Pour Gu Jiuyue, ses mots avaient été précis, sincères et inattaquables.
Mais pour tous les autres, sa réponse cachait évidemment une quantité massive d'informations indicibles.
Par exemple…
Dans sa vie passée, Gu Jiuyue estimait que l'homme avec qui elle s'entendait le mieux était Su Huai !
Dans sa vie passée, Gu Jiuyue aimait actuellement Su Huai plus que quiconque !
Dans sa vie passée, Gu Jiuyue était dingue de Su Huai !
Dans sa vie passée, Gu Jujuyue considérait Su Huai comme un âme sœur, parfaitement aligné sur ses valeurs et rempli d'harmonie…
Quoi ?!
Su Huai et Gu Jiuyue étaient ensemble ?!!!
Mon dieu, depuis quand ?!!!
Les rumeurs et les commérages mondains commencent souvent ainsi. Lu Xun a dit un jour : « Voir une manche courte fait penser à un bras nu, puis à la nudité… L'imagination des Chinois ne fait de tels bonds que sur ce point. »
Il avait tort, les faits ont prouvé que l'imagination de tout le monde saute tout aussi loin quand il s'agit de potins.
Et la personne la plus troublée maintenant, c'était que personne n'osait en parler à Gu Jiuyue en face ; tout le monde retenait son excitation, se préparant à commérer discrètement une fois rentrés.
Gu Jiuyue n'avait pas réalisé quel rythme sa déclaration allait créer.
Si Su Huai l'avait su plus tôt, il aurait eu un moyen de calmer le jeu, mais il était sur scène en train d'organiser la discussion, travaillant sans relâche pour les poursuites académiques de tous…
Au milieu des courants souterrains, Su Huai faisait un nouveau tour de synthèse.
« Grâce aux discussions de chacun, nous avons atteint un consensus initial — la science des données a un immense potentiel. Dans les dix prochaines années visibles, la pénurie de talents sera durable, systémique et à grande échelle.
Donc dans cette classe, nous pouvons essayer de discuter quelle direction semble la plus prometteuse, parmi les différents parcours ?
Huang Mengting, arrête de bavarder là-bas, allez, tu es la première à venir partager tes idées ! »
La demoiselle Huang, sonnée par l'onde de choc de Gu Jiuyue, fut appelée inopinément par Su Huai. Elle le fixa d'un air bizarre, bredouillant une question.
« Délégué, tu penses que la compatibilité ou les sentiments sont plus importants en amour ? »
« Putain ?! »
Su Huai resta coi, déclenchant un éclat de rire franc dans l'assemblée.
Mais comme ce n'était pas une occasion solennelle, et que Su Huai n'était pas du genre à user inutilement de son autorité, bien que décontenancé, il répondit quand même.
« Si on déduit avec le big data, l'amour c'est définitivement les sentiments d'abord. Il faut la poussée d'une passion intense à court terme pour faire évoluer le goût en amour.
Après la passion, l'étape suivante accorderait probablement plus d'importance à la compatibilité.
L'un est une condition de départ, l'autre une condition de maintien ; on ne peut pas les ranger dans la même catégorie, donc ta question est considérée comme assez amateur et inefficace dans notre domaine. Comment t'es devenue product manager ? »
La blague de Su Huai déclencha une nouvelle vague de rires, et cette fois, même Gu Jiuyue ne put s'empêcher d'esquisser un faible sourire.
Se rendant compte qu'elle avait fait le clown, Huang Mengting baissa vite la tête sur la table, n'osant plus faire le moindre bruit.
L'incident ne perturba pas la maîtrise de Su Huai sur la situation, et les sœurs du dortoir 511 ne continuèrent pas sur ce sujet, participant au contraire activement à l'analyse de tous.
Pendant ce temps, Su Huai glissa plusieurs fois ses « jugements » sur l'avenir dans les synthèses, aidant tout le monde à poser un cadre global.
Finalement, il tira une conclusion qui éblouit tout le monde.
« Pour nous dans la data science, il n'y a essentiellement que deux parcours professionnels qui valent la peine qu'on s'y investisse — data engineer et data analyst.
Parce que n'importe quel diplômé en informatique peut maîtriser facilement la gestion de bases de données, les outils de visualisation, et même les futurs outils d'IA après une période d'auto-apprentissage.
Les postes de maintenance back-end sont trop concurrentiels et facilement remplaçables.
Ingénieurs et analystes font face à de hautes barrières à l'entrée et sont moins susceptibles d'être remplacés.
En outre, ce n'est pas une profession cantonnée à l'industrie internet ; la tech, la finance, le retail et d'autres secteurs ont tous besoin de data officers professionnels, donc ces deux métiers ne sont peut-être pas contracycliques, mais ils peuvent certainement survivre à travers les cycles.
Du coup, si on y réfléchit sous un autre angle, genre : comment construire une douve de connaissances en data science ?
Alors on comprendra où concentrer notre apprentissage.
Pour résumer en une phrase : on étudie ce que les autres n'étudient pas ; ce que les autres étudient, on le combine et on l'apprend.
Les domaines les plus importants sont les mathématiques, suivies par la statistique, puis les fondamentaux de l'informatique, les frameworks de données et les problèmes d'algorithmes, les couches basses de Java et le code source des frameworks, les projets d'entrepôt de données, et ainsi de suite.
J'ai parcouru le programme sur quatre ans de notre fac et j'ai trouvé qu'il était conçu avec soin, mais il y a aussi des lacunes et des retards qu'il faut combler nous-mêmes.
Comment les combler ?
Je pense personnellement qu'il faut poursuivre l'auto-formation et la recherche ciblées sur les besoins des grandes entreprises et des boîtes technologiques et financières de premier plan.
D'ici la deuxième année au plus tard, j'étudierai ça à fond et je discuterai avec les profs et les chefs de département pour voir si on peut obtenir des formations complémentaires, voire de nouveaux cours.
Au fil du développement de la société, la demande en talents IT généralistes a chuté au plancher, mais la data science chauffe comme de l'huile sur le feu.
Frères et sœurs, à ce moment charnière, nous avons déjà pris plus d'une longueur d'avance sur nos pairs dans le choix de notre voie. Ce qui reste, c'est d'étudier sérieusement, pour les distancer encore davantage.
Après la discussion d'aujourd'hui, nos objectifs et nos chemins sont devenus assez clairs —
Salaire de départ à plus de dix mille, viser à devenir la colonne vertébrale du département data, puis viser un poste de data officer. Ceux qui penchent vers la data pourront continuer à viser Chief Data Officer, tandis que ceux qui penchent vers le business pourront basculer vers chef de département produit.
Après encore un an ou deux d'expérience, ceux qui en ont les moyens pourront sauter vers la finance pour devenir chief analyst, et l'étape suivante sera de viser hedge fund manager… »