數據分析什麼時候能突破

『壹』 為什麼要做數據分析師：職業規劃很重要

數據分析」作為近幾年最火熱的詞彙，越來越受到大家的關注，而且這一行業就業面很廣，薪資相對來說很高，就吸引了大多畢業生青睞。任何行業隨著深入發展，都分為3個階段：初級，中級，高級。

初級要求熟練使用Excel即可；

中級需要的核心技能：

高級需要掌握統計概率，精通SQL，編程語言Python或者是R。

數據分析崗位方向及工作內容可以簡單分為業務和技術2大方向：

業務方向——數據運營、數據分析師、商業分析、用戶研究、增長黑客、數據產品經理等。

技術方向——數據開發工程師、數據挖掘工程師、數據倉庫工程師等。

業務類崗位的數據分析師大多在業務部門，主要工作是數據提取、支撐各部門相關的報表、監控數據異常和波動，找出問題、輸出專題分析報告。

學習數據分析師職業規劃前景的問題可以到CDA數據分析認證中心了解一下，CDA是大數據和人工智慧時代面向國際范圍全行業的數據分析專業人才職業簡稱，具體指在互聯網、金融、咨詢、電信、零售、醫療、旅遊等行業專門從事數據的採集、清洗、處理、分析並能製作業務報告、提供決策的新型數據人才。

『貳』 大數據未來的發展前景怎麼樣呢

從我國數據產量和存量來看，廣東、北京、浙江、江蘇、上海、等地區數據資源較為豐富，東部地區數據產量和存量均高於西部地區。從省際數據流量來看，東部地區月均互聯網省際出口總流量佔全國比重超過一半。

在以北上廣為代表的東部地區數據資源豐富的背景下，其大數據產業發展水平快於其他地區省份。其中，北上廣大數據企業數量佔全國比重近70%，廣東和北京大數據發展水平較高。

東部地區數據產量整體高於西部，省際數據流量遠高於其他地區

2019年，我國數據產量總規模為3.9ZB。從數據產量的地區分布看，2019年全國數據產量排名前十位的省份為廣東、北京、浙江、江蘇、上海、山東、四川、河南、河北和湖南。

從人均數據產量來看，2019年人均數據產量排名前十位的省份分別是北京、上海、浙江、天津、廣東、內蒙古、西藏、海南、江蘇和遼寧。整體來看，東部地區數據產量和人均數據產量均高於西部地區。

—— 更多數據來請參考前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》

『叄』 我國大數據發展的現狀是怎樣的

隨著信息技術和人類生產生活交匯融合，全球數據呈現爆發增長、海量集聚的特點。無論是國家、企業還是社會公眾，都越來越認識到數據的價值。因此，近年來，各地紛紛成立大數據發展局，企業紛紛推動數據資產治理，大數據輻射的行業也從傳統的電信、金融逐漸擴展到工業、醫療、教育等。一時間，彷彿各行各業都在談大數據，人人都在談大數據。但也有聲音說大數據迎來了「七年之癢」，面對大數據熱潮也需要一些「冷思考」。我國大數據究竟發展得如何？未來我國大數據發展還有哪些機遇和挑戰？

1、大數據產業進展顯著
過去幾年，大數據理念已經深入人心，「用數據說話」已經成為所有人的共識，數據也成了堪比石油、黃金、鑽石的戰略資源。五年來，我國大數據產業政策日漸完善，技術、應用和產業都取得了非常明顯的進展。
在政策方面，我國從中央到地方的大數據政策體系已經基本完善，目前已經進入落地實施階段。自從2014年「大數據」這個詞寫入政府工作報告以來，我國大數據發展的政策環境掀開了全新的篇章。在頂層設計上，國務院《促進大數據發展行動綱要》對政務數據共享開放、產業發展和安全三方面做了總體部署。《政務信息資源共享管理暫行辦法》《大數據產業發展規劃（2016-2020）》等文件也都已經出台。十九大報告中提出「推動大數據與實體經濟深度融合」，「十三五」規劃中提出「實施國家大數據戰略」。衛健、農業、環保、檢察、稅務等部門還出台了領域大數據發展的具體政策。截至2019年初，所有省級行政區都發布了大數據相關的發展規劃，十幾個省市設立了大數據管理局，8個國家大數據綜合試驗區、11個國家工程實驗室啟動建設。可以說，大數據的政策體系已經基本搭建完成，目前已經紛紛進入落地實施甚至評估檢查階段。
在技術方面，我國大數據技術發展屬於「全球第一梯隊」，但國產核心技術能力嚴重不足。我國獨有的大體量應用場景和多類型實踐模式，促進了大數據領域技術創新速度和能力水平，處於國際領先地位。在技術全面性上，我國平台類、管理類、應用類技術均具有大面積落地案例和研究；在應用規模方面，我國已經完成大數據領域的最大集群公開能力測試，達到了萬台節點；在效率能力方面，我國大數據產品在國際大數據技術能力競爭平台上也取得了前幾名的好成績；在知識產權方面，2018年我國大數據領域專利公開量約佔全球的40%，位居世界第二。但我國大數據技術大部分為基於國外開源產品的二次改造，核心技術能力亟待加強。例如，目前國內主流大數據平台技術中，自研比例不超過10%。
在產業方面，我國大數據產業多年來保持平穩快速增長，但面臨提質增效的關鍵轉型。2018年，我國大數據產業延續多年來的增速，繼續保持相對高速的增長。根據中國信息通信研究院的測算，2018年我國大數據產業整體規模有望達到5400億元，同比增長15%。然而，綜合國內外環境、新興技術發展等多種因素，大數據產業的增速出現了下滑。我國的大數據產業也面臨著從高速發展向高質量發展的關鍵轉型期。
在應用方面，大數據的行業應用更加廣泛，正加速滲透到經濟社會的方方面面。隨著大數據工具的門檻降低以及企業數據意識的不斷提升，越來越多的行業開始嘗到大數據帶來的「甜頭」。無論是從新增企業數量、融資規模還是應用熱度來說，與大數據結合緊密的行業正在從傳統的電信業、金融業擴展到政務、健康醫療、工業、交通物流、能源行業、教育文化等，行業應用「脫虛向實」趨勢明顯，與實體經濟的融合更加深入。
2、產業的五大困局
雖然我國大數據總體發展形勢良好，也面臨難得的發展機遇，但仍然存在一些困難和問題。
一是，涉及核心技術的產業發展薄弱，未能有效提升我國核心技術競爭力。核心技術的影響力在大數據產業有著極高的重要性。由於大數據企業在完成產品開發後，可以近乎零成本無限制的復制，因此擁有核心技術的大企業，很容易將技術優勢轉化為市場優勢，即憑借具體的信息產品贏得海量用戶獲得壟斷地位。當前，從大數據技術與產品的供給側看，我國雖然在局部技術實現了單點突破，但大數據領域系統性、平台級核心技術創新仍不多見。大數據處理工具都是「他山之石」，大部分企業用的都是國外的數據採集、數據處理、數據分析、數據可視化技術，自主核心技術突破還有待時日。尤其是開源產品的技術標准方面，我國的影響力尚亟待提升。
二是，數據孤島和壁壘降低了大數據產業資源配置效率。大數據產業發展必須實現數據信息的自由流動和共享，如果數據不開放、不共享，數據整合就不能實現，數據價值也會大大降低。無論是政府數據、互聯網數據還是其他數據，數據擁有者往往不願對其進行開放流通。受制於前期信息基礎設施建設，目前我國政府數據往往還存在著諸多「數據孤島」和「數據煙囪」，數據價值難以發揮。
三是，數據安全管理薄弱增加了大數據產業的發展風險。大數據技術為經濟社會發展帶來創新活力的同時，也使數據安全、個人信息保護乃至大數據平台安全等面臨新威脅與新風險。海量多源數據在大數據平台匯聚，來自多個用戶的數據可能存儲在同一個數據池中，並分別被不同用戶使用，極易引發數據泄露風險。利用大數據技術對海量數據（21.90 -5.19%,診股）進行挖掘分析所得結果可能包含涉及國家經濟社會等各方面的敏感信息，需要對分析結果的共享和披露加強安全管理。
四是，產業壟斷與惡性競爭現象頻發，「劣幣驅逐良幣」現象明顯。由於資源型產業門檻低、利潤高，新興的大數據企業往往首先將目光盯在獲取數據資源上面。大量依託數據資源優勢的企業誕生，為大數據產業帶來了低附加值的壟斷經濟模式，使得依靠技術壁壘打江山的企業不得不面對殘酷的市場競爭，放緩了技術研發的步伐。同時，數據壟斷問題也愈發明顯。少數互聯網巨頭企業擁有巨大數據，不但對產業發展不利，甚至存在巨大的數據聚集隱患。
五是，各地發展同質化嚴重，普遍存在重存儲輕應用的現象。由於缺乏統一的大數據產業分類統計體系和產業運行監測手段，各地大數據產業的定位相似，同質化競爭加劇。而盲目的重復建設，更是可能導致大數據產業過剩。同時，由於部分地區信息化發展程度有限，大數據應用場景不夠豐富，更是以數據中心等大數據存儲設施的建設作為發展大數據產業的關鍵，且規模巨大，目標動輒以百萬台計，後期若無法有效利用，將造成巨大的資源浪費。

『肆』 數據分析員是什麼職業，未來前景如何

數據分析師職位具有鮮明的時代特點和巨大的需求，在大學本科階段統計專業積極探索培養大學生的數據分析能力，進而為社會提供合格的數據分析師人才的有效對策，具有重要的研究價值和實踐意義。

一、數據分析師培養的意義

（一）數據分析師的培養符合國家戰略

為適應世界經濟一體化的進程，徹底改變我國「項目數據分析」專業技術人才緊缺的現狀，2005 年 4 月，全國第一家數據分析事務所在陝西成立，到目前，我國相繼已有北京、陝西、江蘇、新疆、甘肅、山東、浙江、上海、黑龍江等 14 個省、市、自治區約 80 家項目數據分析專業機構進入中國市場經濟舞台，涉及項目已從最初的分析評估業和金融業，擴展至會計師、投融資機構、政府審批和企業管理等眾多領域。隨著大數據時代的來臨，構建大數據研究平台、整合創新資源、實施「專項計劃」等成為各個省市的工作重點之一。

（二）數據分析師的就業前景光明

在被視為「數據元年」的今天，數據分析師以待遇優厚和地位尊崇而聞名國際，曾被Times時代雜志譽為「21世紀最熱門五大新興行業」。今天，國內數據分析行業專業人才每年以千位數非速增長著，同期各行業領域空缺崗位已達近二十萬，未來中國對數據分析師的需求更是呈井噴之勢。

在數據分析人才培養上，國外已經將數據分析師人才作為國家戰略。據統計，目前世界 500 強企業中，有90% 以上建立了數據分析部門。大數據時代對數據分析師的巨大需求也大大刺激了高等院校的培養熱情。

二、數據分析師職業素養的培養

通過對各大招聘網站數據分析師、市場調查分析師等職位招聘信息的搜集整理和深入分析，挖掘並歸納出社會用人單位對數據分析師職位的知識技能和道德素質等方面的具體要求如下：

（一）數據分析師的職業內涵

數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，並依據數據做出行業或市場研究、評估和預測的專業人員；是以實際數據為依據，對項目現狀及遠期進行統計、分析、預測並轉化為決策信息的專業人才。數據分析師可以通過掌握的大量行業數據，運用科學的計算工具，將經濟學原理與數學模型結合，進行科學合理的定量分析，數據分析師可以預測企業未來的收益及風險，為企業經營決策提供科學量化分析的依據。

目前數據分析師的認證主要有 2個：一是注冊數據分析師（CDA），由CDA注冊數據分析師協會Certified Data Analyst Institute）在順應大數據、雲計算的潮流下發起成立的職業簡稱；二是項目數據分析師（CPDA），由中國商業聯合會數據分析專業委員會以及工信部教育考試中心共同考核認證，證書是申請成立項目數據分析事務所的必備條件之一。

（二）數據分析師的知識要求

掌握多元統計分析、應用回歸分析、時間序列分析、計量經濟學、經濟預測研究等統計建模方法，了解本行業統計方法的新進展；掌握 SQL/oracle 等資料庫的數據整理、查詢、提取等方法；熟練使用相關的統計軟體，准確解讀軟體的運行結果；了解相關行業的業務知識和數據構成。

（三）數據分析師的能力要求

對信息、數據敏感，具備較強的文字功底，能獨立撰寫研究報告；能熟練使用 SPSS/SAS/Eviews 等統計分析軟體，具備數據分析或數據挖掘的綜合能力；掌握資料庫體系結構及數據架構，具備 Excel/SQL 或 Access 的查詢語句運用技能與知識，有良好的數據處理、建立統計模型能力。

（四）數據分析師的崗位職責

承擔行業、企業有關信息、數據的調查、搜集、整理、分析研究和發布工作；參與專項研究、課題和調研咨詢項目，撰寫行業分析文章和研究報告；對大數據進行深入挖掘，建立相關模型進行預測、分析，找出相關的聯系，揭示內在規律，為行業、企業決策提供依據。

三、數據分析師的培養方案

培養方案是高等教育辦學思想和辦學理念的集中體現，為突出數據分析的培養特色，統計專業應在深入分析數據分析職業需求的前提下，最終制定出符合數據分析師培養要求的課程體系。

（一）培養目標

為學生畢業後能夠成為各行業中數據分析領域的專門人才，確定了統計專業學生在本科教育階段的培養目標：一是具備良好的經濟學、管理學和財務管理等基本素養；二是了解相關行業知識、公司業務流程；三是掌握統計學的基本理論與方法，具備熟練使用 SPSS/SAS 等統計分析軟體進行數據分析或數據挖掘的綜合能力；四是掌握資料庫體系結構及數據架構，具備 Excel/SQL 或Access 的查詢語句運用技能與知識，有良好的數據處理、建立統計模型能力；五是具備較強的文字功底，能獨立撰寫數據分析研究報告。

（二）課程體系設立原則

在本科教育階段，培養數據分析師的課程設置應貫徹「三結合」的原則。

1. 多門學科相結合。數據分析工作是多個學科、多門專業在企業決策中的綜合應用，要成為優秀的數據分析師，必須做到多門學科的融會貫通。需熟悉或了解數學、統計學、經濟學、金融學、管理學、營銷學等學科的相關知識。

2. 理論研究與實踐應用相結合。高等學校一般都建有比較成熟的教學實踐基地和實習基地，學生在理論學習後，可以到企事業單位或財政、金融、保險等行業進行針對性的實習實踐，了解相關行業的業務知識和數據構成，運用所學知識進行數據分析，獨立或合作完成數據分析研究報告。

3. 專業教育與技術資格教育相結合。通過學習，學生可獲得統計學專業理學學士學位或者經濟學學士學位；通過參與社會上的技術資格考試，可獲得數據分析、統計師、調查分析師等專業技術資格證書。兩者的結合，更有利於學生從封閉校園走向開放社會，增加技能的同時，更好地融入社會、適應社會。

（三）課程體系的基本框架

在整個教學過程中，可以將每個學期分為長、短兩個小學期，短學期內設置一些與就業崗位相關的、以技能培養為目標的短期集中實踐教學環節，主要是崗位實訓課程。長學期課程分為4個系列：基礎課程、方向課程、綜合實踐課程、職業拓展課程。通過整合相關知識，優化課程結構，強化實踐技能，突出崗位技能實訓等手段構建課程體系，以達到培養學生具有數據分析師的基本技能和素養的目的。

四、數據分析師培養過程中的策略

（一）教學內容整合策略

在課程體系和課程設置的總體構建下，按照課程模塊化的思路，重新梳理課程教學內容、教學進度和深度，剔除陳舊、重復的內容，加強理論聯系實際內容，增添培養綜合運用能力內容，實現教學內容的整合優化。例如，《應用回歸分析》與《計量經濟學》的內容多有重復，可以將《應用回歸分析》並入《計量經濟學》；又如，《描述統計學》《數理統計》《計量經濟學》和《統計預測與決策》等課程有部分重復內容，必須在對知識的審慎梳理基礎上，整合相應的教學內容，重新制定教學文件。

（二）實驗環節設置策略

找准專業知識方法與實際問題的結合點，並分析研究當前的熱點和難點問題，充實和豐富實踐教學內容，編寫具有應用背景、切實達到鍛煉效果的實驗指導書和指導材料，以明確實驗的具體環節、目的與要求。每個實驗項目應包含實驗性質、實驗目的、實驗要求、實驗內容、實驗步驟和結果分析等部分。所有課程的實驗內容由淺入深，循序漸進，實現實踐教學規范化。

（三）軟體教學安排策略

為使學生充分掌握相關的統計軟體，熟練使用恰當的軟體從事數據的整理、分析，將統計軟體的教學分為三個層次：一是單獨開設 SPSS、SQL Server 資料庫課程；二是課堂內開設Lingo、Eviews、SAS 等軟體實驗；三是短學期和綜合訓練開設 Latex、R 等軟體課程，實現軟體教學層次化。

（四）實踐課程操作策略

為了強化學生的實踐能力和就業競爭力，在短學期實踐開設職場禮儀與溝通實、PPT 製作、統計模型、實訓統計調查方法與實務、辦公自動化實訓等項目；各學期綜合訓練分別開設統計流程與分析寫作、會計實踐軟體、統計分析案例等項目，實現綜合實踐職業化。

（五）拓展課程設計策略

聘任有豐富實踐經驗的統計師、調查分析師和企業家為兼職教授或校外導師，強化校外實踐；結合第二課堂，開展與專業教學相結合的、豐富多樣的課外活動；同時利用大學生統計建模大賽、大學生市場調查分析大賽、大學生數學建模競賽等學科競賽鍛煉學生綜合能力，實現職業拓展多樣化。

五、數據分析師培養的保障措施

（一）整合各種教育資源，提高教學效率

沒有經費的保證，數據分析師的培養只能紙上談兵。所以，學校、二級學院應設立加大資金投入，從軟硬體兩方面大力支持，保證經費落到實處。利用學校現有資源 , 籌建開放實驗室與實習基地，創造培養數據分析師的良好環境。

數據分析師培養必須實行產學結合，堅持開門辦學，與企業聯合培養的方式。創立高校與行業企業聯合培養人才的新機制，改變目前高校人才培養和行業企業需求脫節的現象。通過聯合辦學、共建等方式利用社會資源設立實習、實驗基地。

（二）建立導師制，強化教師的指導作用

為提高學生數據分析的水平，進入大二後 , 二級學院應推行本科「導師制」；到了大三 , 已經具備了一定的科研能力的本科生可以在導師的指導下參加各種與數據分析有關的專業競賽和創新實踐活動，親身體驗數據分析活動的整個過程 , 提高數據分析的基本技能與創新意識；在導師的全程參與和指導下，完成大四階段的校內綜合實訓、校外畢業實習和畢業論文的撰寫工作，使實踐鍛煉全程得到有效監控，保證教學質量。

（三）充分利用各級社團組織，

開展第二課堂的活動第二課堂是課堂教學的延伸和補充。在各級社團組織的規劃和部署下，加大人力、物力的投入，將第二課堂與第一課堂進行系統性、綜合性考慮與設計，實施規范化管理與組織運作，制訂好一系列的活動方案，為培養數據分析師通過更多的鍛煉途徑和方式。

（四）改革評價機制，激發學生的學習興趣

評價是引導師生的指揮棒，大多數學生和教師總會在現行的評價體系引導下來尋求「佳績」。要培養出未來的數據分析師，必須增強學生的學習主動性，提高學生的實踐能力。通過各種活動、各種途徑加強對學生能力的培養，必須要靠科學的評價體系來衡量。為此，建立「N+2」過程考核評價體系 , 對學生能力培養、訓練的全過程進行跟蹤調查，通過測試、信息反饋的結果來反映教育、培訓的效果和評價學生創造力的變化。

總之，項目數據分析（師）事務所在國內正迅速增長，並為政府、金融機構、企業的決策提供著日益重要的參考信息，具有良好的成長和發展空間。如何在信息海洋中找到有效的信息，如何通過有效的數據來科學決策變得尤為重要，因此數據分析師的前景必定輝煌。

『伍』 如何學習數據分析

首先我說說這兩種方向共同需要的技術面，當然以下只是按照數據分析入門的標准來寫：

1. SQL（資料庫），我們都知道數據分析師每天都會處理海量的數據，這些數據來源於資料庫，那麼怎麼從資料庫取數據？如何建立兩表、三表之間的關系？怎麼取到自己想要的特定的數據？等等這些數據選擇問題就是你首要考慮的問題，而這些問題都是通過SQL解決的，所以SQL是數據分析的最基礎的技能，零基礎學習SQL可以閱讀這里：SQL教程_w3cschool

2. 統計學基礎，數據分析的前提要對數據有感知，數據如何收集？數據整體分布是怎樣的？如果有時間維度的話隨著時間的變化是怎樣的？數據的平均值是什麼？數據的最大值最小值指什麼？數據相關與回歸、時間序列分析和預測等等，這些在網易公開課上倒是有不錯的教程：哈里斯堡社區大學公開課：統計學入門_全24集_網易公開課
3.Python或者R的基礎，這一點是必備項也是加分項，在數據挖掘方向是必備項，語言相比較工具更加靈活也更加實用。至於學習資料：R語言我不太清楚，Python方向可以在廖雪峰廖老師的博客里看Python教程，面向零基礎。
再說說兩者有區別的技能樹：

1.數據挖掘向
我先打個前哨，想要在一兩個月內快速成為數據挖掘向的數據分析師基本不可能，做數據挖掘必須要底子深基礎牢，編程語言基礎、演算法、數據結構、統計學知識樣樣不能少，而這些不是你自習一兩個月就能完全掌握的。
所以想做數據挖掘方向的，一定要花時間把軟體工程專業學習的計算機基礎課程看完，這些課程包括：數據結構、演算法，可以在這里一探究竟：如何學習數據結構？
在此之後你可以動手用Python去嘗試實現數據挖掘的十八大演算法：數據挖掘18大演算法實現以及其他相關經典DM演算法
2.產品經理向
產品經理向需要你對業務感知能力強，對數據十分敏感，掌握常用的一些業務分析模型套路，企業經常招聘的崗位是：商業分析、數據運營、用戶研究、策略分析等等。這方面的學習書籍就很多，看得越多掌握的方法越多，我說幾本我看過的或者很多人推薦的書籍：《增長黑客》、《網站分析實戰》、《精益數據分析》、《深入淺出數據分析》、《啤酒與尿布》、《數據之魅》、《Storytelling with Data》

『陸』 數據分析師職業前景如何主要是在哪些行業的公司需要具備哪些技能

數據分析要學習Python、R、SAS等編程工具；對數據倉庫需要了解可以去九道門做些實驗項目；如果你覺得還是難，那就採用最基礎的學習路徑，直接買MYSQL關系型資料庫的書看，隨便到網上去找個免費的MYSQL課程聽；分布式存儲HDOOP需要簡單了解；雲計算的技術作為了解就可以了；數據可視化不是很難，如果不要求特別美工的話，大家先理解圖表，再研究研究儀錶板，阿里雲的Quich BI及DataV,網路的echarts都不錯，主要是展示的業務結構需要規劃；大數據技術:這個相對來說有些難度，如果是學數學統計類專業小夥伴就非常有優勢了，其他專業的小夥伴也不用擔心，畢竟工作後還可以繼續學習，在工作中用的比較多的是聚類、關聯、決策樹、線性回歸等，如果你不去做模型和演算法工程師那麼只需要會用就可以了，實在不行有專業的工具讓我們用，阿里雲的機器學習PAN是可以直接出結果的工具。可以到九道門商業數據分析實訓官網上去看一些案例，自己做做訓練。如果自學的小夥伴覺得很難堅持，那就只能去報班了，如果要成為大數據分析師的話就要時間沉定，或者讓老師帶你，像我就是進到決明後由趙強老師帶了半年，現在基本上已經能熟練的搞這一套了。