不要浪费了石油工程师的优异数理背景

不要浪费了石油工程师的优异数理背景

数据应用学院已经帮助了若干的石油背景学员,转型进入数据科学领域,有的学员在从我们这里毕业后任职俄克拉荷马地产公司pricing data scientist,有的直接在波士顿某医疗集团任senior data scientist. 案例证明,这条路能走通。本期我们探讨一下,为什么石油工程师很适合做数据,和这里面要注意的事项

年轻点的朋友可能没有经历过石油工程师金饭碗的年代。在很长一段时间内,PE(石油工程师)完全在碾压码工。说近一点的,2002-2010年间,互联网泡沫的破灭,让很多码工失业。而这时油工从来都是不愁工作的,还没毕业就已经签走了。后来石油行业用人需求增加,还从其他专业招聘了不少人才进入石油行业。

 

 

2008北京奥运过后,油服公司斯伦贝谢在海淀五道口成府路上开了一次招聘会,将招聘背景要求放宽,不仅限于石油地质专业,对机械,物理,数学,计算机,化工等专业也开放,于是引爆了北京各高校的毕业求职需求。招聘会当天晚上8点开始入场,据说6点半的时候就已经把那栋建筑里三层外三层围成了毛主席纪念堂,7点半以后再来的求职者根本没有机会挤进招聘宣讲会的房间。 面试分3轮,分别考behavior,智力,专业。很intensive,也很应景,在考智力的时候还用当年流行的“数独”作为题目。据说当天收到3000人现场申请,最后从中录取了30人

 

 

产业界对油工的数理基础要求非常高。不同的方向还有更细致的要求,从基本的高等代数,矩阵计算,到数值建模与数值运算,再到计算机并行计算,信号处理,图像处理,模型正演反演,优化算法,石油工程师既是通才,又是专才。

然而近年来,由于行业波动与全球需求增速变缓,石油行业大面积裁员,德州的大油企都在一个部门一个部门的裁员。很多油工不幸失业。这很可惜。

 

 

那么,怎么办?

1. 充分利用扎实的数理基础

我们认为,油工可以充分利用本身具有的强大数理基础,在数据科学领域施展拳脚。

一些油工在平时工作时就要用到PCA(principle component analysis)和SVD(singular value decomposition),这是数据科学中做data set dimension reduction的通用方法之一。

油工在矩阵运算上比较熟悉,这对理解和计算神经网络很大帮助。

在模型调参和优化方面,部分油工本身工作就是为油藏模型调参。用到的方法包括grid search, simulated annealing (模拟退火) 等等。相比之下,machine learning模型调参的理论原理就非常简单了。

油工在数据科学技能方面欠缺的,一是对数据分析工具的熟练程度 (python machine learning),二是对分布式系统的掌握。这些方面,我们的数据科学家求职培训营会为你详细教授,带你训练。在最新的1月期培训营中,周六周日共4小时的讲解,平时周一至周四每天1小时以上的答疑和小课,全程护送。

2. 充分利用Domain  Knowledge

其次,油工在求职数据科学时,最好把自己的domain知识用上。

Domain知识是数据科学三大要素之一(其余两个是计算机和统计分析)。很多油工已经有多年的工作经验,这是非常宝贵的。我们建议油工,首先从工作经验中挖掘价值,尝试与本身经验相关的数据分析岗位。如果是实在不喜欢,那么没问题,可以换到截然不同的行业。我们不提倡以卵击石,而是扬长避短。

我们专门为学员提供大量的求职辅导时间,1月期的求职训练营中,既包括6次集中职业辅导(行业需求,简历,面试,case study等),还有内推的服务。我们尽全力让所有学员充分了解就业市场的信息,为学员就业提供智力和信息上的支持。

结语

数据科学的应用前景非常广,不仅仅是硅谷的IT企业,还有传统行业的各个公司,都在尝试利用数据科学来分析数据,挖掘价值。

广大油工本身数理基础已经非常好了,可以结合自己的工作经验,选择一个适合自己的数据分析岗位。与我们一起,进入数据分析世界!