2021年会数据分析的人,职业前景究竟有多广阔?

现如今,大多数企业都希望你拥有逻辑分析能力,尤其是在对数据的理解和敏感度的问题上。尤其是BAT这类大厂,更是希望你能将数据化运营理念落实到工作的方方面面上。互联网公司强调全员数据化管理和运营,把数据分析能力当做职场人必备的能力在培训。

在这种趋势下,数据分析能力变得至关重要,很多企业对于数据分析从业者更是给出了天价的待遇。由此可见,数据分析的就业前景有多广,真的只有你想不到的好~

1、数据分析新手需要具备哪些能力?

1)理论知识要宽泛,涉及数学、市场和技术。要求及对数据敏感,包括统计知识、市场研究、模型原理等。

2)常规分析工具的使用,包括数据库、数据挖掘、统计分析工具,常用办公软件(Excel、PPT、思维导图)等等。

3)有一定的业务理解能力,能理解业务背后的商业逻辑。因为只有理解了商业问题,才能转换成数据分析的问题,从而满足部门的要求。

4)数据报告和数据可视化的能力。数据分析得再好,如果不能以漂亮的方式“表达”,成效也会大打折扣。

2、入门级数据分析师所需具备的能力和知识

数据分析的四个步骤:数据获取、数据处理、数据分析、数据呈现。

1数据获取

数据获取看似简单,但是需要把握对问题的商业理解,转化成数据问题来解决,直白点讲就是需要哪些数据,从哪些角度来分析,界定问题后,再进行数据采集。此环节,需要数据分析师具备结构化的逻辑思维。

l 推荐书籍:《金字塔原理》、麦肯锡三部曲:麦肯锡意识、工具、方法;

l 推荐工具:思维导图工具(Xmind\百度脑图等);

2数据处理

数据的处理需要掌握有效率的工具:

Excel及高端技能:日常工作通用,容易掌握,处理10万级别的数据很轻松。

基础:简单的表格数据处理、打印、查询、筛选、排序

函数和公式:常用函数、高级数据计算、数组公式、多维引用、function

可视化图表:图形图示展示、高级图表、图表插件

数据透视表、VBA程序开发:按照我习惯的方法,先过一遍基础,知道什么是什么,然后找几个case练习。多逛逛excelhome论坛,平常多思考如何用excel来解决问题,善用插件,还有记得保存。

Oracle和SQL sever:企业最常用的千万级别的数据库,熟练掌握SQL语言。

另外,你还可以通过学习时下流行的hadoop之类的分布式数据库,来提升个人能力,对求职有帮助。

3分析数据

分析数据往往需要各类统计分析模型,如关联规则、聚类、分类、预测模型等等。

统计分析工具

SPSS系列:老牌的统计分析软件,SPSS Statistics(偏统计功能、市场研究)、SPSS Modeler(偏数据挖掘),不用编程,易学。

SAS:经典挖掘软件,需要编程。

R:开源软件,新流行,对非结构化数据处理效率上更高,需编程。

BI工具

Tableau:可视化工具的鼻祖,对于处理好的数据可作自由的可视化分析,图表效果惊人

大数据BI工具FineBI:类同Tableau,可在前端做任意维度分析;数据可在前端继续处理(计算、筛选过滤等),可对接hadoop之类的大数据平台,数据处理性能较好。

推荐书籍:

《说菜鸟不会数据分析》系列,入门级书,初学者最适。

《数据挖掘与数据化运营实战,思路、方法、技巧与应用》,内容很系统很全面。

《市场研究定量分析方法与应用》,简明等编着,中国人民大学出版社。

4数据可视化呈现

很多数据分析工具已经涵盖了数据可视化部分,只需要把数据结果进行有效的呈现和演讲汇报,可用word\PPT\H5等方式展现。

3、关于数据分析师的职业发展

根据数据分析技能用途不同,我们大致将数据分析师分为两类:技术型&业务型数据分析师。因分工不同,所以优势各异也就不奇怪了。

1)技术型

技术型分析师是在专门的挖掘团队里面从事数据挖掘和分析工作的。如果你能在这类专业团队学习成长,那是幸运的,但进入这类团队的门槛较高,需要扎实的数据挖掘知识、挖掘工具应用经验和编程能力。该类分析师更偏向技术线条,未来的职业通道可能走专家的技术路线。技术型分析师的角色包括数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师、ETL工程师等,这些称谓都或多或少代表了其工作性质。

2)业务型

业务型分析师是下沉到各业务团队或者运营部门的数据分析师,成为业务团队的一员。他们工作是支撑业务运营,包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。该类型分析师偏向产品和运营,可以转向做运营和产品。

3)从行业的角度来看

正所谓,条条大道通罗马,关键看你怎么选,怎么合适你的路线。下面给大家做个简单的行业分析:

互联网行业

互联网行业是数据分析应用最广的行业,其中的电商企业,更是目前最火的,而且企业也更重视数据分析的价值,是数据分析师理想的成长平台。

咨询公司

像咨询公司(比如专门的数据挖掘公司Teradata、尼尔森等市场研究公司),他们需要数据分析人才,而且相对来说,数据分析师在咨询公司成长的速度更快,专业也会更全面。

金融行业

像金融行业,比如银行和证券等行业,该行业对数据分析的依赖需求,越来越大。

电信行业

电信行业(中国移动、联通和电信),它们拥有海量的数据,在严峻的竞争下,也越来越重视数据分析,但进入这些公司的门槛比较高。

4、如何系统地学习数据分析?

学习方法千万种,关键是找到适合自己的,最好能够结合你的工作遇到的问题来学习。这里我列举一个经典的从0到1的入门方法:

第一周:Excel学习掌握

第二周:数据可视化

第三周:分析思维的训练

第四周:数据库学习

第五周:统计知识学习

第六周:业务学习

第七周:Python/R学习

写在最后

学数据分析前,先问问自己是否真的喜欢数据分析,能否忍受处理数据时的寂寞?如果是,那就宜早不宜迟,马上开始行动吧。

再次强调,请把数据分析作为一种能力培养,让自己逐步养成数据分的思维和习惯。扎实学好一、两门数据挖掘软件,基于你已有得编程基础,可以学SAS或者R,基本能够满足很大部分企业的需求。

最后,多看多想多观察,学习业务职能是这样,细水长流,还需要不断工作积累和广泛的阅读。希望你能够成为你想成为的人!

(0)

相关推荐