想從事數據分析行業,請問可以有哪些擇業方向?
對技術不太熱衷,是不是市場分析或者諮詢公司的研究員比較合適我?網站分析的話沒有基礎,請問還有其他分析類的工作職位嗎?
我覺得做數據分析,重點是要讀數據,現在很多海量數據都是可以通過軟體做出來,不會用軟體沒關係,可以有程序人員按照你的要求提煉出來,最關鍵是你對這個數據得一個定義和理解,能否為你所用,為他人所用,這才是一個數據分析師最核心的東西。當然你如果會軟體和技術是更好的,因為你能接觸到最原始的、純生態的數據,隨意折騰......... 而且不同行業需要的數據分析的技能是不一樣的,數據分析是一種基本的技能吧,比如互聯網做產品的,產品人必須要有數據分析的基本能力,但是他不能稱之為數據分析師,完全做數據的人更需要考慮各種因素之前的關係,數據來源更多了,更是對邏輯思維的考驗,單純的使用工具已經不行了,這種類似於數據挖掘了,有的公司挖掘和分析這兩項是分開的。
數據分析的就業路很廣泛的,現在市場上基本所有的職位都跟數據相關,區別只是相關度20%、30%、50%或者80%而已,學好數據分析,保持對數據的敏感度很重要。
我是從2009年開始關注數據分析方向的就業,經過幾年的探索,也做過數據相關的工作,覺得數據分析有下邊的就業方向
如果粗暴地對他們進行技術和非技術的分類,那麼非技術的職位有
數據分析師 – 偏向商業化的數據分析,運營廣告等活動效果分析,銷售額或利潤預測,用戶特徵描述等,需要較好的統計知識,需要懂1-2門數據分析工具如SAS、R等;
諮詢顧問 – 面向客戶,為客戶提供數據抓取、數據分析、出數據報表、改進建議落實等諮詢服務,需要有較好的溝通能力,需要懂1-2門數據分析工具如SAS、R等(諮詢顧問其實也分技術和非技術,技術類的主要是為客戶搭建數據平台)
數據產品經理 – 一般是互聯網公司獨有,數據量大的公司會有自己的數據產品,如阿里巴巴的數據魔方等,主要是針對數據產品從產品立項、提開發需求、跟進產品開發、測試一直到產品上線等工作(相對來說並不需要對從業者要求很高的數據分析或統計能力,屬於目前市場上為數不多但高工資的職位)
我在10-11年的時候曾經沉迷於數據諮詢公司,了解過該領域的公司,感覺目前市面上較好的數據諮詢公司不外乎下邊這些
公司可能有不全,像零售FMCG行業,國內的外資數據調研公司就有好幾家,他們的客戶很多都是大的零售企業如沃爾瑪、家樂福這些,或者快消的如寶潔、箭牌這些,一般應屆生進去工資不會太高,6K左右,出差比較多,工作較基礎,更多的是寫寫報表然後跟客戶講解,不需要自己取數,他們的數據都是從各零售企業的電子掃描槍直接傳輸到伺服器,然後由專門的數據抓取團隊標準化數據,然後送給諮詢顧問去寫報告。
而像Teradata、德勤、畢博這樣的公司,諮詢顧問的收入較高,一般進去都有10-15K的收入,需要較紮實的數據分析能力,需要懂演算法和相關分析工具如SAS等,如果能進去這樣的公司深造兩年對自己的職業道路是大有助益的。
而像國內的艾瑞、易觀這樣的偏向互聯網的諮詢公司,主要以出分析報告,而不是企業諮詢為主要業務,更多的要求你的PPT、Excel能力,還有溝通技巧,不會對統計或者演算法有要求,當然工資相對來說沒有那麼高。
對於我自己來說,目前最關注的是數據挖掘方向的職位,這個就偏技術了,我們來看看騰訊的數據挖掘崗位需求
工作職責:
1、負責以下一項或多項工作:
2、用機器學習、文本挖掘等技術,對結構化和非結構化數據進行挖掘,發現其潛在關聯與知識,指導微信業務發展;
3、搭建分散式、快速、支持海量數據的機器學習演算法平台、數據挖掘平台、BI業務與決策支持平台等;
4、基於多源、海量數據的統計、特徵選擇、模型訓練及檢驗評價,實現用戶畫像、社群發現、熱點發現、特定興趣人群挖掘、關係鏈預測、智能廣告、實時個性化推薦(含商品及資訊等)、LBS、O2O、行業研究等方面的研發與應用;
工作要求:
計算機、數學、統計等相關專業本科及以上學歷(碩士或博士優先);
三年以上大規模數據分析、挖掘相關工作經驗;
符合以下一項或多項即可:
熟悉聚類、分類、回歸、圖模型等機器學習演算法;
熟悉推薦演算法,廣告匹配及關鍵詞推薦與CTR等;
熟悉自然語言處理,文本挖掘,topic model等,對其中某方面核心演算法理解透徹,有實際建模經驗者或者並行化經驗者優先;
熟悉C/C++、python、Java、R語言、SAS,SPSS,matlab等編程語言與工具(一項或多項);
熟悉Hadoop生態系統 / Storm / Spark / Neo4j、GraphX、Hive、Hbase、Pig等且有豐富實戰經驗者優先;
具有深度神經網路DNN理論基礎及實戰經驗者;
熟悉MogoDB、MySQL、NoSQL等資料庫/數據倉庫開發者優先;
可以看到很多技術的關鍵字C/C++、Python、JAVA、R語言、SAS、Hadoop、MySQL,是不是很抓狂,一個數據挖掘工程師要懂這麼多編程語言,基本上就是一個開發了。
以下附上一個互聯網公司數據相關職位的圖,如果你對互聯網行業有興趣可以了解下
2015.4.20補充收集到一個關於數據挖掘公司梯隊的,摘錄給大家看看目錄:1-哪些公司主要招這個行業的人
2-這個行業的基本待遇如何3-以後的發展之路4-如何成為混合型人才5-未來的路我也看不清楚公司________________________________說起公司,有很多種分類方式,我這裡選擇幾個指標(規模、產品線、solution、項目數量)一級:IBM、Teradata、SAS二級:Accenture、Ernst Young、Deloitte、KXEN、Fair Isaac、招行
三級:百度、網易、騰訊、搜狐、淘寶、阿里巴巴、京東、新蛋、天涯、千橡、盛大、360、人民搜索、優酷、噹噹……一堆想做又不知道怎麼做,連思路和成功案例都沒有的公司,主要為互聯網公司、零售業的一些公司三級公司還包括國內的廠商和諮詢公司:亞信、華為、斯特奇、融通、華勝、中盈、神馬、聯創、新華信……這些見過豬跑,沒吃過豬肉的類型……至於為什麼這樣分類,有人肯定不同意,那也沒關係,我列出以下理由:IBM,Teradata這倆公司有自己的DW產品、DM產品,CRM產品(包含ACRM和OCRM),同時這兩個公司單子很多,也就是挖掘的項目很多,電信、金融都有。SAS在中國也很牛,軟體很厲害,就是貴的真要命啊,不是小嘍嘍能玩的起的,而且只租不賣,在中國solution做的不多,就是個賣軟體。SAS在北京西安有研發中心,這個是其他公司不具備的,因此SAS有資格成為一級公司,IBM和Teradata在中國也有研發中心,不過對其挖掘的產品開發工作不多,這個可以去打聽一下,一個在上地,一個在五道口。AC、EY、DT三家都是諮詢背景的,沒產品是絕對的缺陷,都是綁著別人做的,不過單子也不少,AC,EY主要乾電信,DT金融單子多點。招行列在這的原意是:招行是唯一一個有自己挖掘團隊的國內金融客戶,我指的是真正能做出來東西的團隊,不是其他四大行那種混日子的團隊,招行的錢也不少哦。人才________________________________數據挖掘的」正規軍「:一般都在一級、二級公司任職,圈子很小,互相都認識,比如罈子上也基本不說話,新人想入行的老人也不咋教,核心技術與業務核心理念存在於幾個人腦子裡,沒文檔描述,就算有也是給客戶看的,沒什麼用處,給新人模型也看不懂,只要不給解釋,那就是不可能明白其中的業務思考深度和模型的構建邏輯,進來的人基本上靠天賦和機遇,碰上心好的前輩口口相傳,慢慢積累出來突然一天發現,我的媽呀,終於入行了!門檻挺高的,多是大廠商出來的或者pure諮詢背景的兄弟姐妹,不知道我發完帖子之後會不會一大幫哥們蹦出來罵我哈。數據挖掘的」野戰軍「:存在於三級公司,想法多,思路多,專註於演算法、代碼等等,根本不會去想數據挖掘的商業價值,如何把知識轉換為生產力,如何賺錢,cost control,marteting等等商業問題。正規軍具備詳盡的知識體系、戰略思想、解決方案、軟體架構、較好的數學,計算機,統計理論背景等等,這些都是野戰軍不具備的,當然野戰軍中也有遊俠一樣的高人,出來也是秒殺正規軍一片人馬,我這裡指的只是一般情況。
待遇________________________________一二級公司:junior,1~2W/月,senior,2.5~4W/月左右,mgr,4~6W/月左右,SM,6~9W/月,Director,10W~,partner沒數了……,也有瘋狂的,見過一個AC的SM,140萬package,當然也要背quota,他能力也超強。三級公司就便宜多了,三級公司基本照著碼農、碼奴的要求招人,所以去的人也少,只知道一個百度的大哥,70W的package,是中層了;因此,市場上活蹦亂跳天天招人的那些公司還在每天活蹦亂跳的招。AC、EY、DT的薪水是超過IBM和Teradata很多的。待遇其實是由市場決定的,一級二級公司的人做的都是銀行電信的單子,大項目,拿錢多正常的,三級公司給自己做,錢少點,所以沒啥牛人,web mining的項目居多,多以嘗試為主,沒有經濟效益。接到獵頭電話的時候,我一般三級公司就是瞧瞧看看,一級二級的才列為正式考慮的對象。更新於2015/11/25----------------------------------補充一段人大經濟論壇的沈浩老師對於初學數據分析的童鞋的建議
1、對於數據挖掘的初學者來說,千萬不要著急,一步一步來!先把本職工作中的數據分析問題理解了,干好了!2、熟練玩好Excel軟體工具,這個可以看《Excel高級應用與數據分析》,當然有很多Excel論壇和網站3、學習好統計分析方法,我不是單指統計原理,而是統計分析方法,比如回歸分析,因子分析等,不斷進入統計分析解決問題的思考方式;這個可以看看SPSS軟體方面的書和數據案例,通過軟體學習解決數據分析的統計問題,這方面的書很多,當然你也可以關注我的博客,不斷增加統計分析方法解決數據分析問題的思路,自己對照著完成!4、在上述問題有了比較好的理解後,也就是你應該算是一個數據分析能手的時候,開始進入數據挖掘領域,你會發現用數據挖掘思想解決問題具有智能化、自動化的優勢,接下來,你需要考慮數據建模的過程,通過學習Clementine軟體或SAS的挖掘工具,不斷理解數據挖掘與原來的數據分析工具有什麼不同或優勢!5、當前面都是了解並且能夠得心應手後,你就要有針對性的掌握你工作所在行業的問題,例如:電信行業的解決方案問題:客戶流失、客戶價值、客戶離網、客戶保持、客戶響應、客戶交叉銷售等商業模型,同時與數據分析和數據挖掘統一在一起的解決方案!6、接下來,你應該掌握資料庫的一些原理和操作,特別是SQL語言的方式7、你到了這個階段,就應該有全面解決問題的能力,比如挖掘出來的知識或商業規則如何推送到營銷平台上等等8、梳理自己的知識結構,不僅會操作,現在你應該成為專家了,要能夠宣揚你的知識能力和領導力,當然也要表明你在數據挖掘領域的專業特長9、要經常幫助同事和行業朋友,比如幫助解決數據分析問題,幫助諮詢,甚至給大家講課,這對你的知識梳理和能力的提高非常重要,你的自信心會更強!10、有興趣,可以建立一個博客或什麼,不斷寫點東西,經常思考和總結11、結交廣泛的朋友!最後,請關注我的,我會好好維護你的時間線的 *( ^ v ^ )/*1 數據分析不是一個具體的行業,它只是一個行業無關的領域無關的專業方向,可以粗暴地認為就好比程序開發,給銀行項目寫程序,與給智能手機寫程序,是兩碼事兒。
2 我建議你先找准自己喜歡的行業,然後再關注那個行業里的數據分析相關的職位。
3 數據分析分很多的層次和方向,比如傳統的運營啊採購啊這樣的部門也做數據分析,又比如大型B2C企業的BI啊,他們也做數據分析,以及我做過3年的生物信息學科研項目的數據分析 ,都是不同層次,跨度很大。 所以你得定位好自己是哪個層次,然後跟同行多交流和學習。工具是基礎,了解行業,懂企業才是核心。 SPSS也好 VBA也好,都不是提升的根本價值。當然,也許是個敲門磚。 至於該去哪個行業?企業?可以看看行業平均收入,行業增長率,是否能健康發展之類的。
單純說數據挖掘能力是很扯淡的,就像煉金師傅或者占星師。沒有背景積累,給批數據就能挖掘出金子?夢
僅僅關注技術也很難成為這個行業的精英,道理前面說了很多,不過多解釋。數據報表、流量統計之類的應該算不上分析。
還有一個很俗的說法,其實很有道理,CEO和數據分析師的距離證明了數據分析的價值。
反過來說更靠譜,你提供的分析有多少能幫助高層、企業做決策,這才是價值。數據行業從廣義上講可以分為以下幾個職位:
一、數據挖掘工程師
數據挖掘工程師多是通過對海量數據進行挖掘,尋找數據的存在模式,從而通過數據挖掘來解決具體問題。其更多是針對某一個具體的問題,是以解決具體問題為導向的。例如:聚類分析,通過對於會員各種人口統計學、行為數據進行分析,對客戶進行分類,更好地理解客戶,知道公司會員是到底如何?高、中、低低價值的客戶構成,既可以後期公司的運營提供指導,提高活動效率,可以指導公司的營銷。
做數據挖掘工程, 必須精通資料庫。很多時候,你模型的數據預處理,可能完成在資料庫里完成,你用到的資料庫技巧更高。必須要會成熟的數據挖掘工具、數據挖掘演算法,等,當然如果你會一、二款開源軟體,並會寫一些程序代碼那是最好的,大公司都喜歡用開源的軟體。
二、數據分析師
數據分析師更注意是對數據、數據指標的解讀,通過對數據的分析,來解決商業問題。主要有包括:(1)業務監控:診斷當前業務是否正常?是否存在問題?業務發展是否達到預期?如果沒有達到預期,問主要問題在哪?是什麼原因引起的?(2)建立分析體系:這些數據分析師已經對業務有一定的理解,對業務也相對比較熟悉,更多幫業務方建立一套分析體系,或者更高級是做成數據產品。例如:營銷活動。分析師會告訴業務方,在活動前你應該分析哪些數據,從而制定恰當的營銷計劃。在營銷過程中,你應該看哪些數據,從而及時做出營銷活動調整。在營銷活動,應該如何進行活動效果評估以及行業未來發展的趨勢分析。
三、商業分析師。
商業分析師在行業、宏觀的層面進行業務分析,預測未來行業的發展,競爭對手的業務構成,幫助公司制定戰略發展計劃,並及時跟蹤、分析市場動態,從而及時對戰略進行不斷優化。主要技能要求:要熟悉基本的統計分析知識、對於與網站相關的業務還可能要求掌握等網站分析工具等。
四、數據建模師
這個職位與數據挖掘工程師還是有本質區別的。數據建模師,更多偏向於中、小數據量,而且其使用更多更多是統計學的方法,數據建模師其實很少會提到演算法這個詞。但是有時候,這二個模型越來越沒有明確的分工,一般來說都會二個職位的人都會去學習對方的知識,所以這二個職位有合併的趨勢。
新進入數據行業的同學,可以根據自己的背景背景選擇相應的職位,學數據、統計學的朋友更多可以偏向於建模師,而計算機特別是寫編程好的同學,可以走數據挖掘工程師,也許適應性更好,但這不是絕對的。
數據分析,以數據的處理為基礎,從數據中分析出一些規律,為軟體開發、運營和營銷提供數據支持。軟體肯定得要好好掌握的;基礎點得就是excel,再深入點就是SPSS。建議你可以看看《誰說菜鳥不會數據分析》,加深下理解。
市場數據分析和行業數據研究都是很不錯的職業啊,在我們這裡,行業研究員的薪資很高。。
數據分析是工具,重點要解決支撐營銷、管理、生產等環節的工作,解決方法重點在思維和領域認識上。不知道自己適合什麼,那就需要去多嘗試。
為什麼沒人說操盤手,樓主炒股去吧,純數據分析
掌握技術是做好數據分析的基本條件,VBA SPSS SAS等等
是啊,基本的軟體必須會,我也是初學者,正在學習SPSS
數據分析是吃香啊,如果分析的好,可以節省開支還能賺大錢。數據分析師以後是牛人,大家都用程序做數據分析,所以一定要會點程序,或者會用一些給力的軟體。
很想知道不懂代碼能做數據分析的工作嗎?
成本管理
推薦閱讀:
※Google Anlytics 為什麼不提供每個頁面的UV?
※中醫是不是就是大數據?
※新浪微博有哪些值得推薦的微博管理應用?
※網站分析的方法有哪幾種?
※如何提高 iTunes Connect 中「App Store 查看次數」?