隨著“雲計算”、“網際網路”、“物聯網”的快速發展，大資料也吸引了越來越多的人關注，成為社會熱點之一。據統計，目前國內有90%的企業都在使用大資料，而大資料高階軟體類人才供應遠不能滿足時代的發展。

入行容易學精難，進入一個行當後想要適時提高自己的能力和薪資是每一個打工人的心願，不少同學好奇，為什麼有些資料分析師的薪資那麼高，如何快速零基礎入門呢？

資料分析是什麼？

1) 資料分析發展背景

進入到 21 世紀以後，伴隨著網際網路的迅速發展，大資料應運而生，越來越多的資料被不斷的挖掘出來，形成了“資料為王”的時代。就拿我們自己舉例子，比如你的購物習慣、你的喜好等等，這些都會組成資料，對你購物習慣的分析會幫助購物平臺更精準的推薦商品，這只是資料分析應用的冰山一角，它還可以應用到金融領域、交通領域、畜牧業等等。隨著資料規模越來越龐大，單靠人力重複的腦力勞動已經無法跟上行業的發展態勢，人類的智慧應該更多應用於決斷與選擇層次，而讓資料分析成為人類的一種輔助工具，可以幫助決策者更明確做出預期判斷與預測，這也是促使 Python 語言快速走紅的原因。

2）資料分析的目的

資料分析目的1：分類

檢查未知分類或暫時未知分類的資料，目的是預測資料屬於哪個類別或屬於哪個類別。使用具有已知分類的相似資料來研究分類規則，然後將這些規則應用於未知分類資料。

資料分析目的2：預測

預測是指對數字連續變數而不是分類變數的預測。

資料分析目的3：關聯規則和推薦系統

關聯規則或關聯分析是指在諸如捆綁之類的大型資料庫中找到一般的關聯模式。

線上推薦系統使用協作過濾演算法，該協作過濾演算法是基於給定的歷史購買行為，等級，瀏覽歷史或任何其他可測量的偏好行為或什至其他使用者購買歷史的方法。協同過濾可在單個使用者級別生成“購買時可以購買的東西”的購買建議。因此，在許多推薦系統中使用了協作過濾，以向具有廣泛偏好的使用者提供個性化推薦。

資料分析目的4：預測分析

預測分析包括分類，預測，關聯規則，協作過濾和模式識別（聚類）之類的方法。

資料分析目標5：資料縮減和降維

當變數的數量有限並且可以將大量樣本資料分類為同類組時，通常會提高資料探勘演算法的效能。減少變數的數量通常稱為“降維”。降維是部署監督學習方法之前最常見的初始步驟，旨在提高可預測性，可管理性和可解釋性。

資料分析目的6：資料探索和視覺化

資料探索的目的是瞭解資料的整體情況並檢測異常值。透過圖表和儀表板建立的資料瀏覽稱為“資料視覺化”或“視覺化分析”。對於數值變數，可以使用直方圖，箱形圖和散點圖來了解其值的分佈並檢測異常值。對於分類資料，請使用條形圖分析。

資料分析目的7：有監督學習和無監督學習

監督學習演算法是用於分類和預測的演算法。資料分類必須是已知的。在分類或預測演算法中用於“學習”或“訓練”預測變數和結果變數之間關係的資料稱為“訓練資料”。 。從訓練資料中學到演算法後，將該演算法應用於具有已知結果的另一個數據樣本（驗證資料），以檢視其與其他模型相比具有哪些優勢。簡單線性迴歸是監督演算法的一個示例。

為什麼要學習資料分析

1.資料分析現在是頂級組織的優先事項

隨著市場競爭的加劇，頂級組織正在轉向資料分析，以確定其服務和產品的新市場機會。目前，77%的頂級組織認為資料分析是業務績效的關鍵組成部分。這意味著大資料專業人員對公司政策和營銷策略產生巨大影響。

2.增加就業機會

隨著公司開始意識到他們無法全面收集，解讀和使用資料，他們開始尋找可以這樣做的專家。如果您檢視所有主要的就業機會平臺，您將看到越來越多的職位釋出尋找資料分析師和顧問。具有這一特殊技能的專業人士的需求正在上升，而供應仍然很低。這為這一-領域的個人創造了巨大的就業機會。

3.增加資料分析專業人員的工資

隨著需求穩步增長，供應依然低迷，資料分析專家越來越多地得到報酬。在印度，像現在這樣，資料分析專業人士的平均支付比其他IT專業人士的平均水平高出50%。隨著越來越多的公司意識到這些專業人員對組織的重要性，這一趨勢在全球顯而易見。

4.大資料分析無處不在

正如現在在當今工作場所使用計算機一樣，使用故據分析專業人士來促進增長是緩慢的。DataAnalytics幾乎沒有任何部門保持不變。

資料分析師必備技能

1. 統計分析：大資料定律、抽樣推測規律、秩和檢驗、迴歸、預測；

2. 視覺化輔助工具：excel、BI工具、python

3. 大資料處理框架：Hadoop、storm、spark

4. 資料庫：SQL、MySql、DB

5. 資料倉庫：SSIS、SSAS

6. 資料探勘工具：Matlab、R語言、python

7. 人工智慧：機器學習

8. 挖掘演算法：資料結構、一致性

9. 程式語言：JAVA、python

資料分析行業發展狀況

下面透過城市、薪酬、學歷、行業領域、公司規模、工作經驗等這六個維度對資料分析師的就業情況及行業發展進行客觀分析。

1、城市分析

資料分析師現在還是在一線城市較為吃香，但是相信在後幾年隨著這個行業的持續發展，二三線城市會成為下一個人才缺口。

從圖中可以看到，北上廣深對於資料分析的人才缺口還是很大的其中北京尤為明顯，上海作為經濟中心，從事金融等行業的公司較多，資料分析也成為了一個必不可少的職位。

除了超一線城市，成都南京武漢等新一線城市近兩年來對資料分析人員的需求量也在提高。

2、薪酬分析

由圖可見，工資最高的是在深圳，達到了快80K，而平均數值比較高的是北京達到了15K左右，基本上北上廣深的都能保持在10K之上。

3、學歷分析

從圖中我們可以看出，從事資料分析師的本科的人數最多，其次是大專，很多公司對於招聘要求也是本科起步。

相對而言，除了博士的薪資有一個較高的漲幅外

碩士生和本科生的薪資差別並不是很大，大多數資料分析師崗位更加註重實踐能力。

4、行業領域分析

行業領域可以分為網際網路金融行業、第二類行業、其他行業。

網際網路金融行業為資料分析師存在最多的行業，缺少大量人才。

資料服務、O2O生活服務、電子商務公司、社交網路公司為第二大行業 。

醫療、物流、文化娛樂、 企業服務、旅遊、遊戲等行業作為資料分析師存在較少的其他行業

資料分析師崗位主要集中於移動網際網路、金融、電商等領域，其中社交網路和硬體平均薪酬領先，各行業的資料分析師平均薪酬基本都在10k以上。

5、公司規模分析

從資料中我們可以看到，需要資料分析師崗位的公司基本上規模不會低於500人，這一點可以向我們證明，越大的企業對於資料分析師的需求越大。

大規模的公司主要集中於北上廣深，其中所屬行業主要是移動網際網路、金融和電子商務，初期選擇建議從金融、電商等行業入門。

資料分析崗位從招聘資訊上看，對從業人員的經驗要求並不是特別的高，總體上對經驗要求在1-3年 和3-5年需求佔據大部分，對於應屆畢業生的需要較低，主要因為實際工作需要結合相應工作技能，這部分是應屆畢業生所欠缺的。薪酬也隨著工作年限的提升逐步上升，10年以上的從業人員基本可以拿到30K的月薪，有很大發展空間。

相信讀到這裡小夥伴對資料分析已經有了一定的瞭解，希望大家都能快速學會本領，獲取一份滿意的工作。