本文獻給準備找工作和準備轉行的你
選擇大於努力，已經成爲一個無可否認的事實。就像當年高几十分考上985生物專業的同學和考上211計算機專業的同學，畢業的薪資出現明顯的反差；又或者同是生物專業，一位考雅思出國讀碩士和一位自學python轉行的同學，兩年後的薪資也具有明顯的反差（有些專業不見得出國回來就能夠有很大差距）。
出現這種情況也是因爲對行業整體的不瞭解，盲人摸象般的選擇，才一次又一次選擇夕陽專業、夕陽行業、夕陽工資。不得不說行哥也是在讀研時期碰巧自學了Python，才能利用技術在還沒畢業就攢到10w+的存款。本篇行哥希望能夠利用Python技術給大家在對Python做相關選擇時提供一個有用的參考
如果說Python是一棵技能樹，那麼初學Python的時候就需要我們爲這棵技能樹選擇增加天賦和技能點。但是天賦的選擇又很多，例如數據分析，人工智能，爬蟲，網絡等天賦需要增加，很多人在學習python這個技能樹上都不知道該怎麼加點，一通亂點導致技能樹加點加歪了都有可能，究其原因都是因爲我們只是想學Python找一份工作，但是不知道能找什麼行業（大部分人以爲學編程就是去互聯網行業）和找什麼崗位，所以纔到埋頭苦學或者聽一大堆教育機構狂轟濫炸的廣告去加技能點，學完發現Python4.0都出來了還沒找到心意的工作
所以今天行哥拿到51job招聘網站的12000條招聘數據，想要全套爬蟲代碼和招聘數據可以從我的公衆號【一行數據】後臺回覆【一行02】進行獲取哦，爬取了全國範圍內大數據、數據分析、數據挖掘、機器學習、人工智能等相關崗位的招聘信息，在這以結果來倒推最優工作的選擇，說人話就是畫圖來看錢多事少離家近的工作
這篇分析只解決四個問題：
- 如何選擇Python方向
- 如何選擇就業崗位
- 如何選擇就業城市
- 如何選擇就業行業
解答這些問題
選擇方向：哪個崗位工資最高？
【哪個崗位工資最高？】其實這個問題不是很嚴謹，因爲每個人對工資的關注點不一樣。關注點主要有工資下限高(意味可接受程度)，工資上限高(意味着未來發展)，工資平均值高(小心被是被馬雲給平均了)，工資中位數高(只要打敗50%的競爭者就可以獲得的待遇)。所以行哥對全國招聘數量前20的崗位的薪資做了一個分析，並以工資平均值的高低從左至右進行排序
我們看到毫無疑問這幾年最火的人工智能&數據挖掘的平均工資是最高的底薪也高，那麼對應的門檻就很高，據今年校招所瞭解，投遞大廠這個崗位的基本要求是碩士+頂刊論文(特別優秀的本科生除外)。所以想挑戰高底薪的同學可以嘗試學習這個方向，不然直接建議曲線救國，通過學會人工智能來投遞數據分析崗(排在第12位)，因爲學習人工智能的難度和就業人工智能的難度是兩個級別
之後有意思的是運營這個崗位，這個崗位相當於技術派的銷售，屬於門檻低底薪低但是上限非常非常高的一個崗位，方差極大，別的崗位的薪資分佈爲二八定律，但是運營崗工資的分佈基本就是一九定律。有想法的讀者可以學習Python的爬蟲和數據分析，掌握獲取數據的能力和數據分析的思維，來嘗試這個崗位非常不錯。當然這個運營崗包括數據運營，社羣運營，用戶運營，增長運營，新媒體運營等等等，想了解的小夥伴可以點個在看，我下次來介紹怎麼從零進入運營崗
排在運營之後的網絡工程師，質量工程師，技術支持工程師，軟件實施工程師，低底薪低上限，沒有實際參與過，不做過多評價（手動狗頭）
選擇崗位：哪一個崗位的招聘數量最多？
既然瞭解了每個崗位的工資情況，那麼什麼樣的崗位性價比最高呢，我將每個崗位的招聘數量和崗位的平均工資畫了一個圖，當崗位數量*10/平均工資數量大於1的時候，我們可以從圖中發現運營，開發，數據分析三個崗位簡直爲性價比之王，工具人的嚮往和35歲退休的保障。
選擇城市：哪一個城市爲性價比之王呢呢？
選城市一看家鄉，二看未來。父母在不遠游，是因爲那時候沒有微信不能好好的聯繫父母。
當可以遠遊後，選城市的時候就要考慮很多因素，考慮城市的發展潛力怎麼樣，考慮城市的環境氣候怎麼樣，考慮未來的女朋友在哪個城市，考慮自己孩子在哪上學（不好意思想多了）等等等
其中最重要的兩個要素還是這個城市招聘的崗位多不多，決定能不能找到工作；這個城市的工資水平怎麼樣，決定能生活水平怎麼樣，這裏通過這兩個維度進行畫圖分析，圈圈越大表示這個城市招聘的崗位最多，顏色表示這個城市的平均工資越高。
我們可以看到北上廣深的招聘數量和工資水平都屬於第一梯度；杭州，南京，蘇州屬於第二梯隊。這些梯度內城市的選擇可以隨着距離家鄉的距離進行考慮哦。
選擇行業：哪一個行業是性價比之行呢？
行業肯定要去最賺錢的行業，那什麼行業賺錢呢，一類支持國家戰略，國家現在大力研發5G，如果扎進這個領域深入下去，吃足紅利，但這個領域護城河很深，進入有難度；另一類去與跟最容易賺錢羣體打交道的行業（小孩，女人，老人），小孩的教育和遊戲，女人的美妝和衣服，老人的醫療和娛樂，基本是任何和平時代的紅利，只要進入就有紅利。從下圖我們也可以分析出來選對行業比選對女朋友還要重要，要是去了環化材生四大專業，我由衷的敬佩你，共和國的發展就需要這種棟樑之才，我要寫個for循環代碼歌頌你的精神。
上圖分析了各行業工資的分佈狀況，最明顯的頂端我們可以看到教育，影視和美容，可以給大家做一個參考。當然有時候在一個自己喜歡的行業工作遠超於自己對工資的期待，選擇的時候着重關注每個城市的行業特色。
end：一行行行行行，一行數據