數據分析是什麼專業

『壹』 數據分析適合什麼專業

數學

隨著科技事業的發展，數學專業和其他專業的聯系也越來越緊密，所以數學專業知識也得廣泛的應用。

看到數據分析，就會想到和數據相關的行業就一定要用到數學，數據分析師需要有專業的數學功底和嚴密的邏輯思維，而嚴密的邏輯思維則來源於扎實的數學功底。學數學的同學更注重理論的完備性和邏輯鏈的完整性，即對於在分析過程中出現的任何一些命題，都要能證明它是正確的還是錯誤的。

統計學

統計學貫穿數據分析的全過程，沒有統計學基礎，很難有專業的數據分析。數據分析的各個步驟，都要用到統計學的知識。和數學相反，統計學是個被名字拖累的專業，會讓人嚴重低估了它本身的專業性。其實統計學是很適合做數據相關工作的。

計算機相關專業

學習計算機專業同學可以從事數據研發/開發工程師，數據挖掘/機器學習工程師，對編程技術上的要求高一些。近年來企業招的數據分析師，其實大部分應該叫：數據程序員。基本上都是進公司跑數據的，不做啥“分析”，因此計算機相關專業會有優勢。畢竟寫代碼寫的多。數據倉儲，演算法這些就更依賴開發能力，這本來就是計算機專業的范疇。

『貳』 想當數據分析師要選什麼專業

數據分析行業逐漸被企業和從業者青睞，很多人給小編留言，咨詢從事數據分析選擇什麼專業更占優勢？今天，我們也來聊聊。

一、數學專業

正所謂「學好數理化，走遍天下都不怕」，數據分析無外乎是從大量凌亂數據中發現隱含的規律，數學往往讓人邏輯思維更嚴密，對數據更加敏感。

數據分析不是IT行業，無需精通過多編程語言，數據分析更注重實操和業務能力，且現今數據分析工具，如：Python、PowerBI等已比較容易入門。

從事數據分析，真正要提升的是邏輯思維能力、敏銳的洞察能力、良好的溝通表述能力……這些無需靠背景，通過努力也可拿下。

『叄』 數據分析師應選擇什麼專業

統計專業（有統計理論）、計算機專業專業（會編程序實現）。

『肆』 數據分析專業的就業方向有哪些

數據分析師：偏向商業化的數據分析，運營廣告等活動效果分析，銷售額或利潤預測，用戶特徵描述等，需要較好的統計知識，需要懂1-2門數據分析工具如SAS、R等;

咨詢顧問：面向客戶，為客戶提供數據抓取、數據分析、出數據報表、改進建議落實等咨詢服務，需要有較好的溝通能力，需要懂1-2門數據分析工具如SAS、R等;(咨詢顧問其實也分技術和非技術，技術類的主要是為客戶搭建數據平台)

數據產品經理：一般是互聯網公司獨有，數據量大的公司會有自己的數據產品，如阿里巴巴的數據魔方等，主要是針對數據產品從產品立項、提開發需求、跟進產品開發、測試一直到產品上線等工作。(相對來說並不需要對從業者要求很高的數據分析或統計能力，屬於目前市場上為數不多但高工資的職位)

『伍』 數據分析和數據處理是什麼專業

數據分析和數據處理是屬於計算機大數據專業。

『陸』 數據分析屬於什麼專業

一般從事數據分析員的人都是統計學或數學專業的人。

數據分析師職位要求 ：
1、計算機、統計學、數學等相關專業本科及以上學歷；
2、具有深厚的統計學、數據挖掘知識，熟悉數據倉庫和數據挖掘的相關技術，能夠熟練地使用SQL；
3、三年以上具有海量數據挖掘、分析相關項目實施的工作經驗，參與過較完整的數據採集、整理、分析和建模工作；
4、對商業和業務邏輯敏感，熟悉傳統行業數據挖掘背景、了解市場特點及用戶需求，有互聯網相關行業背景，有網站用戶行為研究和文本挖掘經驗尤佳；
5、具備良好的邏輯分析能力、組織溝通能力和團隊精神；
6、富有創新精神，充滿激情，樂於接受挑戰。

『柒』 數據分析師一般是什麼專業如何成為數據分析師

數據分析師一般是計算機或者數學相關專業。成為一個合格的大數據分析師應該學習和掌握以下技能：

• 統計分析：大數定律，抽樣推測規律，秩和檢驗，回歸分析，方差分析等；

• 可視化輔助工具：Excel，PPT，思維導圖，Visio；

• 大數據處理框架：Hadoop，Kaffka，Storm，ELK，Spark；

• 資料庫：SQLite，MySQL，MongoDB，Redis，Cassandra，HBase；

• 數據倉庫/商業智能：SSIS數據倉庫，SSAS SSRS，DW；

• 數據挖掘工具：Matlab，SAS，SPSS；

• 人工智慧：機器學習相關知識；

• 挖掘演算法：數據結構，一致性，常用演算法；

• 編程語言：Python/R，Ruby，Java；

計算機對數據存儲和保存了大量數據，包括科學家和工程師也都了豐富的研究和應用盡可能多的提取數量。然而想從大量數據中洞察出真正和有用的，更高價值的數據，都是需要人工干預的。這些人有豐富的行業經驗和洞察力，而且對業務有深刻了解，並且能夠使用好數據分析的工作，例如Excel，SPSS，Python/R等。這種職位一般存在於高科技公司，例如PayPal和Google，相信以後人工智慧、大數據、雲計算創業的很多中小型企業，對此職位的需要也會越來越多。

對以上知識進行有重點的學習，解決的方法是讓各種技能達標：

初級數據分析師需要快速學習能力80分，數學知識40分，分析工具使用程度70分，編程語言30分，業務理解80分，邏輯思維80分，數據可視化能力40分，協調溝通能力80分。

高級數據分析師要達到快速學習能力80分，數學知識70分，分析工具使用程度90分，編程語言60分，業務理解90分，邏輯思維80分，數據可視化能力90分，協調溝通能力80分。

總之，成為分析師的重要點並非數學知識和編程能力，最重要提是業務理解和協調能力，所以針對不同的行業的分析師，要學習的行業知識也不盡相同，需要對症下葯，實施不同學習策劃和路徑。

『捌』 想要做數據分析師應選擇什麼專業

數據分析行業的大火以及較高的薪酬待遇，讓很多高中畢業生、在校大學生或職業遭遇瓶頸的人士開始蠢蠢欲動，想學習數據分析從而進入數據分析行列。但 有一個很困惑的問題就是：自己選擇或學習的專業似乎和數據分析沒什麼交集，這個時候選擇數據分析師這條道路會不會很艱難？擔心自己的專業跟不上數據分析的學習進度，也擔心自己的能力是否符合數據分析技能的要求。
其實，講真的。雖然數據分析這個行業有著天然的專業鄙視鏈（文理科的邏輯思維功底、編程語言接受程度上以及數理統計基礎實實在在的存在差別，這也是甲方更信賴理工科出身的重要原因，因為社科或文藝類專業，很少有學校會嚴格地按照數理邏輯去制定學生的課程培養計劃），但是並不代表文科生沒有任何機會，因為大學以前，其實我們都沒正式接觸過編程或統計學，大學本科更多的是提升一個人的思維、而不是過硬的專研能力。所以文科專業的朋友，興趣和決定也是重要因素，不能單單憑借客觀的專業背景就否定自己。
當然，學習數學與應用數學、統計學、計算機科學與技術等理工科專業的人確實比文科生有著客觀的優勢，但能力大於專業，興趣才會決定你走得有多遠。畢竟數據分析不像編程那樣，需要你天天敲代碼，要學習好多的編程語言，數據分析更注重的是你的實操和業務能力。如今的軟體學習都是非常簡單便捷的，我們真正需要提升的是自己的邏輯思維能力，以及敏銳的洞察能力，還得有良好的溝通表述能力。這些都是和自身的努力有關，而不是單純憑借理工科背景就可以啃得下來的。相反這些能力更加傾向於文科生，畢竟好奇心、創造力也是一個人不可或缺的。
所以，大學選擇什麼專業，不要讓數據分析這根繩子牽著你走，而是要問自己喜歡和擅長的是什麼。如果你物理基礎不好，硬要選擇機動化專業，那四年的大學時光只會讓你覺得難熬又無奈。一切從自身出發，發掘自己的優點和長處才是最重要的。