又到了美国华尔街各大行公布财报的日子
偷偷告诉你一个秘密
高盛老大哥又又又又又偷偷涨薪了
投行涨薪，高盛就是yyds
这样的老大哥，叫留学生怎么能不爱！
第二季度财报出炉，高盛又双叒叕.......涨薪了？！
高盛：一直在涨薪，从未停止过……
7月13日，高盛公布了年第二季度财报，财报显示相比去年，高盛今年上半年的薪酬和福利支出增加了47%，而同期员工数量只增加了5%不到。
（图片来源网络）
去年，高盛二季度的人均薪酬支出为19.7万美元。而今年相比去年高了将近10万美元，达到27.7万美元，这意味着：高盛再一次实现了涨薪！
实际上，这已经是高盛第“N“次涨薪了，近年来，他的薪资水平一直在稳步上涨：
年4月，高盛迎来最大发薪日人均薪酬从8.4万美元增到15万美元；
年8月，高盛薪酬支出同比增长24%；
年1月，高盛为所有应届工程师加薪；
（图片来源网络）百因必有果，一直涨薪肯定是有原因的，就拿这个季度高盛的财报来说，只能用”太优秀了“来形容，直接创下史上第二赚钱单季度！高盛第二季度业绩创新高
财报显示，高盛二季度营收达到.9亿美元，同比上升16%，创下历史第二高；净利润达到54.9亿美元，创下一是第二高，每股收益15.02美元，较去年同期6.26美元大大增加。
其中最吸引人注意力的是收入同比猛增36%的投行业务，因为高盛投资银行部门的强劲表现，弥补了其交易收入的下降，按业务来看：
高盛的投资银行业务本季度总共实现营收36.1亿美元，其中财务咨询业务营收12.6亿美元，同比暴涨83%；
承销业务营收21.9亿美元，同比上升18%，得益于证券投资方面的营收增长；
资产管理业务总营收同比翻倍至51.3亿美元，较一季度环比上升11%。
（图片来源网络）
如此优秀的业绩和创纪录的收入，涨薪就变得理所当然了。不光是高盛投行业务创新高，摩根大通投资银行部门的业绩也创下了最佳记录：投资银行业务34.2亿美元，好于市场预期的29.4亿美元；并购咨询和承销服务收入同比增长25%，
其每股收益：3.78美元超过市场预期3.21美元；其净营收.95亿美元，同比虽然下降7.16%，但仍高于分析师预期的亿美元，期内实现净利润.48亿美元，同比增幅达%。
（图片来源网络）
目前，美国众多投行已经公布财报完毕，从财报上看，各大投行第二季度利润，较去年都有大幅改善，经济正在复苏。想加入投行的你，也赶紧行动起来吧！
揭露投行最抢手的岗位——Data岗
金融Data岗需求量大
大家都知道，美国现在疫情仍然严重，在疫情影响下，去年各大投行也纷纷进行了裁员，如：HSBC在启动裁员计划。但值得注意的是，在这样的情况下，这个岗位竟然还在招聘？
这个裁员也要保住的岗位，就是Data岗。
（图片来源网络）来自eFinancialCareer的数据报告，在J.P.Morgan，MorganStanley，GoldmanSachs三所投行关于技术岗位方面的招聘资讯中，Data这个技能要求占sample的36％以上，远远超过其他，可见Data岗在投行有多抢手了。（图片来源efinancialcareer）不仅仅是投行，咨询、IT等各行各业同样青睐Data人才。此前，Thinkful网站进行过一次调查，个数据岗位的jobposting中，很多传统行业对Data人才也是求贤若渴！
其中，对data人才需求排名第一的行业是市场，排名第二、第三和第四分别是金融、咨询、医疗行业。
（图片来源网络）
由此可见，金融行业的Data有多抢手了吧，那么看到这，如果你也想加入Data岗，但没有很了解，不知道怎么选择合适自己的岗位？现在就和小i一起来看看吧。
留学生该如何选择Data岗？
数据（Data）是一个融合了数学、计算机和数据发现/挖掘的领域；通过对数据进行深入的分析去找到其中的规律以及预测未来的趋势。不同行业不同部门会对Data岗的叫法不同，细分领域十分明确。但总的来说，Data岗主要分为三类：
DataScientist
DS主要的职责是通过整理、提炼过去的数据建立一个新的预测模型，预测将来，让企业能够有进一步的行动（更注重数学、统计的训练和算法、模型的开发)；
所以，DS入职门槛很高，因为不仅仅要懂得研究数据，通过整理、挖掘、提炼（筛选掉没有用的），发现出一些规律，再搭建一个复杂的预测模型。如果模型精确，对于企业价值是非常大的。
（图片来源网络）能力要求
涉及到预测模型：R/Python(advanced)+ToolsusedbyDataAnalyst。
数学：至少需要有线性代数基础，最好还有数值分析和统计的基础
建模能力：对所有建模方法，都需要理论知识掌握+实际可以用Python或者R建立出来。（regression，classification，clustering，NLP，deeplearning，A/Btesting.）所有的最好能把数据结构学完，这样能在数据科学项目建模的时候也能更加顺畅。
DataEnginner
DE主要负责搭建数据库，收集数据，为数据科学家获取数据提供方便（更注重数据库与编程语言等技能）；说的笼统点，就是把交给你的产品的原始数据建立数据库，再把数据库里的原始数据整理成表格。每一条线索，都需要记录、整理，更直观的表现在表格里。
能力要求
作为数据工程师，不仅要掌握数据工具，还要掌握计算机编程语言，才能胜任。例如：使用很多SQL的工具，包括MySQL，OracleSQL等。随着业务的拓展，DataEngineer还需要有一定的CS编程背景。
（图片来源网络）
DataAnalyst
DA主要负责分析、可视化过去的数据。作为Analyst，主要负责从数据中提取出有用的信息（更注重沟通交流和行业领域技能）：
适时监控增值应用中心各项经营数据，监测数据变化情况。
定期进行各项数据统计，编制数据统计报表和分析报告，为增值应用中心的经营结算提供数据依据，为增值应用中心的业务发展及规划提供参考依据。
因为DA(BA)不能光懂数据，最好得有点BusinessSense，而且要知道怎样与人沟通。读BA的话，一般都是做这个。
能力要求
DA对编程语言的要求没有DS和DE高。能力要求侧重于商业、统计以及数学能力，需要掌握分析工具以及最好有一定的编程语言基础。
对于很多跨商科的同学来说还是很不错的选择。可用语言：SQL,Excel,Tableau,R/Python(Basic)
（图片来源springboard）如果想要求职Data方向的小伙伴可以从Analyst入手。DataScientist的要求比较高，如果你是刚毕业的应届生加入，可以先从Analyst做起，做一些基础的数据准备工作。
上手之后会逐渐接到一些更偏重分析和建模的内容。最好有Statistics或者ComputingScience的学术背景。对于商科同学来说，BusinessSense是最大的优势，在此基础上加深分析技能就有机会进入Data行业。
最后，如果你想成为数据科学专业人才，从学习的角度来讲，你需要具备以下几个技能
扎实的理论知识（数学、统计、算法、模型）
熟练的数据库操作语言（SQL、PL/SQL…）
熟练的编程语言（Python、R…）
丰富的实战经验（项目与工作经验）
想了解更多精彩内容，快来
