怎么回事？？？
一觉醒来
【小红书】变成【小洋芋】了
自1月13日一早起，小红书开始大量出现英文内容，不明所以的国内用户和留子们打开小红书都蒙了，一群自称“TikTok refugees”的异国赛博“难民”们，开始在小红书分享起了日常和自家的猫：
有意思的是，即使存在语言障碍，但这些“TikTok refugees”依旧可以用着蹩脚的“英式中文”在小红书和中国网友们进行愉快的互动。
而我们中国网友除了熬夜安抚来自各国的“TikTok refugees”，同时表达中国的欢迎之情外，还不忘散发自己的乐子人身份：
出现这一现象级情况
究竟是怎么回事呢？
一切要从
TikTok在美国被Ban
说起。
目前来看TikTok的处境确实有些许艰难👉上周五，美国最高法院听取了TikTok的口头答辩，最终结果还未宣布，但
大多数法官表示：国家安全凌驾于言论自由之上，禁令大概率还将继续执行
。
当然，TikTok也不是没有自救过，甚至在大选的时候表示支持川普以期获得保护，但即使川普支持TikTok，在美国三权分立的制度下，光靠川普一个人也改变不了TikTok的处境。
而且，按照之前的禁令来看，如果字节跳动不出售TikTok，那美国将在1月19日起勒令关闭TikTok，这日子恰恰好在川普上任前一天……
政府不愿意，总统帮不了，TikTok用户只能自己负隅顽抗！
要知道
美国总人口3个多亿，有1.7亿是TikTok用户
，这一亿多
TikTok用户为了抗议，抱着“既然美国政府担心US公民的个人数据被中国人拿走，那我们直接送到中国人手上”的想法，选择
转移阵地到连海外版本
都还没开
通
的小红书上。
没有选择
TikTok美国竞争对手平台，如
Instagram、Reels，还有一大原因是Meta为了自家社交平台Reels获得TikTok被ban后的用户，
曾雇佣游说团队传播对TikTok的恶意。
于是
很多TikTok用户自发组织起来，声称要在禁令生效时，停用一周Meta旗下应用程序，包括Instagram和Facebook。
众望所归，不出意外的
小红书一日之内飙到苹果APP Store全球免费总榜第一
。
在世界人民在小红书展现大和谐的同时，还出现了一群
为小红书的未来感到担忧的留子们：
网友：赶紧联系一下小红书高管，和周受资学学怎么应对回答。
不过有一说一，“TikTok refugees”入驻小红书是否是短暂的狂欢，小红书能否接住TikTok的泼天的流量，一切都有待观望。
但小红书既然能成为外来网友用来替代TikTok的社交阵地，自然也有它自身的优势。
据可搜集到的数据显示，
小红书2024年四季度的日均搜索量达到6亿次
，据知情人士透露，百度的日均搜索次数在数十亿次，小红书正在朝着百度、谷歌追赶。
吸引用户的一大亮点，就是小红书的推荐机制，阿里云峰会·上海开发者大会开源大数据专场中，小红书实时推荐团队负责人郭一先生就曾现场分享过推荐业务场景中小红书的实时计算应用。
简单给大家晒几页PPT内容：
据公开信息显示，小红书从2018年底开始做推荐系统，最初的推荐预测模型只是非常简单的Spark上的GBDT模型。到2019年7月，小红书推荐预测模型已经演化到了GBDT + Sparse D&W的模型。
小红书主要有9个预测任务，包括click、hide、like、fav、comment、share以及follow等。其中，
Click是小红书最大的模型，一天大概产生5亿的样本进行模型训练，数据量达到1T/天。
需要完整版小红书推荐机制PPT的同学，可以找小助理解锁~
而我们的老朋友TikTok更不用说了，大数据发家，其母公司字节跳动为了更好的在各产品之间实现流量和算法迁移，还大改了自己的组织架构。
一方面，建立了
增长中台为字节跳动的技术研发、数据工作提供统一的支持
，在中台中还有独立的算法组
，能以统一的标准直接负责字节跳动所有产品的搜索和推荐工作。
另一方面，字节跳动2016年还自建了人工智能实验室（Bytedance AI Lab），依托海量数据人工智能帮助内容创作、分发、互动、管理。
科技职业网站ZTM每年都会精选一份科技职位报告，最新数据预计，
到2030年，全球数据科学和分析市场将增长至3229亿美元，增长率为27.7%
。
世界经济论坛的《未来就业报告》预测，未来五年内，44%的工人技能将发生重大变化，这一转变凸显了数字化转型对全球行业影响的持续步伐：
2023年到2027年需求增长速度最快的岗位中，Data Analyst and Scientist位列第6
。
Data是一个融合了数学、CS和数据发现/挖掘的专业，所以，如果你学了Data专业，你可以同步申请DS、DA甚至是Quant risk……
但不同行业对不同Data岗位所考察的知识点肯定是有所不同的，数据科学的方向也大致分为以下几种↓
简单来看看不同岗位的工作内容和技术需求👇
Business Analyst
Business Analyst通过分析数据来处理、解释和记录业务流程、产品、服务和软件，Technical skill基本需要SQL，Excel以及Office办公软件。相对来说，因为BA融合了商业嗅觉与分析技能，所以BA算是一个对于文商科背景相对友好，易于入门的行业。
Data analytics
主要工作是搭建公司业务的数据，维护数据更新，数据准确性。负责其他业务线的数据需求。Data Analytics的candidate需要理解数据库结构，需要熟练数据语言SQL, Hive。
Data Scientist
主要是根据业务需求和现有的数据，对数据进行处理和分析，建立相关的模型解决业务中的实际问题。Data scientist对技术上的要求比较高，需要熟练掌握Python，SQL，Spark等，并且需要掌握建模相关的数理统计知识。
Research Scientist/ML Scientist
与Data Scientist不同，ML Scientist通常担任研发角色。ML Scientist通常专注于研究新的ML方法和算法，并为公司开发利用机器学习技术的新方法或改进方法，该岗位需要需要对算法、Python和SQL以及软件工程有深入的了解。
Data就像求职届的海王，完全可以无压力的在各个行业里横跳，WST就有一位学员，在WST导师的帮助下，将求职方向定位Data之后多行业求职，拿到了多家公司Data相关岗位的Offer：
Fannie Mae
Analytics and Modeling
*学员的求职故事后续会在WST公众号发布，记得关注我们不迷路~
