东赢体育如果，你希望之后从事互联网岗位，建议收藏下来，好好过几遍，看看自己应用锁定那个岗位来进入互联网公司。

　　这里强调一点: 每个岗位都在企业里发挥着独特的价值，没有高低之分，先摘下有色眼镜认真阅读，刷新下自己对于各个岗位的认识。

　　开发同学就像造船的人，正是因为他们开发出了服务于亿万用户的产品，才有了之后的商业帝国。

　　人才供应量:对于岗位供应量，所以的岗位都是初级岗位多，远大于需求量，中高级紧缺(其他岗位人才供应量相同的道理，不在重复，你心里要明白)

　　职业点评:前端入门容易，但因为知识体系庞大，后面学习曲线陡峭，要精通或者说hold住一个高级岗位的前端，要学习的知识很多。

　　薪水范围:属于互联网偏高的岗位，15k-60k月薪 (对于薪水，每个岗位峰值都基本相同，区别主要在于刚入行的起薪和前期工作增长速度)

　　后端开发主要是服务端的业务开发，即，用户看不到也无感知，业务的逻辑实现都在云端运行完后回传到前端。

　　职业点评:入坑门槛不高，但后端成长路线比较漫长，每个阶段要花费很长时间理解和吸收。岗位纵深很大，可以到架构师，CTO，但需要不断升级打怪，而不仅仅是调接口写接口，来实现业务的增删改查(CRUD)，这种情况仅限于开始入行第一年，长期CRUD，没有壁垒，后期也最容易替代，因为后浪供应量摆在那里。

　　人才需求量:在互联网岗位里，2010-2017增量明显，近几年增量放缓，原因是小公司采用大前端跨端方案，挤压了客户端人才需求。

　　人才供应量:社招存量多，校招同学很少，原因是需求量没上来，且大厂喜欢要有经验的社招同学。

　　职业点评:就业面逐渐缩小东赢体育，晋升相对比较难，专业性使得需要坚持在一线开发。

　　人才需求量:2015年开始，人工智能大热，市场上需求从0到1，但由于没有太多供应，溢价很高，这也使得最近几年大量科班和非科班转行涌入。但是大厂的AI人才需求的增量正在变小，原因是近两年越来越多的成熟框架出来，能满足大部分厂的业务场景，而除非有充足的资金，清晰的商业模式，否则即使大厂也会觉得东赢体育，没有必要养一大批AI Lab的大师，整天发paper、炼丹，为了1%的提升，变得更卷，比苏炳添，用三年时间从9.99s提升到9.91s都难。慢慢会出现一些工业界AI大师，开始回流学术界。人才供应量: 供严重大于求。小厂养不起，或者即使养得起，也不是AI算法同学的目标。

　　人才供应量: 供严重大于求。小厂又养不太起，或者及时养得起，也不是一般转入AI算法同学的目标。

　　从乔布斯、雷布斯、Pony都自称产品经理，就无形之中为这个岗位做了最好的代言。

　　产品经理人才，同样是遵循金字塔结构，由于大学没有这个专业，入行门槛低，使得山脚下的初级人才爆满，要想一步步走到中高级，还会有很长路，而且有可能一直在山脚下盘桓。

　　产品经理不仅要具备产品思维，逻辑清晰，对细节敏感，看到本质，同时要有强大的内心，因为实际工作中东赢体育，有位京东的产品写的很到位:真的，别想不开当“产品经理

　　互联网行业的产品经理们，每天需要打交道的人形形，背景各异，“语系”各样，这着实是一场惊心动魄的外交风云

　　顶着产品经理的头衔，实则没有经理的实权，却操着老板的心。智斗研发、武斗运营，每天都在高速思考的状态下搏斗四方

　　当产品经理就必须习惯与孤独为伴，这种孤独并不是没有朋友的孤单感，而是思考和决策的过程并不会有人给你明晰的指引，只能靠自己的独立思考和理解去给产品赋予生命力，做出关键决策

　　产品力要经过无数次的思考、被推翻、再思考、被打击、被质疑后沉淀下来的能力，不是看书和画原型能培养的

　　这是一个非常压抑的过程，玻璃心建议还是不要来了，因为你会碰到来自各方的挑战，从小白跨越到能手是需要承受许多委屈的

　　运营细分的岗位很多，在对每个岗位详细描述(思维脑图展开有有点太抢占文章篇幅，这里就省略了，需要的私信我)。

　　不同岗位的运营目的都是通过运营手段，完成流量渠道搭建，用户维护，产品优化，最后使得公司产品能够很好的服务用户，并产生商业价值。

　　数据从2015年之后，成为每个互联网公司里必备团队，从业规模也在逐年增长东赢体育，总体数量和规模还是小于运营、产品、研发。

　　数据团队包括数据分析师，数据科学家，BI工程师，数据仓库工程师，数据开发工程师。

　　好处在于，业务端每天哪些破事儿，可以不用理会，哪怕公司收入掉10%，也可以不用关心，自己正常做好自己的工作，问题由业务和分析师去定位就好。

　　坏处在于，业务侧能看到视角更广，可以知道商业如何运转，会遇到哪些问题，大家是如何解决的，另外就是年终奖，如果今年业绩好，可能最直接受益的是跟业务侧离得近的同学，至少相关性会更大一些。

　　数据分析师是最接近业务线的同学，会更直接接近业务线遇到的问题，包括异常定位，策略挖掘，用户分析。有一点，数据分析师是站在BI工程师、数仓、数据开发的肩膀上来发挥数据价值的。

　　正常来说，数分不需要关注数据底层的收集，清洗，只需要在数仓完成90%的数据清洗的各个表进行直接的统计分析。当然，小公司的话，不会区分这多数据岗，可能一个人把所有的工作拦下都可能。但当公司业务发展到一定阶段，招更多的人，进行不同数据层的分工是必然的结果，也是最大化数据流动的价值。

　　数据科学家，对模型算法有要求，但从Google，Facebook一线工种人员的反馈来看，大部分还是以解决业务问题为导向，不会纠结于是否使用那些算法，所以分析师、科学家的分界线其实很模糊，姑且就成为高级分析师吧。

　　BI工程师，主要工作是做数据报表为主，不对实际业务的分析以及落地负责，也不会有输出策略的压力，相对来讲就是搬运数据，统计数据，但是要保证数据的准确性、及时性。

　　虽然只有6个字，但是实际生产环境中，业务指标会很大，报表也不止几十张，上百张都可能，一个表字段的修改可能会影响很大，所以需要BI工程师来保证数据的准确性、及时性。

　　数据仓库工程师，数据源的基础，负责收集，清晰，并做科学的数据分层，进入到可用的数据仓库，供数据分析师、BI工程师使用，一切数据价值都要基于数仓同学辛苦维护的数仓，非常重要的幕后英雄岗。

　　数据开发工程师，很多时候公司足够大，有足够多的资金来养一批人，专业会负责大数据底层框架研究和开发，并输出这些基础平台能力到偏向业务的团队，包括数仓、数分来使用，让数据流转变得更高效更稳定。这些同学对编程、算法能力要求比较强，喜欢钻研又一细分领域，喜欢以最优的代码来解决底层问题，喜欢研究开源社区的源码，并及时跟进开源社区的新技术发展。

　　目前相比其他岗位，数据岗位红利还在发挥余热，有兴趣的进入数据行业发展的同学，请找经哥帮忙@数据民工来取经儿

　　受iphone手机的发布，交互设计大热，2010年到2015年之间，用户体验是非常热门的话题。

　　不论是 UI 还是视觉/运营设计，大公司对岗位的专业性要求越来越强，以至于现在越来越流行把这两种岗位区别开来。

　　互联网企业觉得自己一家科技公司，自己养太大的设计团队太大没必要，在考虑是不是精简一下人员，把部分设计工作交给外包来做。

　　互联网公司运维，负责维护并确保整个服务的高可用性，同时不断优化系统架构提升部署效率、优化资源利用率提高整体的 ROI。

　　开发、测试、算法、数据人员的工作环境是由运维保障的，从而间接支持了产品、运营等业务部门，幕后英雄。

　　运维需要掌握一定计算机基础以及编程，算法要求低于开发和算法人员，起薪略低于开发，但后期随经验工资上前期增长会比较快。

　　测试的需求量在互联网里，保守估计能排进Top5，起薪低于研发，高于运营岗。

　　商业产品，尤其收入要从B端收的互联网公司，比如，百度，字节，阿里这些公司主要收入是广告变现，就需要大量的销售将公司的广告库存销售给广告主。

　　销售属于极度锻炼人的岗位，对于性格上适合做销售的同学来讲，前期成长会非常迅速。

　　财务，对于老板极为重要，因为老板关心收入、成本、利润东赢体育，关心下一轮融资进度，关心上市的最大估值。

　　帝都北五环外，码农集聚村，回龙观的一位数据老民工，欢迎加v唠嗑、吐槽(v: ITlooker)

　　只回复付费咨询的同学，相信经哥，这是最高效的沟通方式，欢迎有付费认知的同学来撩。