转行应该选什么赛道和岗位?
这是转行同学最先提出的问题,也是影响转行成功与否的关键因素。搞不好就从一个坑跳到另一个坑!
本文将揭示转行过程中选择赛道和岗位的必要知识,帮你避坑。
01
选赛道
1. 一看行业规模
“有大乃容”,一个赛道足够大,才能容得下更多机会,更高的发展空间,才能扛得市场波动的风险。
一般来讲,如果没有特殊的优势或资源,我不建议大家进入太小的赛道。海阔任鱼跃,天空任鸟飞,如果赛道就鱼缸那么大、门梁那么高。那么赛道很容易饱和,如果出现任何市场波动,根本没有抗风险的容错性。这就不是一个好赛道。
反之,如果一个赛道足够大,只要自己有能力,不管是公司内部或者外部总会有上升的机会。
就比如数字化大赛道(数字经济核心产业占GDP 10%),即使遭遇经济不景气,一些领域发展受限,但市场足够大,仍然能涌现出增长的其他领域,比如 AIGC、智能设备、数据治理等等。
常见误区:
ESG 业务处于增长态势,所以是个好赛道。
Eddie: 错!ESG 确实在增长,但是市场容量太小。赛道再怎么发展,在未来几年也只是从非常小发展到小。ESG 几乎是大多数人可以直接忽略的求职方向!
2. 二看发展趋势
当前环境下,大部分赛道都在走下坡路,增长的赛道屈指可数。而下滑就预示着裁员不招人。选一个趋势向好的赛道尤为重要。
就开头列出的赛道:游戏下滑,互联网持平,低空经济、新能源、出海增长。
下滑赛道且看不到增长预期,年轻人立马跑!不然赖着图个啥?既然转行,赛道赛道必须是增长的,起码是持平但规模足够大的。
常见误区:
互联网裁员去不得!
**Eddie:**不全对!瘦死的骆驼比马大。设计院、地产难道不裁员?人家刚大学生毕业大厂拿30w+,就算裁了大不了降薪 30% 去中厂。你呢?
3. 三看行业周期
任何行业发展都是有周期规律的,每个赛道都能落在下图的一个阶段。
赛道处于不同周期有着不同的特性,我们可以从收益和风险两个维度来衡量。
-
起步期:高风险(不确定性)高回报,比如:低空经济
-
**成长期:**中低风险中高回报,比如:新能源、出海
-
高峰期也叫成熟期:中风险中回报,比如:消费
-
衰退期:高风险低回报,比如:设计院、地产、教培
你可以从自己的风险偏好来考虑选择。
起步期和成长期的赛道增长,往往人才供不应求,招聘方不得不降低岗位对候选人的要求,这也是为什么合创求职小班10 多位同学能拿到低空经济、出海、新能源offer 的原因。额外,这些赛道对于背景优秀的同学友好。
董宇辉算是个活生生的例子,就算才华横溢也只能埋没于教培行业,换个赛道立马一飞冲天。
常见误区:
**新能源赛道增长,也是国家战略,可以无脑冲!
**
Eddie: 错。且看下一条。
4. 四看行业集中度
行业集中度是指某行业的相关市场内前 N 家最大的企业所占市场份额的总和。
而新能源赛道明显属于下图所示的格局,不管是光伏、电池等。寡头垄断的市场,第一名凭借着自身的优势,牢牢地占据着龙头地位,把竞争对手远远地甩在了后面。
这样的赛道中,如果你去不到龙头,发展仍然受限。
选赛道需要从四个方向综合来看,只看单一因素都是有风险的!
接下来我们看看如何选择岗位。
02
选岗位
1. 看自身与岗位的结合点
转行的逻辑:要么换岗不换行,要么换行不换岗。
这也解释了为什么设计院的同学容易去地产科技、又或者 UX 岗。
-
从设计院画图员跳槽去互联网公司做UX, 岗位不变、行业变,你能借助已有的资源,转行可行。
-
从设计院画图员跳槽去地产科技, 岗位变、行业不变,你能借助已有的资源,转行可行。
-
而想从设计院画图员跳槽去做游戏策划,换行又换岗,转行难度可想而知。
转行必须要找到目标岗位和自身过往的结合点?转行才有可能。不然就机会渺茫,又或者必须抛弃自己的工作积累,从零开始。怎么都不划算!
在数字化小班里,我们为同学设计的路径是:
**应届生:**提升相关能力,通过实习构建岗位能力,实现转行。
**往届生:**提升数字化以及咨询能力,结合自身经历构建数字化解决方案岗位经验,实现转行。
往届生具体步骤:
1. 首先构建最容易的智慧城市解决方案岗位经验。因为毕竟接触过园区、地产、商业项目,你可以实现知识的迁移。只是从提供建筑设计方案满足客户需求,迁移到提供数字化方案满足客户需求。
2. 当你具备了智慧城市解决方案岗位的能力后,又可以去更广阔的数字化其他细分赛道的解决方案、售前、咨询岗位,比如数字化小班很多同学去到了 AI 大模型、自动驾驶领域做解决方案、咨询,岗位不变,细分行业变。
3. 当你具备了智慧城市解决方案岗位的能力后,又可以去前文提到的低空经济、出海、新能源这些岗位激增的赛道找机会。
常见误区:
UX 好转,冲!
Eddie: 不推荐,且看下一条。
2. 看岗位职能
根据岗位职能不同可以划分位前中后台。
一般而言,越偏前台性质(冲锋陷阵,工作职责中为组织直接获取经济效益的比重较高)的职业的成长性越高,发展空间越广阔。越偏后台性质(后勤类支持类,工作所创造的价值与整个组织获取经济收益的相关度较低)的职业的成长性越低,发展空间越窄。至于中台,我认为其成长性小于等于前台,大于后台。
后台类工作看似内容单纯变化少,实则不“稳定”,且对组织而言不可替代性很低,被外包、被优化(裁员或变向降薪)等风险往往也是最高的。
更重要的区别是:后台岗位无法自证价值,前台工具能够自证价值,因此更容易应对 35 岁危机。
如何区分前后台,还有个简便方法:
- 天天对电脑的大概率后台。
- 每天和人(中高层)打交道大概率前台。
转行尽量往前中台靠!
一文读懂数字智能时代岗位需求爆发
3. 看工资
除了前文提到的各种因素,决定你最终工作体验的因素还有非常多:
就职的公司企业文化、公司规模、公司竞争力、所处业务线、团队内部合作、主管人怎么样等等。
是不是脑子都晕了?
如果你非要让我给出一个唯一的岗位评价指标:那就是工资。
-
工资高的公司大概率有实力。
-
工资高的公司大概率福利也好。
-
工资高的公司大概率同事素质高。
-
工资高的公司大概率有发展。
本周四有个同学找我咨询:
他有一个 offer,想让我帮忙看看公司如何。打开 boss 直聘,查看他家的其他招聘岗位,发现一线城市销售总监开的薪水 20k-30k。
销售工资是高于业务部门的,而且是管理岗,还是一线城市。销售总监才这点,所以我会得出这个公司“天花板肉眼可见”的结论。
如果你对于转行赛道和岗位选择拿不定主意,不妨打开发招聘网站,看看岗位数量以及薪资,进行对比。心理就大概有个数儿了。
*
如何学习AI大模型?
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓