如何进入热门行业发展? Data方向的职业规划解析

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。

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。

另外，数据分析能力作为亚洲人的传统强项，使得中国同学在目前相关岗位供不应求的中国和美国市场相对而言容易拿到offer。并且绝大多数相关项目都是STEM而享有三年的OPT，美国企业的数据岗位普遍乐于提供H1B工作签证。

在数据信息变得唾手可得的时代，几乎每个行业的公司，都在关注如何发掘数据，增加竞争优势。

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。

“具备一定数据分析思维能力”，变成许多大企业招聘管理者的基本要求之一。
一些公司也会要求你有一定的编程能力。

Samsung 分析师招聘要求：
JPMorgan Chase & Co. 数据分析师招聘要求：
Apple 数据科学招聘要求：  
KPMG 数据分析师招聘要求：    
American Express 数据分析师招聘要求：

那么如何快速成为一名数据分析师呢？小编给大家介绍下整理的重要学习清单

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。

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。

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

以上部分资料来源：IBM https://www.ibm.com/analytics/data-science

By 2025, 50% of data scientist activities will be automated by AI, easing the acute talent shortage*. IBM provides AutoAI to automate data science and AI lifecycle management.