數(shù)據(jù)分析師職業(yè)規(guī)劃：人生本來(lái)就應(yīng)該提前做好準(zhǔn)備

作為一名數(shù)據(jù)分析師，一個(gè)明晰而客觀的職業(yè)規(guī)劃自然是少不了的。人生人生本來(lái)就應(yīng)該提前做好準(zhǔn)備，不然我們?nèi)绾伟l(fā)現(xiàn)機(jī)會(huì)并抓住機(jī)會(huì)。很多人常常抱怨自己運(yùn)氣太差，好的機(jī)會(huì)擺在面前總是被別人搶走，真的只是這樣嗎？是運(yùn)氣太差，還是你能力不行。雖然如今的大數(shù)據(jù)分析市場(chǎng)發(fā)展迅速且在一直擴(kuò)大，但競(jìng)爭(zhēng)的對(duì)手也在同時(shí)劇增，僧多粥少的現(xiàn)象早已司空見(jiàn)慣。一個(gè)好的數(shù)據(jù)分析師，一個(gè)清醒的數(shù)據(jù)分析師，一個(gè)有志氣的數(shù)據(jù)分析師，不可能沒(méi)有自己的自己規(guī)劃的。要知道，人生本來(lái)就應(yīng)該提前做好準(zhǔn)備，沒(méi)有數(shù)據(jù)分析師職業(yè)規(guī)劃，你何來(lái)走下去的明確目標(biāo)和動(dòng)力。學(xué)如逆水行走，不進(jìn)則退。職場(chǎng)也是如此，優(yōu)勝劣汰，如果不未雨綢繆，我們終究被趴倒在沙灘上，無(wú)人垂憐……下面和大家分享一篇關(guān)于一個(gè)人的數(shù)據(jù)分析師職業(yè)規(guī)劃的文章，希望能夠?yàn)橄氤蔀閿?shù)據(jù)分析師的你指點(diǎn)迷津。

職業(yè)規(guī)劃·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(zhǎng)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(shuō)到2020年，全球每年產(chǎn)生的數(shù)據(jù)量達(dá) 到3500萬(wàn)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(kù)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(lái)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(guò)dashboard監(jiān)控告訴用戶現(xiàn)在在發(fā)生什么，通過(guò)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(shí)，找出趨勢(shì)，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(guò)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(guò)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(chǎng)調(diào)研機(jī)構(gòu)eMarketer的數(shù)據(jù)，F(xiàn)acebook年?duì)I收額超過(guò)20億美元，成為美國(guó)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(shuō)明: 亞馬遜30%的銷售是來(lái)自其系統(tǒng)自動(dòng)的產(chǎn)品推薦，通過(guò)客戶分類，測(cè)試統(tǒng)計(jì)，行為建模，投放優(yōu)化四步，運(yùn)營(yíng)客戶的行為數(shù)據(jù)帶來(lái)競(jìng)爭(zhēng)優(yōu)勢(shì)。

此 外，還有好多好多，數(shù)據(jù)分析，在營(yíng)銷、金融、互聯(lián)網(wǎng)等方面應(yīng)用是非常廣泛的：比如在營(yíng)銷領(lǐng)域，有數(shù)據(jù)庫(kù)營(yíng)銷，精準(zhǔn)營(yíng)銷，RFM分析，客戶分群，銷量預(yù)測(cè)等 等；在金融上預(yù)測(cè)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(lái)越多，以至于數(shù)據(jù)分析師 也越來(lái)越受到重視。

然而，現(xiàn)實(shí)卻是另一種情況。我們來(lái)看一個(gè)來(lái)自微博上的信息：在美國(guó)目前面臨14萬(wàn)~19萬(wàn)具有數(shù)據(jù)分析和管理 能力的專業(yè)人員，以及150萬(wàn)具有理解和決策能力（基于對(duì)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(guó)，受過(guò)專業(yè)訓(xùn)練并有經(jīng)驗(yàn)的數(shù)據(jù)分析人 才，未來(lái)三年，分析能力人才供需缺口將逐漸放大，高級(jí)分析人才難尋。也就是說(shuō)，數(shù)據(jù)分析的需求在不斷增長(zhǎng)，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(wú)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(lái)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(shuō)就是：見(jiàn)過(guò)豬跑，沒(méi)吃過(guò)豬肉。

我的職業(yè)規(guī)劃：

對(duì)于數(shù)據(jù)分析，有一句話說(shuō)的非 常好：spss/sql之類的軟件、決策樹(shù)、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(duì)業(yè)務(wù)的把握。沒(méi)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(duì)數(shù)據(jù)需要有良好的敏感性之外，對(duì)相關(guān)業(yè)務(wù)的背景的深入了解，對(duì)客戶或業(yè)務(wù)部門(mén)的需求的清晰認(rèn)識(shí)。根 據(jù)實(shí)際的業(yè)務(wù)發(fā)展情況識(shí)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(duì)自己的規(guī)劃如下：

第 一步：掌握基本的數(shù)據(jù)分析知識(shí)（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(shí)（比如宏微觀經(jīng)濟(jì)學(xué)，營(yíng)銷理論，投資基礎(chǔ)知識(shí)，戰(zhàn)略與風(fēng)險(xiǎn)管理等等）。這些基礎(chǔ)知識(shí)，在學(xué)校里盡量的學(xué)習(xí)，而且我來(lái)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(kāi)始我當(dāng)時(shí)雖然有課，不 過(guò)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(jìng)爭(zhēng)對(duì)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(guò)通過(guò)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(mén)子，做和VBA的事情，雖然做的事情與數(shù)據(jù)分 析無(wú)關(guān)，不過(guò)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(cè)的項(xiàng)目，一個(gè)小項(xiàng)目下來(lái)，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(cè)的，如何選取某個(gè)擬合曲線作為預(yù)測(cè)值。 現(xiàn)在，我來(lái)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(chǎng)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(guò)碼頭的數(shù)據(jù)實(shí)施調(diào)度，通過(guò)碼頭的數(shù)據(jù)進(jìn)行 決策，最后寫(xiě)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(shuō)明書(shū)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(guò)第一份工作去把自己的知識(shí)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(zhǎng)起來(lái)。

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(jué)得我選擇電子商務(wù)，是因?yàn)槲磥?lái)必將 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(méi)有想法，不過(guò)我希望我是在一直的進(jìn)步。