接着往下看19年的注意事項把。
19年的注意事項
互聯網中有一個現象，是一直會強調下業務線的快速迭代，可能就是好幾條業務線在同時做，然後每條業務線上的數據不會像傳統行業一樣積累了好幾年的數據，所以有的公司也不會去做專門的數據倉庫，可能所有的業務數據都會集中到一起。這樣就出來了一個有意思的事情，所有的業務數據放到一起，那我們怎麼來分析呢。這就要求我們的數據工程能力，比如做定時抽取數據到自己業務線的服務上，跨庫跨表處理數據,製作可視化報表內部郵件發送、根據算法做商圈的聚集。這裏先簡單說下需求技能的變化
1.python代碼的熟練僅僅面向過程的代碼已經吃不消了，函數、對象之類的也要學起來了
2.使用python或者sql 做etl 的能力要上升
3.對於算法要能夠用起來，現在公司也都在想辦法通過算法做出有實際意義的事情
先在暫時聊到這裏把，19年5月19日數據蛙深圳線下交流會上和大家溝通之後會再做修正，到時再提出真正切實的學習計劃出來。