当前位置:首页 » 《关注互联网》 » 正文

毕业工作几年,月入还不到2万的建议速看_涤生手记

25 人参与  2022年01月13日 08:02  分类 : 《关注互联网》  评论

点击全文阅读


            中国的IT行业因为有人口福利,所以但凡有个细分领域可以搞互联网+的,弄个应用服务日活10w+都可以活的很好了,当然像抖音那种现象级的APP日活过亿的,早已赚的盆满钵满。中国的IT行业的蓬勃发展,蛋糕之大,让所有IT行业从业者的收入总体处于行业前列,可比拟的只有金融行业——一个不创造财富,只分配财富的行业。 

1.为什么很多人进入IT/大数据行业?

       工作这些年,参与和负责的面试人数在百人以上,也算见识过形形色色的面试者,有初出校园的大学生,有深入行业多年的佼佼者,有某个领域的专家人物;见识过计算机相关专业的人很不专业,也有跨行自学大数据的转型成功的优秀人员。因为IT行业的诱人薪水,面试过很多甚至名校毕业的人转行大数据,比如有中科院材料学硕士转行大数据,也有中科大本硕物理学自学IT的,更有浙大传播学,山大机械专业等优秀学子加入我们这个行业。

       为什么那么多优秀的实体行业的人加入IT行业?兴趣之外,更多的是收入使然吧。一个简单例子,之前和我聊了一个多小时的一个大哥,中科院材料学硕士,毕业几年北京薪水20k,但是这个收入对于IT行业来说,这个背景,这个工龄,真心不高。有时候我们怀揣理想,但是也要脚踏实地,老婆孩子热炕头——这就是他转行自学IT,自学大数据的原因。有时候我在想,一个大国,非实体的行业的过渡发展,繁荣的背后也许并不一定是件好事。是否大哥在材料学的投入对国家的产出也许比IT行业更大,但是对个人来说,也许IT行业的工作更加衣食无忧。

       IT行业收入很可观,大数据在行业的收入更加可观。在一线城市,北上广深,一般工作3年以上20k+,5年以上30k+,今年我们公司校招生起薪都是14k了。优秀的人才需要的时间更短。我有同事,88年,年薪100万+。虽然大数据行业的薪水很高,但是优秀的人才很少。每天Boss收到十几份简历,却招聘不到合适的人。我们能在这个行业拿到高薪,不是因为我们牛逼,而是因为我们站在了风口上,因为我们这个行业处在上升的空间,如是而已。

2学历一般,收入低,彷徨,我该怎么办?

        这些年因为国内高校的扩招,每年600万+的大学毕业生,而211/985的学生才有多少?可以说很多同学都是普通学校,普通专业的毕业生,到社会上其实找工作真的挺难的,想进入名企更难,毕业就是失业。虽然工作机会比以前增长了很多,但还是远远低于扩招速度,导致学历含钱量大大降低,俗称内卷。学校教的那点东西是完全不足以到社会上生存的,这就是现实。很多小伙伴冷门专业,普通学校,毕业了工作几年了月薪还是几千块,这就是现状。

        所以要想有好的发展就要靠自学,从大学开始自学,从毕业开始自学。毕业了只是开始,而不是结束。大学最重要最重要的能力就是学会自学,学会获取资源自学。

        当然对于家里有矿的同学另当别论,可以继承家业,可以去考公务员,去从事体制内工作。不用担心买房,也不用担心房贷,所以可以理想远方,故乡姑娘。但是中国有5.7亿农民,我们大多数小伙伴毕业后就面临着买房,结婚,赡养父母,抚养子女,三座大山。对于我们普通人来说,如何努力多赚点钱,吃饱饭,吃好饭的问题更加实在,我们需要改变自己的阶级,需要上升通道。

      前段时间流传着码农被定义为:新生代农民工,这不是段子。因为从事IT行业,996的小伙伴真的更多是农民工子弟,有钱人的孩子继承家业,从事金融投资的比较多。所以做程序员的都是屌丝多哈,IT行业加班也普遍多,熬夜多,是为码农。

 3.哪些人适合转行it?有啥条件?     

        很多小伙伴冷门专业,普通学校,毕业了工作几年了月薪还是几千块,万把块,这就是现状。而有些计算机专业的小伙伴,甚至大专学历,月薪都几万了,不是因为他们比你牛逼,而是选对了行业。国内有些行业真的内卷的及其严重,有些行业就是要求高学历,名校毕业的门槛,薪水也开不上去。

  1. 大学毕业几年,薪水还是很低,自己不满意?
  2. 想转行却不知所措,没有人指引带领,不知该如何开始?
  3. 选择转行自学却静不下心?自学没有驱动力,不知道怎么学?
  4. 有一腔热血,不怕吃苦,想拿高薪却不知怎么办?
  5. 想拿高薪,对未来职业规划迷惘?

         万事开头难,万事开头难,入行最难,重要的话说三遍!!!!

        IT行业薪水高,要求一定很高吗? 很多小伙伴面对此都很彷徨?以为自己不行?其实IT行业其中普通大学(二本三本)的毕业生占比是大头,211/985的学生占比人数远低于医药,金融行业。以作者所在的大数据行业为例,基础要求真是那么高吗?(当然做大数据行业高端算法,模型,进阶等是需要更高基础的,需要更深层次学习的,当然薪水也更高,这里我们只说普适性,当然你也可以学习,没啥了不起的)

 作者所在大数据行业薪水众数范围值(一般企业都是13-16薪)

       如果你大学毕业,对收入不满意?对当前工作不满意?对当前行业发展有想法?愿意改变,愿意花时间学习,愿意吃苦,想拿高薪?你可以考虑IT行业,可以考虑进入IT行业学习,工作,相对来说,是投入与产出比比较高的职业。其他行业想拿月薪2w起有难度,门槛高,但相比IT行业是对出生最不看重的行业,收入也高。

       当然IT行业的分类也很多,有前端,后端,大数据,运维,语言分python,java,r,c++等?又该如何选择?如何选择一个上升期,要求低容易学习的行业呢?

      那么现在即使你心动了,又该如何进入IT行业?如何学习呢?是通过网上免费的教程,B站等下载免费的教程看,淘宝买个系统的教程自学?还是辞职报个线下的培训机构课程,全天候学习?培训机构该如何选择?靠不靠谱?知识体系那么庞大,学习过程该如何取舍?这些问题不用说都摆在你的面前。

 

 4. 转行IT行业该如何学习?

           写给大数据初级开发者或准备转行大数据的人_涤生手记-CSDN博客

          不管你是计算机相关专业的毕业生,还是其他专业想转行IT行业的人,想从事一门新的领域,最好的方式就是有人带,专业的人教。现在互联网行业最不缺的就是资源,我们要做的是筛选资源。比如你想学习JAVA或者大数据,现在网上免费的教程很多很多,也有些培训机构分享的课程很全面,那么是不是不值得花钱去培训机构学习,不值得花钱报班了呢?自己下载个课程跟着学习呗,多好多省钱。

          其实不然,如果您转行IT的小白,你是计算机相关专业的小白。我强烈建议您花钱去培训机构学习,找一家靠谱的培训机构或者培训课程学习。学习最高效的方式是优秀的人才直接教你,其次媒介是是视频,再次是图片,最后是文字所以这一点来说IT培训机构的学习比你自学高效很多倍,远甚于自己在哪苦苦摸索 ,关键还学不到啥东西。或者说获取同样的知识,自己苦苦摸索要比别人花更多时间和精力,关键有些时间和精力的浪费还是不必要的,因为有些你苦思冥想,绞尽脑汁才能理解总结明白的东西发现都是现成的,别人早已经解决了,拿来主义不香吗?

       牛逼的人可以自学,有强自我约束力,有强学习能力,没有问题。但更多的为了省钱自学结果就像马老师说的那样,晚上想想千条路,早上起来走原路。个人觉得几个原因吧。

  1. 首先即使有免费的课程(实际很容易获取免费课程),但自学你坚持不下来,也很难坚持下来,这不是危言耸听。那么最好就是抱团成长,抱团一起互相监督互相交流,互相进步,不给自己退路。这就是为什么我说万事开头难,每个行业都是入门最难,入门以后,你就了解了其规则,然后你就知道怎么学习了,进步起来就会很快,也更容易深造。你想想曾经自己想学习的东西很多,为什么最后都没有坚持下来?所以有些投入还是需要的,选择了就义无反顾,相比你最后涨薪的幅度,那点投入都不叫投入。其次,自学一旦遇到问题,甚至很简单的问题,没有人帮忙指导解决,很容易挫败信心,容易卡壳进度,自己在那苦苦摸索浪费时间。
  2. 其次,IT行业分支多,如何选择,如何学?每个IT分支里也是系统化,繁杂化的知识体系非常多,学习过程中该如何取舍,毕竟学习的时间有限,你想转行IT不可能像念大学那样全职搞个四年,全面开花的学习。最有效的学习方式就是企业工作需要用什么学什么,学什么用什么?那么这些学习的取舍,学习重点的掌握?一定要有工作经验丰富,技术不错的人带你了,告诉你,这样学习效率最高,你少走的弯路也最多。不然全篇幅系统化的学习,很容易让人奔溃。这也会很多培训机构的弊端,课程体系看似很丰富,但是没有重点,看似全面负责,实则是偷奸耍滑的不负责。所以短时间的学习最重要最高效的方式就是企业怎么用,就怎么学,学完就可以直接上手。所以学一个知识要知道这个知识在企业中是怎么用,这不仅是知识的应用,也是工作经验的总结,学到的不仅是知识,还有工作经验。
  3. 辅导与找工作,最终是为了工作,知道企业需要什么知识,学习什么知识,用什么学什么,都没有问题。但是所谓的面试造航母,工作拧螺丝。如何指导你找工作,如何在学习中免费获取别人的经验,复制别人的经验,如何面试指导等等,找到一份满意的工作,这个也很重要,要学会包装自己。有些坑不需要自己去趟,把自己搞的遍体鳞伤。让专业的人告诉你如何做。

4.如何选择一家靠谱的培训机构或者课程

    综合总结网上和自己的观点,窃以为如下可控参考:

    其一:选择IT培训一定要选择有过实际企业开发的人教学,最好还在一线工作的人教学,很多培训机构老师基本是啥火学啥,人还是那批人,android火的时候教andriod,python火的时候教python。所以可能他们自己都不知道企业开发中是怎么运作的,教学也只是一些官网语法教学,扣的特别细(所以这一点来说培训机构的课程不合适进阶学习,只适合入门)。所以很多小伙伴学的时候也会一脸懵逼,都不知道以后该干啥,怎么干?学习一定要先见森林,再见树木,最后再见森林的状态。尤其是学习技术技能,一定要啥有用学啥,学啥用啥,用啥学啥。

        其二,一定要理论联系实际,理论与实际相结合,去企业是干活的,去解决问题的。所以最好的学习方式就是“下车间”。所以要在实操中学习知识,避免语法化,科班化的教学。show me code,no can no bb。理论适合面试用的。学习的目的是为了应用,一定要知道怎么用,才知道怎么学。

        其三,一定要有方向,要有重点的学,尤其在那么短的时间内学习,全面开花尤不可取,所以企业用什么学什么,先找到工作,可以满足工作需求,然后在企业中学习。比如不要把整个大数据生态系统的组件都过一遍,都学一遍(尽管很多培训机构都这么干),那是傻,那不是课程全面。那么短的时间,首先你学不深入,其次学了不用你也记不住,再次也不可能一次工作中用那么多。不要万精油。

         其四,培训既有很多线下的全日制教学的,也有线上培训的 ,如果有工作的下伙伴,我个人觉得没必须去线下全日制,还那么贵,当然如果约束管理能力特别差,有时间的建议线下学习,效果会好些。当然如果准备跨行的有工作的建议可以课后学下,每天学习一点,这样两不耽误。

 

最后总结一下,建议报培训课程的主要作用就是:

  1. 共同的学习氛围,一个人容易松懈,抱团成长。
  2. 有人帮忙答疑解惑,辅导学习,避免自己走弯路,瞎摸索
  3. 学习复制别人的经验,同时高效学习企业知识应用
  4. 面试辅导,工作指导,工作推荐,事半功倍

5.我们的大数据运维课程来了哈 

5.1 为啥是大数据运维课程?

        这里笔者联合了阿里巴巴,平安,b站,美团,苏宁易购的一线资深开发,技术专家,小伙伴一起开发了大数据运维系列课程。强调一下:首先,我们不是100分,也没准备教你到80分,而是我们是80分,准备教你们从0学到60分。本系列的大数据运维课程可以满足市面上80%以上大数据公司的大数据运维工作,带你入门后,再登堂入室,至于最后能不能洞房就看你自己的发展了。其次,这个课程学完只可以让你找15k-35k范围内的工作,更高的要求要靠你自己的后天努力发展了,我们教学的目的是培养大数据运维,资深大数据运维,而不是上来就是大数据运维专家。

        跟普通培训机构的区别,只有实战,实战,还是基于实战教学。上千集群平台,零距离展示大数据运维在企业中工作日常。只学有用的,现学现用,拒绝demo;线下持续辅导,简历优化,面试模拟,工作推荐。学完可以应付市面上80%以上公司大数据运维工作。

        我们的优势,首先你不用担心哪个知识点没掌握,我们会告诉你哪些属于了解,哪些要理解,哪些要重点掌握,学习要有目的性,要分重点。学完告诉你这东西在企业中怎么用,国内企业有哪些用法?从开始学习就进入企业开发状态,拒绝枯燥科班填鸭式教学,实时分享,线下持续辅导,不仅学习的是知识,还有认识的小伙伴。课程全体系,从应该掌握的基础IT知识,linux应用,网络基础,shell编程,到大数据集群的配置,优化,组件的原理剖析,二次开发等等。我们的目标是满足市面上80%以上公司大数据运维工作。

5.2 课程简介

  1. 课程开课时间:10月10日开始全面上线,线上课程,每天更新(特殊情况会通知),每天坚持学习即可,完成学习任务即可,线下wechat持续辅导,交流。
  2. 课程体系化,课程全部周期大概3-5个月之间,会根据实际相应调整,有些我们会重点教学。应该在4个月左右。课程中会告诉你20k应该掌握什么样,30k应该掌握什么样,看你个人选择,让大家学习有的放矢。
  3. 课程教学方式:线上课程,线下交流分享辅导。不耽误您现在的工作,也不耽误我们现在工作。
  4. 课程收费:初步定义1000-3000之间,保证远低于单个月涨薪的幅度,主要现在很多平台抽成太厉害,50%左右,小伙伴的投入也要有产出,没米没动力哇。也不搞各种拆分卖,二次收费之类的。有特殊情况的小伙伴也可以减免。
  5. 最后,尽量让每个小伙伴都可以找到一份称心的工作。联系我,看下面图片哦。

最后我很喜欢的几句话送给大家:

1.种一棵树最好时间是十年前,其次是现在 

2.知行合一,知道了不去做,等于不知道

3.每个人都有一个觉醒期,但觉醒的早晚决定个人的命运


点击全文阅读


本文链接:http://m.zhangshiyu.com/post/33135.html

学习  行业  工作  
<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

关于我们 | 我要投稿 | 免责申明

Copyright © 2020-2022 ZhangShiYu.com Rights Reserved.豫ICP备2022013469号-1