
我小時(shí)候的理想是將來做一名數(shù)學(xué)家,可惜長大了發(fā)現(xiàn)自己天賦不夠,理想漸行漸遠(yuǎn),于是開始考慮現(xiàn)實(shí),開始做一些人生規(guī)劃,我一直在思考將來從事何種職業(yè),專注什么樣的領(lǐng)域,重新定義著自己的職業(yè)理想。我現(xiàn)在的職業(yè)理想,比較簡單,就是做一名數(shù)據(jù)分析師。
為什么要做數(shù)據(jù)分析師?
在通信、互聯(lián)網(wǎng)、金融等這些行業(yè)每天產(chǎn)生巨大的數(shù)據(jù)量(長期更是積累了大量豐富的數(shù)據(jù),比如客戶交易數(shù)據(jù)等等),據(jù)說到2020年,全球每年產(chǎn)生的數(shù)據(jù)量達(dá) 到3500萬億GB;海量的歷史數(shù)據(jù)是否有價(jià)值,是否可以利用為領(lǐng)導(dǎo)決策提供參考依據(jù)?隨著軟件工具、數(shù)據(jù)庫技術(shù)、各種硬件設(shè)備的飛快發(fā)展,使得我們分析 海量數(shù)據(jù)成為可能。
而數(shù)據(jù)分析也越來越受到領(lǐng)導(dǎo)層的重視,借助報(bào)表告訴用戶什么已經(jīng)發(fā)生了,借助OLAP和可視化工具等分析工具 告訴用戶為什么發(fā)生了,通過dashboard監(jiān)控告訴用戶現(xiàn)在在發(fā)生什么,通過預(yù)報(bào)告訴用戶什么可能會(huì)發(fā)生。數(shù)據(jù)分析會(huì)從海量數(shù)據(jù)中提取、挖掘?qū)I(yè)務(wù)發(fā) 展有價(jià)值的、潛在的知識,找出趨勢,為決策層的提供有力依據(jù),為產(chǎn)品或服務(wù)發(fā)展方向起到積極作用,有力推動(dòng)企業(yè)內(nèi)部的科學(xué)化、信息化管理。
我們舉兩個(gè)通過數(shù)據(jù)分析獲得成功的例子:
(1) Facebook廣告與微博、SNS等網(wǎng)絡(luò)社區(qū)的用戶相聯(lián)系,通過先進(jìn)的數(shù)據(jù)挖掘與分析技術(shù),為廣告商提供更為精準(zhǔn)定位的服務(wù),該精準(zhǔn)廣告模式收到廣大廣 告商的熱捧,根據(jù)市場調(diào)研機(jī)構(gòu)eMarketer的數(shù)據(jù),F(xiàn)acebook年?duì)I收額超過20億美元,成為美國最大的在線顯示廣告提供商。
(2) Hitwise發(fā)布會(huì)上,亞太區(qū)負(fù)責(zé)人John舉例說明: 亞馬遜30%的銷售是來自其系統(tǒng)自動(dòng)的產(chǎn)品推薦,通過客戶分類,測試統(tǒng)計(jì),行為建模,投放優(yōu)化四步,運(yùn)營客戶的行為數(shù)據(jù)帶來競爭優(yōu)勢。
此外,還有好多好多,數(shù)據(jù)分析,在營銷、金融、互聯(lián)網(wǎng)等方面應(yīng)用是非常廣泛的:比如在營銷領(lǐng)域,有數(shù)據(jù)庫營銷,精準(zhǔn)營銷,RFM分析,客戶分群,銷量預(yù)測等 等;在金融上預(yù)測股價(jià)及其波動(dòng),套利模型等等;在互聯(lián)網(wǎng)電子商務(wù)上面,百度的精準(zhǔn)廣告,淘寶的數(shù)據(jù)魔方等等。類似成功的案例會(huì)越來越多,以至于數(shù)據(jù)分析師 也越來越受到重視。
然而,現(xiàn)實(shí)卻是另一種情況。我們來看一個(gè)來自微博上的信息:在美國目前面臨14萬~19萬具有數(shù)據(jù)分析和管理 能力的專業(yè)人員,以及150萬具有理解和決策能力(基于對海量數(shù)據(jù)的研究)的管理人員和分析人員的人才短缺。而在中國,受過專業(yè)訓(xùn)練并有經(jīng)驗(yàn)的數(shù)據(jù)分析人 才,未來三年,分析能力人才供需缺口將逐漸放大,高級分析人才難尋。也就是說,數(shù)據(jù)分析的需求在不斷增長,然而合格的為企業(yè)做分析決策的數(shù)據(jù)分析師卻寥寥 無幾。好多人想做數(shù)據(jù)分析卻不知道如何入手,要么不懂得如何清洗數(shù)據(jù),直接把數(shù)據(jù)拿來就用;要么亂套模型,分析的頭頭是道,其實(shí)完全不是那么回事。按俗話 說就是:見過豬跑,沒吃過豬肉。
我的職業(yè)規(guī)劃:
對于數(shù)據(jù)分析,有一句話說的非 常好:spss/sql之類的軟件、決策樹、時(shí)間序列之類的方法,這些僅僅就都是個(gè)工具而已,最重要的是對業(yè)務(wù)的把握。沒有正確的業(yè)務(wù)理解,再牛的理論, 再牛的工具,都是白搭。做一名合格的數(shù)據(jù)分析師,除了對數(shù)據(jù)需要有良好的敏感性之外,對相關(guān)業(yè)務(wù)的背景的深入了解,對客戶或業(yè)務(wù)部門的需求的清晰認(rèn)識。根 據(jù)實(shí)際的業(yè)務(wù)發(fā)展情況識別哪些數(shù)據(jù)可用,哪些不適用,而不是孤立地在“真空環(huán)境”下進(jìn)行分析。
為此,我對自己的規(guī)劃如下:
第一步:掌握基本的數(shù)據(jù)分析知識(比如統(tǒng)計(jì),概率,數(shù)據(jù)挖掘基礎(chǔ)理論,運(yùn)籌學(xué)等),掌握基本的數(shù)據(jù)分析軟件(比如,VBA,Matlab,Spss,Sql 等等),掌握基本的商業(yè)經(jīng)濟(jì)常識(比如宏微觀經(jīng)濟(jì)學(xué),營銷理論,投資基礎(chǔ)知識,戰(zhàn)略與風(fēng)險(xiǎn)管理等等)。這些基礎(chǔ)知識,在學(xué)校里盡量的學(xué)習(xí),而且我來到了和 君商學(xué)院,這樣我可以在商業(yè)分析、經(jīng)濟(jì)分析上面領(lǐng)悟到一些東西,增強(qiáng)我的數(shù)據(jù)分析能力。
第二步:參與各種實(shí)習(xí)。研一開始我當(dāng)時(shí)雖然有課,不 過很幸運(yùn)的找到一份一周只需去一兩天的兼職,內(nèi)容是為三星做競爭對手分析,當(dāng)然分析框架是leader給定了,我只是做整合資料和往ppt里填充的內(nèi)容的 工作,不過通過兼職,我接觸到了咨詢行業(yè),也向正式員工學(xué)習(xí)了很多商業(yè)分析、思考邏輯之類的東西。之后去西門子,做和VBA的事情,雖然做的事情與數(shù)據(jù)分 析無關(guān),不過在公司經(jīng)常用VBA做一些自動(dòng)化處理工作,為自己的數(shù)據(jù)分析工具打好了基礎(chǔ)。再之后去了易車,在那里兼職了一個(gè)多月,參與了大眾汽車銷量數(shù)據(jù) 短期預(yù)測的項(xiàng)目,一個(gè)小項(xiàng)目下來,數(shù)據(jù)分析的方法流程掌握了不少,也了解了企業(yè)是如何用一些時(shí)間序列模型去參與預(yù)測的,如何選取某個(gè)擬合曲線作為預(yù)測值。 現(xiàn)在,我來到新的地方實(shí)習(xí),也非常幸運(yùn)的參加了一個(gè)央企的碼頭堆場優(yōu)化系統(tǒng)設(shè)計(jì),其實(shí)也算數(shù)據(jù)分析的一種吧,通過碼頭的數(shù)據(jù)實(shí)施調(diào)度,通過碼頭的數(shù)據(jù)進(jìn)行 決策,最后寫成一個(gè)可操作的自動(dòng)化系統(tǒng)。而這個(gè)項(xiàng)目,最重要的就是業(yè)務(wù)流程的把握,我也參與項(xiàng)目最初的需求調(diào)研,和制定工作任務(wù)說明書SOW,體會(huì)頗多。
第三步:第一份工作,預(yù)計(jì)3-5年。我估計(jì)會(huì)選擇咨詢公司或者IT公司吧,主要是做數(shù)據(jù)分析這塊比較強(qiáng)的公司,比如Fico,埃森哲,高沃,瑞尼 爾,IBM,AC等等。通過第一份工作去把自己的知識打得扎實(shí)些,學(xué)會(huì)在實(shí)際中應(yīng)用所學(xué),學(xué)會(huì)數(shù)據(jù)分析的流程方法,讓自己成長起來。
第四步:去自己喜歡的一個(gè)行業(yè),深入了解這個(gè)行業(yè),并講數(shù)據(jù)分析應(yīng)用到這個(gè)行業(yè)里。比如我可以去電子商務(wù)做數(shù)據(jù)分析師。我覺得我選擇電子商務(wù),是因?yàn)槲磥肀貙?是互聯(lián)網(wǎng)的時(shí)代,電子商務(wù)必將取代傳統(tǒng)商務(wù),最顯著的現(xiàn)象就是傳統(tǒng)零售商老大沃爾瑪正在受到亞馬遜的挑戰(zhàn)。此外,電子商務(wù)比傳統(tǒng)的零售商具有更好的數(shù)據(jù)收 集和管理能力,可以更好的跟蹤用戶、挖掘潛在用戶、挖掘潛在商品。
第五步:未知。我暫時(shí)沒有想法,不過我希望我是在一直的進(jìn)步。
總結(jié):數(shù)據(jù)分析師的能力和目標(biāo):
能力:
1、 一定要懂點(diǎn)戰(zhàn)略、才能結(jié)合商業(yè);
2、 一定要漂亮的presentation、才能buying;
3、一定要有g(shù)lobal view、才能打單;
4、 一定要懂業(yè)務(wù)、才能結(jié)合市場;
5、 一定要專幾種工具、才能干活;
6、 一定要學(xué)好、才能有效率;
7、 一定要有強(qiáng)悍理論基礎(chǔ)、才能入門;
8、 一定要努力、 才能賺錢;最重要的:
9、 一定要?jiǎng)?wù)實(shí)、才有reputation;
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10