如何选对公司，才能有更好的职业发展？
我是冯布尔：
从事数据分析的工作已近三年，目前在互金领域做风控策略方面的工作。
下面的经验分享希望帮助到你，因为在我入行的时候也得到过他人的许多帮助。
1.入行之路
我在刚工作的时候进入了一家创业公司从事运营类的岗位，工作一段时间之后觉得不是特别喜欢，收入也很低，导致整个人都特别焦虑和迷茫。甚至一度考虑过裸辞。
在网上刷各种帖子的过程中，我对技术类的内容开始产生兴趣，开始尝试自学Python。在学习Python的过程中又开始接触到数据分析，然后工作之余不断学习，逐渐入坑。
然而，自学是一件十分艰难的事情。难的地方不在于身体上的劳累，而是黑夜中前行的迷茫。所以我们一定要避免“战术上勤奋战略上懒惰”的做法。
先明确自己的目标，再反过来学习达成目标需要的技能。而明确目标的前提就是要有足够多的信息，才能进行决策。
2.目前在做什么？
在做了数据分析的工作之后，虽然工作也比较累，但是精神状态要远胜于从前，因为是做自己喜欢的工作，就不会那么迷茫和焦虑了。
目前我个人的工作内容主要是为银行做应用类的项目，以及公司的海外业务。
1）应用类项目
银行项目主要包含风控模型、用户画像、营销模型这类的模型开发工作。
使用银行内部和第三方的数据，结合银行自己的业务特点开发机器学习模型，为风控、营销部门提供数字化升级。
工作流程是使用SQL取数据，Python进行数据分析和模型原型开发。
有时候也会给银行做数据分析方面的培训，讲数据分析方法、机器学习基础和项目案例。
由于数据保密的问题，这类项目都需要去银行那边驻场开发，当中免不了与银行人员打交道。这对自己的表达能力和沟通能力也是一种提升。（下图是某银行的出入证）
之前给某个银行做了信用卡营销模型，用来寻找信用卡意向客户。后续的项目效果跟踪发现各网点的信用卡营销量有了翻倍的提升，银行给我们寄来了礼品表示感谢。这时候就让人产生了一些自我实现的快乐。
当然，偶尔也会遇到一些比较难搞的银行工作人员，被迫和他们斗智斗勇。
2）海外业务
海外业务主要是为一些海外的信贷机构提供风控咨询服务。
根据合作方提供的各类数据，从中挖掘出更有效的风控规则，并不断更新贷前、贷中、反欺诈等模型控制逾期率。
另外还需要对整体的市场趋势做出判断，对逾期潮做出预判避免客户产生大量的损失。
总的来说，通过数据分析制定策略，通过机器学习模型降低逾期，这些都可以使我获得比较持续的快乐。
如果你通过各式各样的了解和调研，觉得数据分析适合你，那么你需要进一步考虑几个关键问题：行业选择、找工作、写简历、准备面试。下面我分享一下我的思路。
3.如何选择行业和公司？
数据分析是一个和业务结合很紧密的工种，对于行业和公司的选择直接关系到将来的发展空间。
在金融风控领域，我根据我的切身经历和所见所闻，把金融行业的公司分为以下几类：
1）持牌、上市的互联网金融公司
这类公司的优势显而易见，持牌和上市就意味着合规。但受制于监管和合规要求，盈利能力也大打折扣。这已经不是一个具有高溢价的行业了，很难再有前些年的风光。虽然不会有超额利润，但也不会存在较大的风险。
2）金融科技公司
许多非持牌系的公司都转型做金融科技，用自己的数据模型技术去给银行、政府部门和企业提供数字化服务。
如果选择这类公司一定要选具有技术积累的公司，这样可以学到很多实用的技术，也会积累项目经验，为以后的跳槽做准备。
另外，爬虫类业务最好不要碰。
3）银行风控、数据部门
银行对数据风控的重视程度也在逐渐提高，但大银行改革缓慢，不敢推行新事物，小银行数据积累不足，各类城商行和区域性银行在这方面开始弯道超车。
能够进入一家重视数据风控技术的银行还是非常不错的，在银行的收入绝对是具有竞争力的。
总体来看，风控类的数据分析师收入还是比较可观的。
如果对其他业务领域感兴趣，可以找在这个行业工作的朋友、前辈进行咨询。选择一个行业以后不要轻易再换，每次更换都意味着之前的积累都大打折扣。所以务必慎重考虑。
更多金融行业的知识，可以看我参与写的畅销书《数据分析思维》。
上面内容来自“猴子数据分析”学员分享的求职经验，来源：⠀
https://www.zhihu.com/question/27573926/answer/1598683281
