作为统计专业毕业的同学，选择互联网方向的主要有两个工作方向，一是算法岗，二是分析岗。当然还有其他的一些比如对专业限定没那么明确的岗位比如运营、产品、人力等等也是可以的，只不过不那么主流，我们这里就不去讨论了。给这两个方向做一个区分：算法更偏和代码打交道，做的事情更底层；分析更偏和业务打交道，主要是为了通过数据证明某一种观点或者想法是否有价值。因为目标不同，所以对岗位的要求不同。算法需要更强的代码能力；而分析需要对业务更深刻的理解能力，而岗位要求的不同直接决定了面试的风格，所以看起来这两个岗位似乎有很大区别。但实际上，在某些公司，比如阿里或者腾讯，这两种岗位其实都统称研发，只不过是偏算法向和偏分析向，所以也没那么大的区别，同学们可以根据自己的偏好和禀赋去选择。
因为统计专业的在校生学习一些机器学习模型比较多，所以大家都想毕业就去做模型，但是又被算法岗那么高的代码要求吓到了，不明白为什么光想去调个模型就需要那么强的代码能力。我这里要澄清的一点是，确实算法岗是有机会接触模型的，但其实模型在算法岗的工作中只占到了20%左右，剩下的更主要的工作都是工程性的，比如从公司各种各样已有的服务中获取数据，支持一些新的业务等等。还有，即便是全部取到了数据，如果业务不能满足纯粹离线的训练方式，可能还是需要把模型改为流式训练，需要诸如fakfa、flink等等一些工具，这些其实都是需要一些代码能力才能完成的。所以大家不要对高的代码能力有什么质疑，以及不要觉得计算机主宰这个岗位有什么不公平，这就是现实。
认清现实之后，摆正差距，有针对性的去弥补。我个人觉得，不能因为我们是统计专业的学生就觉得我们好像不应该有好的代码能力，这正是我们应该自己加强的地方。不要因为自己没有学过，就觉得好像自己没有救了一样。其实很多人都是自学过来的。凡是有价值的东西都是需要去学习的，如果之前没有获得，现在努力习得了就是。再往远的说，即便是成为了一名算法工程师，为了把算法结果落地，你也可能需要掌握一些前后端，APP或者小程序的开发技能，这样你才真正的把一个模型输出的结果变成了他人可用的东西。
哪位同学说了，我真的一看到代码就觉得很烦，有没有不写那么多代码的互联网岗位？
尺有所短寸有所长，不必强求每个人都坐在那里写代码。如果自己有对实际的业务问题有更为深刻的理解或者与人沟通能力较强，可以把自己的idea推销出去。我个人觉得做分析(少量代码)和运营&产品(基本不写代码)是比较好的出路。我们统计专业有一些统计和模型的背景，对实际业务中数据的理解还是有优势的。如果算法是公司未来发展的大势所趋，那么为了做业务就必须要对算法有一个一般意义上的理解。但是可能其他专业的同学，可能理解一个kmeans都会感觉很费力，那么他们就可能很难理解某一个算法上线对实际业务的影响。这是我们专业的优势，大家可以把握这个优势，多多的去尝试。
现在整体互联网行业都极度缺乏人才，基本上只要获选人具有一些基础的能力，且有意愿继续学习，各大互联网公司都愿意把你招进去干活。告诉大家这个有两个原因：一是现在强有力的买方市场一定会拉起整体的薪资待遇水平，这两年应届生的白菜价已经在大幅上涨了(我知道大家在校期间其实对薪资是很好奇的，推荐大家一个小程序offershow，基本上可以看到市面上的主流offer水平)；二是大家一定不要去畏惧联系师兄师姐，多多内推。其实不论多大的title，每家公司都很缺人，都有机会。此外从师兄师姐的角度说，公司内部对内推者可能也会有一些奖励。当然，在内推之前，大家最好认真准备一下简历，彼此都方便。
读到这里，在正式开始干货介绍之前，我默认大家都是对互联网非常感兴趣的同学。如果大家还处在深度纠结之中，可以看一下我之前微信公众号的一篇文章：请不要因为”过于技术”而放弃互联网行业
下面的文章就是一些方法论性的东西了，大部分的内容取材于我自己之前公众号的文章。当然，我做了一些修改和整理，也加入了我这三四个月来自己的一些新的体会和想法。几个部分分别为：
