百万年薪的奥秘：深度剖析金融、计算机、数据科学三巨头 ...

小米创始人雷军说过这么一句话：站在风口上，猪都会飞。也就是之后民间戏传的飞猪理论。
新中国建立之初，自经营的个体户成了中国第一批起飞的人；紧接着是一批下海经商的人；络绎而来的是八九十年代股票浪潮大浪淘沙出的一批人；进入二十一世纪，有目共睹，互联网企业成为了新的一批人。
这些年历史的车轮越来越快，碾过一个行业又一个行业，可还是有一些经久不衰的行业始终打不倒，又有新的产业雨后春笋般闪现，是昙花一现还是下一个时代的界碑石，王毅说过：“历史终将证明，谁只是匆匆过客，谁才是真的主人“。
不过我们依然会好奇，金融行业玩了几次搞得全世界PTSD的经济危机，为什么还是人人向往；计算机为什么二十来年了还是在壮年期，求大于供年薪高的耸人听闻；数据科学种种看似换汤不换药的杂糅专业，又怎么能和本家人分庭抗礼……

历久弥新的金融业

自公元前2000年美索不达米亚平原上出现了第一群玩钱的人，金融业便诞生了。作为最老牌、最原始的“拿钱干活”的职业，金融业可以说是长盛不衰。
借助统计、会计、法律、经济等等从业者的力量，金融业诞生出了富有的地产经纪人、股票推销员、基金经理等等。

图片来源：Finance Salary Guide企业中各金融行业相关职位的薪水均值

金融学科如此高的专业包容性，其实源自于它高于学科知识的hard-core：Networking，和人社交，了解人的需求、背景，与人谈判协商，无数笔大生意是在一次又一次的coffee chat中完成的。
除去各种数据分析、理论知识等专业技能，人脉在金融领域显得尤为重要。
著名的小世界理论就说：“ 通过六个人你能够认识世界上任何人 ”。在包罗万象的金融市场和领域中，同学们要多拓宽自己视野，积累业内人脉才能为自己的职业道路做好准备。

图片来源：Networking In Finance

另外参加到国际大厂的实习，了解甚至亲身体验服务体量庞大、服务面广、世界知名度高的金融业公司，不仅对未来的职业道路准备了network和实操技术，对学术成绩也有非常现实的裨益。
在很多商科课程中，中国学生成绩平平（below A）的原因之一，就是对case study等交流互动中的案例公司并不了解。排名靠前的商学院用到的企业案例已经上升到了具有国际规模和影响力的公司了。

“自卷”的计算机

00年的时候，公司面试程序员：你这个冒泡排序写的好，加入我们吧。
10年：请分析一下SVM向量机的优劣。
20年：你能做出第二个“淘宝”、“微信”吗？
……

计算机是一个真正有钱能使鬼推磨的行业，无数其他专业的人都自学着各类编程语言，意欲拿下几十万的offer。鳞次栉比的大厂小厂不仅需要行业技能精通的人，也消化掉了大量转行但基础扎实的人。
除去一部分真正以技术主导的公司，商业上的计算机行业二十来年间真正的进化是在概念而非技术，在于生产方式而不是生产力，电商、新媒体、短视频等等里程碑中都包涵了理念的重大创新。
新理念的诞生不仅开放新的生产模式，也在和以前的生产模式融合，短视频的诞生就把电商通过直播带货推上了新的顶峰。
UU们要趁早进入知名企业亲身体验，不仅是为了尽早磨练编程技能、了解现今成熟的行业内容，更是为了感知计算机行业的下一个起跳点。

异军突起的数据科学

作为近几年计算机麾下的几个角：云计算、人工智能、大数据、云计算……带领我们正式步入最前沿的“ABC时代”。云计算曾经名噪一时，风光不再；人工智能高深莫测，初见端倪，唯独只有数据科学够高大上也足够接地气。
从数据分析，如通过数据分析欺诈行为风险；到推荐系统，如媒体、购物平台的推荐内容；再到chatbot，如Siri、小爱同学等人工智能聊天机器人，数据科学广泛地应用到我们日常的生活中。
2013年才在NYU首次设立为单独学科的数据科学看来也并不年轻，它所包含的计算机、统计、数学等等的学科知识已经到了相当成熟的地步，而且在各种场景下到了一定的应用规模。
据美国劳工统计局的统计表明，数据科学的人均起薪达到了11万美元。对于刚刚步入职场的新新人类来说，DS无疑是一个既有前途，又有“钱途”的领域。

图片来源：DATA SCIENCE

尽管在校学习数据科学过程中会学习到非常翔实、广泛的学科知识，但是如前文所述数据科学拥有非常多十分不同的应用场景和分支，每一种工作都是在实际的需求上，基于不同的数据集完成不同的目标，所以该行业需求的人才不仅需要有扎实的数学、编程基础，也要有对特定开发方向有深度的理解。
找到一些工业界大佬作为领路人，亲身实战企业项目无疑就是了解DS应用具体场景最行之有效的方法。
说了这么多，相信你已经了解当下的风口，也明确自己日后该努力的方向了！