Estás en una burbuja La tecnología innovadora y las grandes instituciones financieras son un oxímoron.
Los bancos minoristas son una mezcla de tecnología de los años 80 y 90, diseñada para replicar un proceso basado en papel con sus raíces en el siglo XVI. La regulación y una mentalidad de aversión al riesgo significan que no pueden adoptar productos de vanguardia y la mayoría son una mezcla de productos y metodologías BigIT olvidados por mucho tiempo, diseñados para respaldar un modelo de negocios del siglo XIX en el que los clientes realmente tienen que salir de sus traseros y entrar la puerta, luego procese en días o semanas lo que debería tomar microsegundos con el banco haciendo su dinero con esos retrasos y el flujo de caja que generan.
Hay cierta innovación en la parte oculta de los bancos. Modelado predictivo inteligente basado en datos para juegos financieros a corto plazo. Pero los quants son altamente especializados y las únicas opciones para la mayoría están dentro de otras instituciones financieras o de juego.
- ¿Qué buscas en los fundadores? ¿El impulso, la pasión, la adhesión, la inteligencia, la X, etc.?
- ¿Cuál es la tasa de crecimiento promedio de la base de usuarios para las nuevas empresas de Internet de consumo?
- ¿Cuántos fundadores de las compañías tecnológicas de más rápido crecimiento que tenemos hoy en día como Facebook, Twitter, LinkedIn y Pinterest tienen MBA?
- ¿Hay podcasts que entrevistan a los fundadores de startups?
- Para un estudiante de CS que sale de la universidad, ¿todavía tiene valor trabajar primero en una gran empresa y luego ingresar al mundo de las startups?
Las habilidades de la banca minorista están atrás y son inútiles para cualquier empresa de vanguardia. Pero todavía hay muchas industrias antiguas que operan en las pistas de esquí del final de la curva de Bell. El retraso cognitivo es lo que es, muchas empresas todavía están impresionadas por un banco en el currículum de alguien.
Las habilidades cuantitativas son mucho más valiosas. Modelado predictivo, algoritmos complejos, análisis estadístico, aprendizaje automático súper rápido y sistemas de aprendizaje profundo: estas son las habilidades más demandadas en DataScience.
Apártate y mira las habilidades que usaste. Póngalos en otro contexto. Las opciones deberían saltar hacia ti.
Pero si en realidad no eres más que una persona bancaria o aseguradora pasada de moda, quizás tu respuesta sea la domesticación de leones …