博客 - 最新消息

商业领袖认为数据对他们发展业务有帮助!你真的了解数据行业吗?

Dun&Bradstreet 的一项新研究调查了美国和英国的500多名商业决策者,结果显示这些高管中有一半(50%)认为,如果没有高质量的数据,他们的公司将无法生存。商业领袖仍然对数据充满热情,2/3的受访者(67%)认识到数据在帮助他们发展业务方面的潜力。

那么,商业领袖目前使用哪些技术来收集和分析数据,以及他们计划在未来12个月内添加哪些技术?

目前,超过2/5的企业(43%)正在使用数据管理软件,另有1/4(25%)计划明年使用。

只有22%的企业使用机器学习进行数据收集和分析,尽管26%的企业将在未来12个月内转向此类解决方案。

3/10的受访者(31%)计划在明年使用人工智能(AI),21%的受访者已经在使用这项技术。虽然AI的采用速度比它的炒作要慢,但许多使用这种先进技术的B2B营销人员已经看到效果。

区块链和边缘计算技术预计也将在不久的将来得到更多的使用,1/4的受访者(25%)表示他们将使用这两种技术,而目前分别有19%和17%的企业在使用这两种技术。

数据挑战继续存在

近3/10的受访者(28%)认为,有效的数据管理是他们在未来10年将面临的最大数据挑战。这也是他们面临的以数据为主导的最大挑战。

人才仍然很重要

无论数据为企业带来的价值如何,如果没有人来管理它,其价值可能难以实现:受访者中有相当一部分人认为,人才是实现数据价值最大化的关键。

一些高管还承认,现有的技能差距阻碍了他们最大限度地利用数据。但是,拥有正确数据和分析技能的员工越来越难找到。

越来越多的人往数据行业发展,大企业也都开始使用大数据,运用人工智能进行各种业务分析和预测。大家都知道大数据是什么,但具体涉及到数据科学和人工智能时,很多人可能一时给不出比较具体的解释说明。

小编近来收到不少关于数据分析求职方向的咨询问题

如何成为一名 Data Analyst?

01 Data 实习直通车

结合自身兴趣和专业,量身定制职业发展方向

根据职位帮助准备面试精准投递,

100% 拿 Data 实习 offer丰富简历,提高竞争力,顺利入行

适合人群大一/大二本科生:

  • 增加求职经历
  • 提高申请竞争力
  • 为秋招以及2020暑期实习做准备

大三/研一学生(以及转行):

  • 提升个人经历
  • 丰富行业技能
  • 为秋招以及2020暑期实习做准备

大四/研究生最后一年:

  • 添加真实北美实习背景
  • 在有限时间内拿到一份OPT实习

报名方式扫描二维码,回复【实习】咨询报名

并免费获得价值$1000+的最新求职大礼包

0 2数据分析年薪12美元左右

年薪在12万美元上下徘徊

看下面这幅图,你会发现这些数据科学家的平均年薪中位数为 12 万美元,而且按照年薪的划分,趋势是相当平稳的。但是有一点请记住,这个中位数只是基本工资,不包括现金奖金、股票和福利。因此,数据科学家的总体薪酬中位数可能比这些要高得多。

数据科学家年薪中位数

工作岗位逐年递增,薪资却在缓慢下降

在过去的五年时间里,被雇佣的数据科学家的数量显著增加。请注意,这篇文章是在 2019 年 8 月份写的,这一年还没有结束,所以最后一根柱子(棕色)较短。

年度被雇佣的数据科学家数量

过去几年被雇佣的数据科学家人数大幅上升,这也反映了另一种趋势——很多公司正试图赶上大数据和人工智能的潮流。这些公司的团队以前叫作决策分析或研究,现在改名叫数据科学。

并不是所有的数据科学工作都是一样的。比如,A 公司的数据科学家可能将 80% 的时间花在 SQL 上,而 B公司的数据科学家则一整天都在用 Python 实现机器学习算法。这可能是数据科学家的工资差异如此之大的原因之一(其他原因还包括经验、雇佣地点、公司的平均薪资水平,以及员工是否拥有高等学位)。 

Airbnb 出手最大方

那么,到哪些公司可以拿到较高的薪资呢?下图从公司维度按照从高到低的顺序对数据科学家薪资中位数进行排列。这张图只包含了样本中涉及的雇佣了 10 个或更多数据科学家的公司——如果有某家公司只雇佣了一名数据科学家,即使他或她挣了 20 万美元,这些信息对于你来说也没有多大意义。AirBnB、Lyft、Facebook 和苹果的薪水高达 13.5 万美元或更高,值得一提的是,Ancestry.com 是数据科学家的主要高薪雇主。

去哪些公司可以拿到较高的薪资

下图中给出了数据科学家的主要雇主(提交 H1B 申请最多的雇主)。排在前面的都是些大型的科技公司。

雇主排行

03 如何成为一名数据分析师?

当数据分析数据挖掘技术成为商业领域的重要推动力,对从业者的要求也相对提高。

1 数据分析基础

抛开对业务层面的基本理解,学好数据分析首先需要了解统计学,统计分析是数据分析的基础,也是灵魂。统计分析的几个核心内容:

  • 描述统计,统计推断,概率论;
  • 抽样,分布,估计,置信区间,假设检验;
  • 线性回归,时间序列;

2 数据分析工具

  • SQL数据库的基本操作,会基本的数据管理 
  • 会用Excel/SQL做基本的数据提取、分析和展示 
  • 会用脚本语言进行数据分析,Python or R 
  • 有获取外部数据的能力加分,如爬虫或熟悉公开数据集 
  • 会基本的数据可视化技能,能撰写数据报告 
  • 熟悉常用的数据挖掘算法:回归分析、决策树、分类、聚类方法

1. Excel 

Excel也是数据分析师需要掌握的。公司很多其它部门非技术人员是不会使用编程工具的,而会使用相对简单的Excel来处理一些报表。这个时候就可能需要你可以在Excel中做一些数据分析工作然后反馈,但是也不必太深入,掌握核心的功能即可,比如:

  • 增删改查
  • 各类常用函数的使用
  • 各类基础图标的制作
  • 数据透视表等

2. R/Python

R语言就是为统计学而设计的语言,是目前主流数据应用软件之一,非常适合于数据分析与数据挖掘。而Python作为目前非常火爆的语言,绝大部分新的数据科学工具都兼容它,并且由于其出色的科学计算library的存在,也是很多人的不二选择。

3. SQL

SQL作为最经典的数据库工具,为海量数据的存储与管理提供可能,并且使数据的提取的效率大大提升。你需要掌握以下技能:

  • 提取特定情况下的数据:企业数据库里的数据一定是大而繁复的,你需要提取你需要的那一部分,SQL可以通过简单的命令帮你完成这些工作。
  • 数据库的增、删、查、改:这些是数据库最基本的操作,但只要用简单的命令就能够实现,所以你只需要记住命令就好。
  • 数据的分组聚合、如何建立多个表之间的联系:这个部分是SQL的进阶操作,多个表之间的关联,在你处理多维度、多个数据集的时候非常有用,这也让你可以去处理更复杂的数据。
2018© Copyright - Mean Value Consulting