博客 - 最新消息

数据分析实习直通车:这个年薪十万,发展速度快的行业如何入行?

小编近来收到不少关于数据分析求职方向的咨询问题
问自己的背景和经历适不适合做数据分析问如何成为一名Data Analyst小编通过这篇文章回答大家一个问题
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

02数据分析职业前景&规划据 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。
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。

资料来源:IBM

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:

  • 具备强数据分析能力的 Product Manager: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。
  • 公司数据产品的规划者: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。

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

  • 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:
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,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。

2018© Copyright - Mean Value Consulting