数据分析行业解析：如何成为一名Data Analyst?

“在如今的就业市场，具备实习经历是让招聘方愿意阅读你简历的必要条件。”

————美国大学生职业研究中心研究主任

Philip D. Gardner

小编近来收到不少关于数据分析求职方向的咨询问题

有问自己的背景和经历适不适合做数据分析的

也有问如何转行如何成为一名Data Analyst的

为此，小编整理了下大家的问题

在本文里先重点介绍下

关于Data Analystics的行业前景、职业规划以及

如何成为一名data analyst的相关学习清单这三点

希望对大家能有所帮助

01 行业前景

据 IBM 预测，未来3年，公司对Data类岗位需求量将猛增28%。

到2020年，所有美国Data类岗位数量将增加36万个，总数达到270万。

资料来源：IBM

另外麦肯锡预测，到2018年，在“具有深入分析能力的人才”方面，美国可能面临着14万~19万人的缺口，而“可以利用大数据分析来作出有效决策的经理和分析师”缺口则会达到150万。

金融、互联网科技和传媒、零售企业中，数据的用处十分广泛，不但能分析客户行为，还可以最大程度发现客户价值。

02 职业规划

关于数据分析方向求职的职业规划，小编会从不同领域和不同路线帮大家深入解读下：

不同领域

“领域”是不少刚接触数据分析的新人常忽略的要素，其实数据分析不会脱离业务存在。你进入哪个行业，很大程度会决定你初期的技能树和技能点。

举例：金融领域的风控模型/反欺诈模型、营销领域的生命周期、广告领域的点击率预估等，电商行业的推荐系统和用户画像系统各有各的特色。

不同路线

数据分析职业发展的路线大致可以划分成四大方向：

• 数据分析
• 数据挖掘
• 数据产品
• 数据工程

1. 数据分析/数据运营/商业分析

这是业务方向的数据分析师。绝大部分人，都是从这个岗位开始自己的数据之路，也是基数最大的岗位。

• 负责和支撑各部门相关的报表；
• 建立和优化指标体系；
• 监控数据的波动和异常，找出问题；
• 优化和驱动业务，推动数据化运营；
• 找出可增长的市场或产品优化空间；
• 输出专题分析报告；

2. 数据挖掘/算法专家

这是技术向的数据岗，有些归类在研发部门，有些则单独成立数据部门。数据挖掘工程师要求更高的统计学能力、数理能力以及编程技巧。

常见数据挖掘项目的闭环如下：

• 定义问题
• 数据抽取
• 数据清洗
• 特征选取/特征工程
• 数据模型
• 数据验证
• 迭代优化

3. 数据产品经理             

这个岗位比较新兴，它有两种理解，一种是具备强数据分析能力的Product Manager，一种是公司数据产品的规划者。

前者，以数据导向优化和改进产品。在产品强势的公司，数据分析也会划归到产品部门，甚至运营也属于产品部。这类产品经理有更多的机会接触业务，属于顺便把分析师的活也干了，一专多能的典型。他们会运用不同的数据源，对用户的行为特征分析和挖掘，达到改进产品。最典型的场景就是AB测试。大到页面布局、路径规划、小到按钮的颜色和样式，均可以通过数据指标评估。

后者，是真正意义上的数据产品经理。在公司迈大迈强后，数据量与日俱增，此时会有不少数据相关的产品项目：包括大数据平台、埋点采集系统、Business Intelligence、推荐系统、广告平台等。这些当然也是产品，自然需要提炼需求、设计、规划、项目排期，乃至落地。

4. 数据工程师

数据工程师其实更偏技术，从职业道路上看，程序员走这条路更开阔。在很多中小型的公司，一方面数据是无序的、缺失的、原始的，另外一方面各种业务报表又需要处理。这时候分析师只能各种任务自己动手，兼做数据清洗+ETL(提取转换加载)+商业智能

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

根据作者DataCastle在CSDN发表的文章整理出的企业对数据分析的技能要求大致有以下几点：

• 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

（cr: https://blog.csdn.net/DataCastle/article/details/78033108）

1. Excel 

作为微软的一个出色表格处理工具，Excel也是数据分析师需要掌握的。因为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。

资料来源：DataFlair

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：

1)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。比如你可以根据你的需要提取2018年所有的销售数据、提取今年销量最大的50件商品的数据、提取地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。

2)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。

3)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。

想找 Data Analyst方向实习？

扫码添加Mean Value求职顾问

根据个人背景独家定制求职规划

资深导师简历精修，辅导面试

帮助您100%拿到实习offer

为您的求职保驾护航

怎样才能在最短的时间里全面掌握SQL技能丰富简历和你的面试Tech能力开始投递Data相关职位？答案就在Mean Value Data Science系列课程之SQL冲刺小班

课程适合人群

1. 零基础，没有数据或IT背景，想要进入数据领域工作或者提升自身背景

2. 数据、统计、计算机及信息管理相关数据背景，想做数据类工作 

3. 需要丰富简历内容，缺乏data方面Tech技能和面试经历

课程亮点

1. 知识点全面覆盖，从易到难
严谨的课程设计，不让基础薄弱的学生脱节，从0到1逐步强化提升，百分百掌握数据库分析
2. 每周课后作业，打卡互动学习开课后打卡小程序上线，每周一次课后作业，打卡学习，评论互助，一起学习进步
3. 结合面试题实例讲解，巩固提高如果是求职的同学，光学习理论和操作还不够，如何应对Tech面试题也是找工作时候的一大难点。课上导师会结合面试题展开讲解重要知识点，扎实基础，增强面试竞争力
4. 课上课后答疑，课程管家全程陪伴学生有问题课上/课程群里提问，导师在线答疑；更有课程管家协助管理课程群，全程陪伴，让你放心学习，跟上进度
5. 课程视频可反复回看，永久有效每次课后按时发送录像视频，学生可通过回放复习巩固，查漏补缺，这些回放是永久有效的~  

课程时间

12月下旬正式开课

每周一次课，5周10课时