[Hadoop] 银行铁饭碗VS年薪30W，应该怎么选？   [推广有奖]

2019年1月CDA大数据就业班某期学员全体毕业。

9个月后，一位985本科毕业7年金融系的男生向我们投稿，阐述自己一年来的思考：

小时候，老师说到或者我自己看到的名人名言，在我的意识中都会不由自主的产生权威性。后来长大了，发现这个世界是很复杂的，所谓名人名言，仔细推敲起来，也经常代表相互矛盾的观点。

比如“是金子哪里都会发光”VS“选择决定命运”。如果问现在从事大数据行业月薪20k的我，我会说金子只有在对的地方才会发光，而选择真的可以改变命运。

回想当初，2010年我刚刚以优秀毕业生身份毕业于211、985著名理工科大学金融学专业本科的时候，我其实更相信“是金子哪里都会发光”，认为凭我的能力，无论选择什么行业，都会有不错的发展前途，因此没必要在选择上花太多功夫。我想当然地基于“颜值”选择了光鲜亮丽的银行业作为我参加工作的第一个行业。

进入银行之后，我发现银行真的很挣钱，销售岗客户经理的收入10k+起步，其他岗位挣的也不少的，领导的年终奖更是几十万地发，分行要搬迁，新大楼说买就买，根本不用考虑租。单位停车场出现不少豪车……

我开始思考，为什么银行比其他行业要更赚钱？

有一些直观的解释，玩钱的地方，当然挣钱，书面一点的说法就是资金密集型的行业应当更利润更高。但是，武装押运现金钞票的公司好像并没有银行利润高。

（1）开银行的资本门槛太高，不是谁都有本钱开银行。

（2）银行业是许可经营，即便有足够本钱，也需要政府颁发牌照才可以。

这个确实是部分原因，但是从2010年开始，银行牌照越发越多，越来越多的地方银行也开始全国开立网点，争取升级全国性银行。当时银行同业之间竞争激烈，我们银行领导夸张的说“你现在随便走到一条街上，不一定找得到厕所，但一定能够找得到银行”

然而，在如此激烈的竞争之下，还是有某银行高管说，银行的利润高到不好意思公布。这又是为什么呢？

我自定义的概念：二阶行业指能够广泛和其他传统一阶行业发生业务关系的行业。

在银行，我们能够接触到几乎所有传统行业的客户，很多传统行业有周期，银行的领导、专家会不停的分析，哪些一阶行业处在繁荣周期，利润比较高，而银行可以不停地动态调整选择当下利润率较高、风险较低的行业开展授信以及其他业务。即：银行业利润率≈max(与银行有业务关系的一阶行业利润率)

同样，其他二阶行业，如IT、互联网，也是可以广泛地与一阶行业发生业务关系，因此也有不错的利润率。

后来，我个人在银行的发展到了天花板，很难进一步提升的时候，我又开始思考了，是不是要换一个行业了，有没有更有前途的行业呢？

嗯，这个可以有，这个真的有！

大数据行业几乎可以和所有的一阶、二阶行业发生业务关系！总会有热门的、有钱的行业需要做大数据，面对海量的需求，不愁没有生意做！

这是我后来果断坚决地选择转行大数据行业的一个重要原因。

刚进入银行时我就发现，曾经大学时擅长的科目，工作中基本用不上，工作中最需要的营销能力，我几乎为0，因此只能承担一些地位低下的打杂工作，月工资1K+，转正之后3k+。

我开始觉得收入似乎还勉强可以接受，但我很快被工作间歇同事聊天中的精彩的出国游、淡定的买房计划、豪车购买计划，品谈奢侈的包包、化妆品压的喘不过气来。这种感觉似乎似曾相识，嗯，让我想想……对了，就和我在学生时代在考试成绩出来之后，同学们在一起聊天讨论考试难度以及成绩的时候，我淡定的言语和表情的表面之下暗暗透露出的那股嚣张的气息，带给学渣压力的感觉，是一样一样的。

相似的场景，只是调换了角色，真是别有一番感受！

明明都在一个银行上班，我不得不思考，为什么曾经成绩前5%的我，现在收入在银行是妥妥的倒数5%？

在银行这么些年，借用流行的MOBA类游戏的说法，我总结出来一个比较靠谱岗位排序

一号位：营销岗（毕竟是直接输出利润的源泉）

二号位：推动岗（推动业务发展，定营销指标）

三号位：后台机要岗（办公室、人力资源、计划财务）

四号位：一线服务岗（柜员、大堂经理）

五号位：后台打杂岗（除了机要岗之外的，比如提数、出报表的我）

原来，任何一个行业，一个企业内部的岗位重要性是不一样的（开大会时大BOSS常常说每一个岗位都一样很重要，那是一种善意的谎言），有的岗位就是主力DPS一号位大哥，而有的（在银行时期的我）就是包鸡包眼的5号位，永远只能是配角。

如果你有志于干出一番事业，而你又恰恰处在一个行业的五号位，那么就必须想办法换行业！

科技出身的人不太可能最后发育成银行行长，但如果够优秀，可以转科技公司最终成为CEO。

人力资源出身的人在其他行业一般最多是人力资源部老总，但选择猎头行业如果够优秀，就可以开公司。

几乎所有的足球主教练都曾是优秀球员，如果是体能教练出身，是断然升不到主教练的，但如果选择健康行业且够优秀的话，成为健身或者养生专家是没问题的。

2017年，在银行业做数据类工作五号位的我，自认为还有些能力与志向，在培训机构做针对性职业培训之后，转行去了一个数据类工作能担当一号位的行业——大数据行业！

现在的我已经转行大数据行业，有些项目做完会发现，咦，甲方好像又可以优化（tidai）几个人员编制了？

说实话有时我对此会有一些负疚感，但我不得不承认，这是大势所趋，回顾人类社会的发展，时代大势总是会无情的让一些岗位被优化掉，然后又产生出新的岗位。

第一次工业革命，主要发明蒸汽机。从此重体力劳动被大量优化。

第二次工业革命，主要发明电以及内燃机，人类进入了电气时代。从此重体力劳动几乎被完全优化，精密体力劳动被部分优化。

第三次工业革命，电子计算机的广泛应用，促进了生产自动化，机械重复体力劳动、精密体力劳动都被大量优化。

前三次工业革命都只替代体力劳动，当前我们正处在第四次工业革命时代，大数据、AI等技术将开始优化脑力劳动中的固定逻辑脑力劳动。

世界经济论坛在最新发布的《2018年未来就业报告》中称，人工智能和自动化技术的发展可能导致未来五年有7500万个人类工作岗位被取代，其中大部分为固定逻辑脑力劳动。

在医疗领域，手术机器人、辅助读片已经成为全世界各地医院的医疗助手。

在新闻领域，编辑机器人已经能够自动写比较规范的新闻报道了。

在驾驶领域，优步无人驾驶已经累计行驶100万公里的行程。

在翻译领域，科大讯飞将语音识别的准确率已经从60.2%提升至95%。

在客服领域，支付宝现在已经使用了智能客服，成功提升自助服务率。

大势滔滔，顺之者昌，逆之者亡，我从前的工作，就是典型的固定逻辑脑力劳动为主。历史大巴向我驶来，并开始报站，“下一站：固定逻辑脑力劳动，不想被碾压的乘客请上车”为躲过被碾压的命运，我身手还算敏捷地上车加入了它。

如今我身处大数据行业，顺应时代大势去优化行业中的固定逻辑脑力劳动，而非担心自己被优化掉。每当想到这些，我就非常庆幸。

在对的时间离开银行，拥抱大数据，我并不后悔。

有机会升级加入三阶行业，

有机会告别了包鸡包眼的五号位，

有机会赶上历史潮流的大巴，

那为什么不呢？

CDA大数据分析就业班第十三期即将开课！

开课时间：10月27日

课程周期：5个月

学习方式：现场/远程

上课地点：北京海淀校区：北京市海淀区厂洼街3号丹龙大厦B座3018

CDA大数据分析就业班课程聘请10+位业界大牛，名师以数据分析流程作为框架，经过5次大纲调整，13次章节优化，调查10000+份企业实际应用情况与招聘岗位要求，形成目前的授课大纲：