回覆列表
-
1 # IT人劉俊明
-
2 # 嘻嘻嘻12134
曾經有幸做過資料分析職位,如果您滿足以下要求,我覺得還是可以的:
1.理工科,學歷最少碩士畢業;
2.有統計學基礎,有程式設計基礎;
資料分析是一門很吃學歷的職位,一般的本科做的資料分析都是一些日常的分析,我認為是不長久的,如果滿足條件,可以去試試,畢竟年輕,放心大膽的去做吧。
-
3 # NC少年
肯定來得及,但要規劃好。
作為一個曾在美股上市擔任高階資料分析師的過來人,說下我的看法:
何為資料分析師?資料分析師是分析處理資料的崗位,目標是帶來真正的業務價值。
通訊網際網路基礎技術的發展,讓我們步入了大資料時代。資料的海量,催生了資料分析師這個職位。但不只要看到資料,要看到資料背後的業務價值。你後續升職加薪,最主要的考核點,我認為就是你透過資料分析師給公司帶來了什麼業務價值,比如提升了多少收入、利潤,帶來了多少新使用者。
需要哪些技能?提數技能,用來獲取資料。
資料一般都儲存在資料庫或資料倉庫中。sql是必備技能,懂hadoop hive是加分項。
分析技能,簡單點就是對資料進行整合、展示,出一份資料報告。但遠遠不夠。剛多的是預測功能,基於歷史資料,需求方可能讓你預測未來的資料,這個時候資料序列建模、甚至是機器學習建模,都排上用場了。所以,python是必備項。不建議用excel,建議全部自動化分析流程。
業務知識的理解: 資料只是一盤散沙,要結合具體的業務場景、商業價值分析資料,並給到決策建議。分析師的終極目標,是給到決策建議。如果只是一堆資料的展示,太枯燥沒啥意思。當然如果有視覺化的技能,也是加分項。
後續進一步發展後續做的好,可以往資料分析師深入發展,或者轉演算法工程師。兩者本質上都是處理資料,解決最最佳化決策的崗位,只是後者對演算法要求高而已。
作為一名教育工作者,同時大資料也是我的主攻方向之一,所以我來回答一下這個問題。
首先,對於24歲的男生來說,學習資料分析技術是完全來得及的,而且經過一個系統的學習過程之後,也會有一定的職場競爭力,從大資料領域大的發展趨勢來看,未來資料分析領域的人才需求潛力還是比較大的。
資料分析在大資料時代有了新的定義,資料分析的方式產生了較為明顯的變化,資料分析的邊界也在不斷得到拓展,從結構化資料逐漸向半結構化資料和非結構化資料拓展,而且資料分析在行業領域的應用也逐漸從金融、經濟、醫藥等領域向工業領域拓展,相信在工業網際網路時代,這一趨勢會越發明顯。
24歲開始學習資料分析,一定要結合自身的知識結構來選擇一個學習的切入點,當前資料分析可以分為兩大基本方式,其一是統計學方式,其二是機器學習方式。對於數學基礎比較紮實的初學者來說,可以從統計學方式開始學習,一方面統計學的資料分析方式有大量的學習資料,另一方面該方式也比較容易入門,同時也有大量的工具可以使用。
機器學習的資料分析方式在大資料時代得到了廣泛的關注,相對於傳統的統計學分析方式來說,機器學習方式更適合大資料時代的資料特點。機器學習的資料分析方式需要一個系統的學習過程,不僅要有一個紮實的數學基礎,同時還需要學習程式設計知識,比如Python語言在機器學習領域就有廣泛的應用。
最後,資料分析與傳統的開發崗位不同,資料分析領域對於經驗的積累比較看重,比如行業知識就需要一個長時間的積累過程,所以從事資料分析崗位往往有較長的職業生命週期,這也可以看成是資料分析崗位的一個優勢。