H1B收紧CS寒冬,这个职位需求大工资高门槛低H1B友好,你要不考虑下!
近日,美国公民及移民服务局(US Citizenship and Immigration Services)公布消息称:2017财年H-1B的批准率不到六成,已创下10年最低记录。而且,H-1B签证职位的工资要求在逐年提高!
H1B政策不断收紧,无疑给那些想留在美国工作的留学生带来更大的重压,尤其是Non-Stem专业学生,找工作本身已经很难,还要有公司愿意Sponsor,并且工资水平能达标,更是难上加难。
同样,最近码农圈爆出的一条消息也如重磅炸弹一样:Amazon宣布不再接收new grad SDE I的申请。
众所周知,Amazon一直以来是作为美国CS Master们救命稻草的存在,不仅常年大量招人,门槛相对Google、Facebook也要低上一些,可以说每年消化了大量的CS毕业生。而现在随着Amazon的招聘收缩,再想到之前Snap和Facebook之类大户的情况,美国CS就业形势直接爆炸。计算机应届生求职可能要遇到前所未有的困难... 种种迹象表明,winter is coming,转码大军似乎也需冷静一点了。
H1B政策对non-STEM专业越来越不友好,而以往大热的CS专业又似乎进入了求职寒冬。那对于想留美工作的同学(尤其是文商科专业),还有其他更好的出路么?
另辟蹊径,寻找新的专业/职业方向:
成为一名Business Analyst!
新兴岗位需求量大,多行业多领域应用
先来看下business analyst的职位,到底有多热!
Indeed上搜索Business Analyst的职位数量
Glassdoor上搜索Business Analyst的薪资水平
越来越多的公司愿意聘请“商业分析师(Business Analyst)”来制定发展和增长的战略或建议,在高科技,医疗保健,金融,零售等不同行业都有很高的需求。商业分析师也是IT和客户之间的桥梁,因为他们需要了解客户的需求,熟悉行业趋势,分析数据以解决问题,提供策略, 用数据创造价值,并促进公司的潜在增长。
在美国,初级的商业分析师(Business Analyst)年薪在7-9w美金之间,作为几乎所有行业每家公司都会有的entry level position,工作岗位机会大约是Data Scientist的3倍,未来10年工作机会预计有27%增长,据美国劳工部统计数据预测,美国在2020年会需要876,000的商业分析人才。
2
妥妥的STEM专业!将来申H1B更容易
川普上台以来,移民政策不断收紧。给想留在美国工作的留学生带来更大的重压,找工作本身已经很难,还要有公司愿意Sponsor,并且工资水平能达标,更是难上加难了。尤其是非STEM专业,典型如商科、泛人文学科等,机会会被极大程度地压缩。政策明显倾向STEM专业,所以未来公司也会更愿意Sponsor STEM专业的职位,其相应的薪资也更能符合标准。
现在大部分学校开设的Business Analyst专业都属于STEM方向下,选择这个方向也是为日后更顺利的留美做好准备。
3
入门门槛相对容易,文科理科皆可转
BA是一个比较适合文科小白入门理科的专业,难度系数不高,内容也比较有意思。只要你对数字的抵触心理没有那么强烈,都值得一试。
相比起文科转CS的奇高门槛,文科转BA要友好的多。而且在BA专业里接触过一些入门的代码学习后,对未来学习编程信心大增。
小编周围就碰过过很多文科生成功转行BA的例子,有公关关系专业的,有marketing的,有学语言的,五花八门。甚至还有很多本身统计出身的理科生由于对金融、business与data的结合应用感兴趣,也纷纷转行做了BA。
门槛低
工资高
H1B政策友好
还需求量大
真的是在美性价比灰常高的职业方向了!
那如何成功入门Business Analyst?甚至在最短时间内拿到BA offer?
九周时间
来跟着Data Application Lab业内王牌导师
与志同道合的战友一起get商业分析技能吧!
数据应用学院(Data Application Lab)由硅谷和华尔街的高级数据科学家及大数据工程师联合创办,致力于传播数据行业最新应用和知识、培训输送优秀大数据人才。以填补人才缺口、充分发挥大数据在商业中的力量为使命。北美最早也是最高水平的数据科学家培训项目 。洛杉矶、达拉斯数据科学高峰论坛的组织者(dsassn.org)。
与Data Science Association一起举办超700人参加的数据科学大会。
2016年Data Application Lab被权威媒体Tech Beacon评为Top 16 Data Science Bootcamps榜首。
自从2015年开课至今,已经帮助百余位同学找到理想工作,毕业生纷纷拿到Amazon、Snapchat、Ebay、Discover等硅谷、西雅图、洛杉矶互联网科技公司的Offer,图为部分数据应用学院毕业生去向。
小编经过试体验,发现他们的BA项目亮点颇多!
5位工业界顶尖Data和Business Analyst高手全程授课。
9周中文课程,搞定基础知识和Cross-industry Process for Data Mining and Problem Solving。
9周Lab,手把手从零开始,一行一行带你敲代码,保证 “上课认真跟着练,下课就学会”。
每周还有TA带着讲作业,答疑问,保证知识点毫无遗漏。
12个Case study案例分析,熟悉掌握商业流程中的不同场景应用和问题解决思路。
6次求职辅导集训营
3个Capstone实习项目提供实习证明和Certificate
上百个内推成功案例,提供相关职位的内推。
课程设置也是非常过硬,紧跟行业趋势,学的都是BA日常工作中实打实应用的skills,模拟的也是现实工作中的case。不少学员毕业后都很快收获了理想的offer:
Business Analyst
课程信息
课程价格
$2800
课程周期
9 Weeks
上课形式
课程形式为 online webinar讲座形式,实时互动,并提供video回看。
上课时间
课程时间:每周六
美西时间14:00-16:00pm Lab 16:30-18:30pm
美东时间17:00-19:00pm Lab 19:30-21:30pm
Technical 小课:每周一,周三
美西时间18:00-19:00pm
美东时间21:00-22:00pm
TA答疑:每周四
美西时间18:00-20:00pm
美东时间21:00-23:00pm
除此语音答疑外,Piazza及微信群答疑,保证同学的问题在24小时内得到解答。
职业辅导:周五
美西时间19:00-20:30pm
美东时间22:00-23:30pm
王牌讲师
王牌讲师:Pan老师
Pan老师
超过10年商业分析工作经验,Lead Director of Analytics,MIT 在读EMBA,对生物医疗、电信通讯、市场营销等多个行业都有深刻了解,业余通过自媒体热心分享商业分析前沿应用
王牌讲师:MK老师
MK 老师
北美Top Digital Marketing公司Marketing Analytics Manager,擅长数据库、SQL应用,市场营销分析
王牌讲师:Summer老师
Summer 老师
硅谷IT公司marketing部门Data Scientist,擅长统计模型,R的应用
WE Career用户报名福利
10月28日新一期课程即将开启
现在报名还可享受三重福利大礼包哦!
🎁 福利一
现在报名
可享受WE Career专属折扣,
学费立减
$300
$300
$300
(在报名链接里输入折扣码:
“wecareer300off”)
🎁 福利二
现在报名
可获取一份《北美商业分析求职白皮书》
🎁 福利三
现在报名
还可免费享受WE Career价值$299
求职测评辅导服务一次!
【使用WE Career专属折扣码报名,截图留存发给WE Career小编(ID:WECareer_1),开课一周后至6个月内都可联系小编享受该服务】
这么光明的职业前景
这么扎实的课程项目
这么诱人的福利礼包
还等什么?
赶快报名吧!
直接报名
复制下方链接登录课程页面
https://www.dataapplab.com/course/bacn/
或点击“阅读原文”登录课程页面
了解更多信息:
扫描二维码加Data小助手了解课程详情
课程表及Final Project信息见文末
Project 实习项目
Data Application Lab和北美科技公司广泛合作,通过联合开发和技术咨询方式为学员提供实习机会。 每位学员可以选择我们提供的实习项目,也可以结合自己的背景在导师指导下完成个人定制化的实习项目。
Project 1: Customer Segmentation Analysis and Campaign Analysis
Project 2: Marketing Analytics
Project 3: Sales performance and forecasting in R
项目课程表
第一周
- Relational Database
- Data Definition Language
- Database Overview
- Database vs Data Warehouse
- Data Type
- Data Model
- Database Objects
- SQL Query Basic
- Join and Union
- Basic Query
- Aggregation
- Advanced Excel
- Data preparation: Cleaning and categorization, merging datafrom different sources
- Basic functions: SUMIFS, COUNTIFS, MATCH, IF Modeling, TextFormulas, Date Formulas, VLOOKUP
- Pivot Table, Slicers, Formatting, Remove Duplicates,Filters, Sorting
- Data Analysis
- Visualization
- R Basic I
- Installation & Introduction
- Types of Variables
- Using Variables
- Logical Variables and Operators
- Create a Vector
- Using the [] brackets
- Functions in R
- Packages in R
第二周
- Overview of Business Process
- Business Process: Marketing, Business Development, Sales Operations, Pricing, CustomerExperience
- AIDA Framework and Concept
- Data Preparation
- Business Insights
- Case study
- Data Quality Control
- How to Choose Business metrics?
- How to interpret a business question into “data analytical question”?
- Linear Regression
- Basic linear regression statistics review
- Linear Regression in R
- Linear Regression Model Diagnostics
- Case
- Restaurant Sales Forecast
- R Basic II
- The While Loop
- The For Loop
- The IF Statement
- The Ifelse() Function
- Vectorized Operations
- Vector Calculation
- R Basic III
- Building your first matrix
- Data Frame
- Data Frame vs. Matrix
- Subsetting
第三周
- Marketing Analytics - Marketing Mix Model
- Marketing Strategy Overview
- ROI Analysis
- Predicting Consumer Choice
- Marketing Mix Model
- Case study
- Multiple marketingcampaign channel Analysis
- SQL Query Advanced
- Advanced Query
- Sub Query
- Query Optimization
- R Basic IV
- Merge Data Frames
- Basic Regular Expression
- Import Data
- Explore your dataset
- R (dplyr package)
- Install Packages
- Select
- Remove duplicate rows
- Filter
- Nesting vs. Chaining
第四周
- E-Commerce Analytics
- Key metrics in E-commerce industry
- Digital Marketing Analytics Full Cycle
- How to build customer profile
- How to increase conversion rate
- How to segment and rank customer for lifetime value analysis
- Case study
- Factors related to conversion rate
- Customer RFM segmentation and applications
- Logistic Regression
- Basic knowledge of logistic regression
- Logistic regression in R
- Logistic regression validation
- Case study
- Case: Credit Card FraudDetection in R
- R (dplyr + tidyr)
- Arrange
- Mutate
- Summarise
- Gather
- Spread
- Unite
- Seperate
- R (ggplot2 package) I
- Data
- Aesthetics
- Geometrics
- Statistics
第五周
- Marketing Analytics - Segmentation, Targeting, Positioning
- Marketing Strategy Overview II
- Customer Segmentation and Targeting
- Promoting and Product Positioning
- Case study
- Clustering-how manycustomers should I have
- Data Visualization with Tableau
- Connecting to Data
- Visual Analytics
- Calculations
- Dashboards
- Publish to Tableau Online
- Tableau Hands on - Dashboards
- Dimension Folder & Hierarchy
- Superstore customer summary dashboards
- Superstore Product summary dashboards
- Actions in dashboards
- Tableau Hands on – Advanced
- Parameters
- Set
- Building your first STORY!
第六周
- Customer Experience & Pricing
- Customer Experience Overview
- Retaining Customer and Churn Prediction
- Attribution Model and NPS Score
- Pricing Overview and Example
- Case study
- Pricing Methods
- Machine Learning Basics- Clustering
- Classification vs. Clustering
- Cross Validation
- Clustering in R
- K-means Model
- Hierarchical Model
- R (ggplot2 package) II
- Facets
- Coordinates
- Theme
- R (Apply Functions)
- apply()
- lappy()
- By()
- sappy()
- tapply()
- vapply()
第七周
- Business Development- Lead Generation
- Overview of Business Development and Sales
- Lead Generation through Web
- Lead Prioritization
- Sales Forecasting and Salesforce Alignment
- Case study
- Lead Analytics
- Machine Learning Basics- Classification
- Decision Tree
- Random Forest
- How to build Decision Tree and Random Forest in R
- R (data.table Package)
- Subsetting data the old school way
- Enter the data.table package
- Similarities to SQL
- Tabulation
- SQL Interview Questions (Basic)
- Capstone Project Review Using R
第八周
- A/B Testing
- Fundamental principles of experiment design
- Randomized design experiments
- Matched-pair design experiments
- Preparing data for analysis
- Analyze and interpret results
- Sentiment Analysis
- What is sentiment analysis
- Why sentiment analysis
- Sentiment analysis in social media
- Case study
- Twitter SentimentAnalysis
- SQL Interview Questions (Advanced)
- R Interview Questions
- Capstone Project ReviewUsing Tableau
第九周
- Financial Analytics - Fraud Detection
- Overview of fraud detection
- Which factors can lead to fraud?
- Fraud Detection in insurance
- Fraud Detection in bank
- Credit fraud detection
- Choose a right model to detect fraud
- Case study
- Credit Card Fraud Detection
- Time Series Analysis
- Time Series Model Case 1
- Web Scraping
- How to use R to doWeb Scraping Case 2
- Capstone Project Presentation阅读推荐WE Career北美最大华人职业发展平台
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。