No.0

写在最前面的话

2017年开始读BA硕士，今年9月份刚刚毕业，选择回国就业。这是我出国之前就想好的计划，所以尽管身在国外，还是一直关注国内行情的。春招就开始试水国内市场，秋招回国10天顺利找到全职工作。

看似比较顺利，不过还是能感受到国内市场的就业压力。

首先，无论报纸和公众号多么鼓吹大数据的未来趋势，数据这一行至今依旧属于少部分玩家，所以工作机会没有想得那么多，尤其是对于应届同学而言。

其次，有意识往数据这方面转的同学越来越多，CS和其他工科类同学是千军万马奔向算法和数据挖掘，文商课同学也都纷纷瞄准了数据分析，数据类岗位的供大于求越来越明显了。

BA硕在求职大军中算是个独特的存在，优势和劣势并存：

优势：非常对口的专业，在通往求职的路上事半功倍

劣势：时间相对短，足以完成学习，但影响实习；尴尬的求职时间线

因此想以一个BA硕士的视角谈谈回国就业，希望有相关想法的同学能够理性看待国内就业市场，做好充分的准备，争取有一个好的求职结果。

还是先要声明下本文章的适用范围：

（1）正在读BA、即将入学BA或正在考虑BA的同学；

（2）你决定毕业后直接回国就业，或者回国就业是你毕业后的选择之一；

（3）你是应届生。

如果以上三条都符合，我希望这篇文章会对你有帮助。

接下来正式开始！

No.1

BA回国从事什么岗位方向

相比于其他一切，我始终认为方向是最重要的！因此放在第一个写。

首先，身为一个商学院的学生，尽管读了一个偏技术的专业，你还是可以去商学院的常见方向，比如金融、管理咨询，我确实看见不少同学，尤其是欧洲本地同学往这个方向努力。

不过鉴于BA专业特殊性，很多学生有技术在身，还是会更想从事偏技术性的岗位，后文我们主要也基于这个方向讨论。翻看很多BA项目的课程表，课程都是围绕着几个方面展开的：

（1）编程：Python、SQL、R语言；

（2）数学、统计及建模应用：统计学、运筹学、机器学习等；

（3）数据知识在实际领域中的应用：digital marketing，healthcare analytics，machine learning in finance这些。

综上，BA学生的最对口的就业方向有两个：一个是数据分析（最合适），一个是数据挖掘（感觉DS方向的同学更合适）。

两个概念经常被一起提及，网上也有很多答案尝试区分这两个概念。

以笔试的年龄和经验，暂时不敢对两个概念进行定义区分，但结合一些笔试和面试经验，我可以谈谈两个岗位的校招时的侧重方向。

当你参加数据分析面试时，你更多时候被问到：“留存率如何分析”、“转化率下降了怎么排查”、“投放的广告渠道如何比较”等；数据挖掘时，面试官更喜欢问：“GBDT推导”、“神经网络常见的激活函数优缺点”等等。

数据分析岗一般不希望你有高水准的机器学习建模能力，他们更希望你有业务灵感、善于沟通和报告，如果你有段相关的实习经历，会特别出彩；

数据挖掘时，面试官会希望你有代码功底，懂预处理、模型、调参，若有数据建模比赛的名次，会比较有说服力。

所以你看，BA所学的是不是正好夹在了两者之间，所以我们是两个都可以做吗？两个都有机会，但是在应届生功能化的国内，比起两手准备，我更建议深耕一个方向。国内的数据类求职供大于求，因此用人标准也是水涨船高了，选好一个方向才最为稳妥。

如果你想回国做数据分析，对于BA学生：

（1）别把数据建模看得太重，尽管我知道很多人觉得Machine Learning很fancy的。有一次我在群里问一个同学面经，同学说了一大堆，然后加了一句：“反正你别聊建模了，感觉建模是减分项”。笑了之余，我觉得这是大实话，因为我自己的面试过程中对此深有感触，确实很多数据分析师，尤其是纯业务方向的，对数据建模蛮有敌意的，也特别警惕自己招来的分析师有跑路去建模的危险。

衍生的一个话题，面试时候如果你不知道面试官背景，那么察言观色，别上来就满口神经网络、随机森林了。这是我对数据分析求职者们最最重要的一个建议！

（2）SQL得好好练练。SQL易入门难精通，但找工作并不希望你精通。特别建议：掌握一个SQL的中阶技巧——Window Function。问问自己“一列数，找出所有连续3个大于100的”，只允许一次SELECT，能写出来吗？写不出来，再努力一下吧！

（3）尽量找找实习。相比技术，数据分析更需要懂业务，但业务逻辑太难训练了。我做了很多数据项目，但是很难有一个项目能帮助你回答：“留存率如何分析”、“转化率下降了怎么排查“，这类问题。一份相关行业的实习能更好的帮你训练业务能力，我秋招认识的业务逻辑比较好的同学，基本都是有相关实习经验的。

如果你想回国做数据挖掘，对于BA学生：

（1）数据挖掘导论、统计学习方法、Andrew Ng的课，尽量多看看，争取都能写出推导；Kaggle比赛之类的，尽量打出成绩，并且明白自己为什么出成绩了（抱腿摘金夺银可以，但是面试也许露馅）。数据挖掘真是大佬如云，我劝大多BA同学，尤其本科非技术的同学选择数据挖掘前先做好充分的心里准备。毕竟处于技术劣势，就得加倍努力了。

（2）刷刷LeetCode吧！可能你觉得很神奇，我打过多少次kaggle、天池，我从来不自己写算法代码，我也能拿top啊；数据挖掘不都说特征为王么，写算法是不是偏了？说真的，我也不明白，但现实确实是这样。

很多公司的数据挖掘其实和算法、机器学习是一个岗，笔试时候也有手撕代码这个环节。我认识好多统计大佬无奈地和我说：“我打了那么多天池，推了那么多模型，但是我过不了代码关啊。”所以，有志于做模型的同学，LeetCode早点刷起吧，要不然你得躲着考代码的公司投，有时候躲也躲不掉。

（3）真的相信我，你去刷刷LeetCode吧！重要的事情再说一遍，我因为这个后悔了！

（4）真的相信我，你去刷刷LeetCode吧！重要的事情说三遍，我看见太多人因为这个后悔了！

No.2

BA回国进入的行业、薪资与难度

与一些欧美国家的百花齐放不同，国内从事数据行业，机会主要集中在互联网、金融等行业。

（1）互联网：机会最多，建议多关注。尤其是2C+用户量大的公司，比如电商这一类，大量需求数据分析人员。互联网薪资一直非常给力，技术整体而言也是最领先的，因此被大多应届生视为首选，所以竞争压力也十分大。薪资方面，主流公司今年有小幅度的涨薪，数据分析岗大概在20w~30w之间，整体低于开发；数据挖掘会更高，25w向上吧，一般高于开发。

（2）其他科技公司：除了互联网，很多科技相关行业也需求数据方向的人才，比如电信、手机、物流等等。今年部分此类公司动力还是很足的，像我看到深圳的几家公司重金抢人，目测明显是压着互联网大厂给的，总包让人难以拒绝。不过无论如何，这类公司的求职总体难度小于互联网。

（3）金融：银行、券商都有IT类岗位，但金融行业的技术含量还是要好好甄别，最好抓住那些向金融科技转型比较有决心的企业。有一些特定的应用场景十分需求数据分析和挖掘，例如信贷这一块，可以关注下。

有信念做金融科技的传统金融公司，基本都跟上互联网的市场价了，另外附带不加班的承诺，试图抢人。从这一点来看，金融公司的筛选面向工资就可以了，如果还是开着8~10k的价格，似乎没什么决心可言，也就再别说未来的进一步科技布局了。

（4）咨询：很多BA学生很关注咨询，可能还是BA来自商学院的同学太多了，莫名的MBB情节。咨询一直喊着拥抱大数据，事实上欧洲那边也发现很多顶尖公司开始成立analytics team了。不过国内就没有那么大力度了，几乎没什么analytics成分，有也是小而精的团队，挖牛人来做；校招主流还是招商业分析师，对，经典意义的strategy consultant。

值得一提的是，很多初创公司倒是做着很纯粹的数据咨询，真的十分想去咨询做数据，我还是更推荐这类小公司。整体而言，门槛不是特别高，薪资也相对一般。

（5）传统行业：传统500强们似乎没有太大动作，就算成立数据团队也没有大规模开启校招。印象中，有一些同学投了某著名车企的岗位了，最后offer的待遇也跟上互联网了，但关注这方面的公司还是相对较少。

No.3

BA学生如何规划好自己的时间线

按照国内的规矩，如果你某年毕业，标准的选择是前一年的秋天参加校园招聘。具体点，如果你2019年毕业，你应该在2018年的秋天，也就是现在参加秋招。大部分公司写明的毕业时间时间范围会是2019年1月~2019年12月。

不过对BA学生来说，这显然不太现实。因为大多数BA硕士都是一年的，如果毕业前一年求职，那是没入学就求职了，这也能拿到满意的offer，那为什么还要再学一年呢？

好在大多数公司对留学生都比较宽容，会把时间扩大到2018年9月~2019年12月，这意味着BA硕士们可以先毕业后秋招，这样准备时间就很充足了。我也被两家公司卡过毕业时间，不过市面上80%以上的公司都是不卡的。

给个参考时间线，如果9月份入学，来年9月份毕业，可以入学第一年的9月份就关注市场动态；来年4月份参加春招试水；来年9月份毕业正式开始秋招拿offer。

当然，某些项目（比如我们）贴心的留下了7/8月份作为毕业前的实习阶段，这样春招阶段你就可以找一份暑期实习了，做完之后争取转正，或者不转正，暑期实习也可以给履历大幅度添彩。

同时，我建议知识累积也与此对应。春招之前，要构建起完整的求职知识体系了，再结合春招的战果查漏补缺。

No.4

我是否应该回国

有些人一定会回国的，比如我，我恋家、爱吃（还是中国菜好吃啊），同时我坚信国内数据产业发展的很好。有些人一定会留在国外，比如你想获得国外的永久居住权、你看重国外工作的镀金价值，或者是单纯希望在国外体验几年生活。

当然，更多同学其实在回国与留国外之间摇摆。对于这部分同学，如果你最终必然选择在国内生活，我严重建议至少关注一下国内的招聘动态，考虑下回国这个选项：

（1）国内的技术氛围和水平已然不弱。如果你终究有一天会回国，那么我对国外工作镀个金的说法持保留态度。如今留学生不再吃香已是事实，那么国外工作几年就吃香的说法我更是没法相信，尤其是HR可能没听过名字的公司。我在回国后有一种感觉，现在国内的技术人员和HR，对海归都没什么偏向了。当然，如果你是在耳熟能详的企业做技术的话（F、A、G这些），那确实还是很受认可的。

（2）国内的玩法很特殊，尤其是数据分析岗位需求最大的互联网，玩法真的太特殊了。数据分析这类有业务成分的岗位，能否理解这些玩法，换句话说接地气，真的越来越重要。

（3）国内的薪资已经比较可观了。拿我就读的英国而论，假设毕业水准是4w磅左右，折合人民币之后比国内高出的部分，不见得能抵消伦敦昂贵的生活费。可以结合你所在的国家算一算，攒钱效果怎么样，再来做一个判断。

当然也要说国内的劣势。应届找数据分析工作已然杀成红海，社招却空间很大。很多人回避国外找工作的困难而回国，但回国校招也不那么简单了，尤其是要考虑到，在国外你可以接受一般的公司，但回国之后很多人心气提高，变成非名企不去。如果国外找到工作，平稳过渡到社招阶段，会是个不错的办法。另外，国内加班，说多了都是泪，生活远没有很多国家自在。

No.5

最后的几句话

如今读BA的同学越来越多了，感觉很多同学甚至还没懂BA在学什么，甚至把他当作以后去咨询的好机会（此BA不同彼BA嘛）。

同时如今名校开BA也越来越普遍，我还记得的我申请的前一年，UT还是BA的龙头项目、MIT还没有正式招人而是从MSF里转移白鼠、Imperial还是欧陆里罕见的BA项目、US news前30里只有USC和WUSTL等仅仅几个选择。而短短两年过去了，美国那边多了诸如Emory、Duke等名校，欧亚名校（NUS、港三校、ESADE等）BA项目都随处可见。另外，北大也开BA了。

BA人数越来越多，选择越来越多，直接导致“申BA不容易学BA更难”的局面，以至于除非你拿了MIT、CMU，否则一般的名校完全没有高枕无忧的资本。

当你回国求职，最先直面的就是各地区求学归来的BA硕士，当然还要考虑那么多非BA专业的国内竞争者。所以，努力吧，真的可以说申请是留学中最简单的一步了。

我还是像两年前一样热爱BA，也很珍视我这几年从关注、到申请、再到学习、最后到就业的旅程。

希望看到这篇文章，并和我有类似规划的同学能够有所借鉴，开开心心地学自己喜欢的东西，并有所收获。

@ 知乎 · oskird

原文链接：https://zhuanlan.zhihu.com/p/45926181

想看更多干货/文章，请关注知乎@雨欣学姐 https://www.zhihu.com/people/oskird