什麼職業是做數據分析的

『壹』 大數據學出來做什麼工作

學大數據從事的職業常常分為大數據系統研發人員、大數據應用開發人員和大數據分析人員，常見的職業有數據分析師、數據架構師、數據挖掘工程師。

數據分析師從事行業數據搜集、整理、分析方面的工作，依據數據做出行業研究、評估和預測。作為一名數據分析師，需要掌握SPSS、STATISTIC、Eviews、SAS等數據分析工具以及數據分析的營銷思維。

應用領域：

大數據技術被滲透到社會的方方面面，醫療衛生、商業分析、國家安全、食品安全、金融安全等方面。2014年，從大數據作為國家重要的戰略資源和加快實現創新發展的高度，在全社會形成「用數據來說話、用數據來管理、用數據來決策、用數據來創新」的文化氛圍與時代特徵。

大數據科學將成為計算機科學、人工智慧技術（虛擬現實、商業機器人、自動駕駛、全能的自然語言處理）、數字經濟及商業、物聯網應用、還有各個人文社科領域發展的核心。

『貳』 大數據工作都做什麼。我對大數據感興趣，想從事這方面的工作，但是不知道他具體是要做什麼。求解~~

大數據相關工作崗位很多，有大數據分析師、大數據挖掘演算法工程師、大數據研發工程師、數據產品經理、大數據可視化工程師、大數據爬蟲工程師、大數據運營專員、大數據架構師、大數據專家、大數據總監、大數據研究員、大數據科學家等等。

數據分析師：
工作內容：
a.臨時取數分析，比如雙11大促活動分析；產品的流量轉化情況、產品流程優化分析，等等；
b.報表需求分析--比如企業常見的日報、周報、月報、季報、年報、產品報表、流量轉化報表、經營分析報表、KPI報表等等；
c.業務專題分析：
精準營銷分析（用戶畫像分析、營銷對象分析、營銷策略分析、營銷效果分析）；
風控分析（策略分析，反欺詐分析，信用狀況分析）；
市場研究分析（行業分析、競品分析、市場分析、價格分析、渠道分析、決策分析等等）；
工具和技能：
工具： R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT
技能：需掌握SQL資料庫、概率統計、常用的演算法模型（分類、聚類、關聯、預測等，每一類模型的一兩種最典型的演算法）、分析報告的撰寫、商業的敏感性等等；

數據挖掘工程師：
工作內容：
a.用戶基礎研究：用戶生命周期刻畫（進入、成長、成熟、衰退、流失）、用戶細分模型、用戶價值模型、用戶活躍度模型、用戶意願度識別模型、用戶偏好識別模型、用戶流失預警模型、用戶激活模型等
b.個性化推薦演算法：基於協同過濾（USERBASE/ITEMBASE）的推薦，基於內容推薦，基於關聯規則Apriot演算法推薦，基於熱門地區、季節、商品、人群的推薦等
c.風控模型：惡意注冊模型、異地識別模型、欺詐識別模型、高危會員模型、
電商領域（炒信模型、刷單模型、職業差評師模型、虛假發貨模型、反欺詐模型）
金融領域（欺詐評分模型、徵信評分模型、催收模型、虛假賬單識別模型等）
d.產品知識庫：產品聚類分類模型、產品質量評分模型、違禁品識別模型、假貨識別模型等
e.文本挖掘、語義識別、圖像識別，等等
工具和技能：
工具： R、Python、SAS、SPSS、Spark、Mlib等等
技能：需掌握SQL資料庫、概率統計、機器學習演算法原理（分類、聚類、關聯、預測、神經網路等）、模型評估、模型部署、模型監控；

數據產品經理：
工作內容：
a.大數據平台建設，讓獲取數據、用數據變得輕而易舉；構建完善的指標體系，實現對業務的全流程監控、提高決策效率、降低運營成本、提升營收水平；
b.數據需求分析，形成數據產品，對內提升效率、控製成本，對外增加創收，最終實現數據價值變現；
c.典型的大數據產品：大數據分析平台、個性化推薦系統、精準營銷系統、廣告系統、徵信評分系統（如芝麻評分）、會員數據服務系統（如數據縱橫），等等；
工具和技能：
工具： 除了掌握數據分析工具，還需要掌握 像 原型設計工具Auxe、畫結構流程的X-Mind、visio、Excel、PPT等
技能：需掌握SQL資料庫、產品設計，同時，熟悉常用的數據產品框架

數據研發工程師：
工作內容：
a.大數據採集、日誌爬蟲、數據上報等數據獲取工作
b.大數據清洗、轉換、計算、存儲、展現等工作
c.大數據應用開發、可視化開發、報表開發等
工具和技能：
工具：hadoop、hbase、hive、kafaka、sqoop、java、python等
技能：需掌握資料庫、日誌採集方法、分布式計算、實時計算等技術

『叄』 數據分析用於哪些行業

大數據應用於各個行業，包括金融、汽車、餐飲、電信、能源、娛樂等在內的社會各行各業都已經融入了大數據的痕跡：
製造業：利用工業大數據提升製造業水平，包括產品故障診斷與預測、分析工藝流程、改進生產工藝，優化生產過程能耗、工業供應鏈分析與優化、生產計劃與排程。
金融業：大數據在高頻交易、社交情緒分析和信貸風險分析三大金融創新領域發揮重大作用。
汽車行業：利用大數據和物聯網技術的無人駕駛汽車，在不遠的未來將走入我們的日常生活。
互聯網行業：藉助於大數據技術分析用戶行為，進行商品推薦和針對性廣告投放。
餐飲行業：利用大數據實現餐飲O2O模式，徹底改變傳統餐飲經營方式。
電信行業：利用大數據技術實現客戶離網分析，及時掌握客戶離網傾向，出台客戶挽留措施。

『肆』 大數據畢業後可以從事什麼工作

學大數據從事的職業常常分為大數據系統研發人員、大數據應用開發人員和大數據分析人員，常見的職業有數據分析師、數據架構師、數據挖掘工程師、數據演算法工畝毀程師等等。
以下是學大數據可以從事的職業介紹：
1、數據分析師：從事行業數據搜集、整理、分析方面的工作，依據數據做出行業研究、評估和預測。需要掌握SPSS、STATISTIC、Eviews、SAS等數據分析工具以及數據分析的營銷思維。
2、數據架構師：負責平台的整體數據架構設計，完成從業務模型到數據模型的設計工作，根據業務功能、業務模型，進行資料庫建模設計，完成各種面向業務目標的數據分析模型的定義和應用開發，平台數據提取、數據挖掘及數據分析。
3、數據應用師：用常人能理解的語言表述出數據所蘊含的信息，並根據數據並頌分析結論推動企業內部做出調整。將數據還原到產品中，為產品所用。
4、數據挖掘工程師：從大量的數據中通過演算法搜索隱藏於其中的信息，使企業決策智能化、自動化，提高企業工作效率，減少錯誤決策的可能性。需要具備深厚的統計學基礎，需要熟悉R、SAS、 SPSS等統計分析軟體。
5、數據算迅蔽備法工程師：負責大數據產品數據挖掘演算法與模型部分的設計，制定數據建模、數據處理和數據安全等架構規范並落地實施。需要具備扎實的數據挖掘基礎知識，精通機器學習、數學統計常用演算法，掌握常見分布式計算框架和技術原理，如Hadoop、MapRece、 Yarn、Storm、Spark等；熟悉Linux操作系統和Shell編程，至少熟練掌握一門編程語言。

『伍』 分析師是做什麼的

可以從事的崗位有很多，例如投資咨詢顧問、投資銀行家、證券交易員、執行總裁、主席、合夥人、主負責人、投資總監、財務總監、會計師、審計師、市場、投資公司經理、證券分析師和固定收益分析師、投資組合經理等

介於每個人的情況都有所不同，以拿CFA從業者的投資分析師為例，為大家普及了金融人的職業發展之路。

一、Analyst（分析員）

投行中的Analyst(分析員)一般都是為各大院校應屆生准備的一個2年的program，剛畢業的大學生一般都會從此做起。既然叫做分析師，工作內容不外乎是一些數據分析、行業研究之類的工作，有些需要建立一些初步的模型，包括mergermodel、DCF、LBO等等，然後交給associate進一步review和加工。

研究結束，要使用PPT將研究結果呈現出來，所以這個崗位也會經常用到PPT。當然，作為一個初級崗位，很多情況下還會涉及到很多雜七雜八的事情，總是就是投行工作的基礎，也是鍛煉人的崗位。

這個崗位一般堅持3年時間久可以得到升遷，大多數金融人也是在這個崗位上開始學習CFA的，有前瞻性的大學生在畢業前就把CFA一級考過了，可以極大的縮短在基層工作的時間，兩年甚至很短時間就可以成為Associate，也就是我們要談的下一個崗位。

二、Associate（副經理）

Associate是比Analyst高一級的職位，要麼是從Analyst晉升而來，要麼是各金融專業高材生或者CFA持證人之類。作為Analyst的小領導，Associate仍然要做一些分析類的工作，不過是有點技術含量的工作，負責更復雜的建模。Associate還要根據公司或者上級的安排，分配任務，承擔administrativework，並且主要負責與客戶的溝通。

雖是領導，Associate的工作並不輕松，每天需要加班加點，並對全組工作負責。這個崗位需要一定的金融知識背景，所以很喜歡的MBA或者CFA持證人，即便是只通過了CFA二級考試，也會受到歡迎。通常員工會在此崗位上工作3到4年的時間，然後才能學到足夠的本事升到更高的位置上。

三、VP（副總裁或經理）

如果你順利進入到VP階段，那麼恭喜你已經得到了升華。VP泛指所有高層的副級人物，工作要指導Associate和Analyst，同時也要有一些外部環境的接觸。很多CEO忙不過來的工作都會交給VP負責。

VP的工作主要由兩大塊組成，一是充當projectmanager的角色，當D或MD接到deal的時候，負責executingthedeal，二是計劃所有需要的過程和任務分配給associates，並且確保順利進行。VP同時也是和客戶接洽以及聯系各個support的人比如accountant、lawyer等等的核心人物。

做到VP不容易，要得到晉升更不容易，行業內VP普遍工作3到15年才有機會晉升，除了經驗、能力、運氣，各種自我提升也少不得。大部分金融人在這個崗位上努力通過CFA三級考試，提交證書申請，如果已經是CFA持證人，那真是極好的。

四、Director（總經理、董事）

根據投行的規模不同，Director或有或無。Director負責重要的交易比如費用談判，交易策略和客戶會議。還有就是做營銷吸引客戶。MD工作性質與其近似，不過焦點在重要的客戶上。

五、MD（董事總經理）

Director3年左右就會升任MD(董事總經理)。MD級別有很高的業務收益指標以及維護重要客戶的責任，參與公司的整體戰略及業務方向制定。

MD再往上發展就會去做各個分支的管理人，或者是做CEO。這個時候如果沒有一張CFA這樣的很囂張的證書傍身就不合適了。

以上是一個典型的投行職稱序列，有些金融機構會設置一些中間職稱，比如assistantVP(AVP)即助理VP、seniorVP(SVP)即VP等，唯一不變的是對人能力的要求和證書的要求。

當然，CFA的在職業發展上的幫助不止如此，從職業發展的角度，一張代表了你金融理論過硬、工作經驗豐富的CFA證書，能幫你優雅地、高效地達成目標。現在vc/pe是一個很時髦的詞，國內也出現了很多風投成功的案例，想進入風投圈或者私募圈的金融人不在少數，如果沒有一張高含金量的CFA證書，恐怕連門檻都進不去呢。

『陸』 數據分析師是一個什麼樣的職業

數據分析師分布在不同行業中，專門從事行業數據的搜集、整理、分析，並依據數據做出行業研究、評估和預測。數據分析師需要敏銳的數字洞察力，因此，統計、會計、保險、工程經濟、金融、數學、計算機等專業的同學對這個行業有明顯優勢，但其他行業的同學如果對這個職業感興趣，通過日常學習，掌握一些統計必備技能，亦可以從事此類工作.
主要工作領域：
1、從事投資項目審核審批和招商引資、項目評估、投資決策等工作的政府機構、企業的相關領導以及從業人員。
2、在銀行或非銀行金融機構、投資管理公司、投資管理顧問公司從事風險投資、產業投資、信貸和投資管理等方面工作的專業從業人員。
3、會計師事務所、資產評估事務所及稅務師事務所、律師相關專業人員。
4、學習財務、統計、投資、金融和企業管理等相關專業的在校應屆學生。
5、在企事業單位從事市場調查與宣傳工作的人士以及具有策劃與決策工作職能要求的人士。
6、在不同領域嘗試創業以及在投資、金融、資本運營、房地產和企業管理領域發展的各界人士。
數據分析師的工作內容分為四個層面：
1、處理臨時需求：解決業務一次性，臨時性的數據需求。
2、報表開發：根據業務需要，與開發工程師討論進行相關報表開發。
3、數據分析與挖掘：與業務同事一起溝通，分析業務問題，提供建議;根據業務需要建立各類挖掘模型。
4、數據產品化：通過數據產品化方式解決結構化業務問題。
數據分析師的基本要求：
1、懂得建立目標
數據分析是為了解決問題而去分析，不是單純為分析而分析。數據分析是有目的性的。比如：一季度ABC產品的銷售情況，是按月份為橫坐標建立各部門的圖表;各產品線ABC在一季度的銷售情況，是按部門為橫坐標建立對應的圖表。
2、針對不同人群提供不同的結論報告
數據分析要有結論報告，不同的人群報告的側重點不同。比如管理層，看的是趨勢和異常點;營銷人員看的是ROI((Return On Investment)產出比率和高用戶質量的導入情況;業務人員看的是產品對用戶的活躍度等。
3、掌握數據分析工具
如果是互聯網數據分析，可以從google GA入門，EXCEL輔助，了解數據分析的基本演算法。至於SAS,SPSS這些高級工具不一定需要。
4、不同時期要有不同的KPI(KeyPerformance Indicator,關鍵績效指標)
不斷的調整目標和發現問題是數據分析精細化的必經過程。

『柒』 數據師是什麼工作

數據分析師指的是不同行業中，專門從事行業數據搜集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。
一、數據分析師主要工作內容如下：
1、通過數據分析支持產品改進及新模式的探索;
2、構建用戶行為建模，支持個性化項目；
3、構建數據評估體系；
4、構建業務數據分析體系，幫助確定各項業務數據指標；
5、負責用戶行為數據分析，通過監控及分析，推動產品改進，運營調整；
6、負責用戶數據模型，挖掘用戶屬性及用戶喜好等需求，為個性化產品推薦提供支持；
7、負責構建產品、運營及活動用戶行為評估體系，通過數據分析對產品、運營、市場提出建議並推動實施；
8、負責用戶行為調研，通過海量數據的挖掘和分析，形成報告，匯報給決策層，支持戰略規劃 。
二、數據分析師崗位要求如下：
1、統計學、應用數學、計算機等相關專業，本科及以上學歷；
2、熟練掌握多種統計和挖掘方法，熟練使用SPSS、SAS等相關數據分析軟體；
3、較強的數據敏感度，邏輯分析能力和文檔寫作能力；
4、有責任心，良好的溝通能力和組織管理能力以及心理承受能力，勇於接受挑戰；
5、有相關經驗優先。
備註：
SPSS(Statistical Proct and Service Solutions)，"統計產品與服務解決方案"軟體。
SAS（Statistical Analysis System）是由美國北卡羅來納州州立大學1966年開發的統計分析軟體，總部位於美國北卡羅來那州的凱瑞, 是全球最大的私有軟體公司。 1976年SAS軟體研究所（SAS Institute Inc.）成立，開始進行SAS系統的維護、開發、銷售和培訓工作。

『捌』 大數據所從事什麼工作

大數據技術專業可以從事的工作有這些：

視數據的機構已經越來越多，上到國防部，下到互聯網創業公司、金融機構需要通過大數據項目來做創新驅動，需要數據分析或處理崗位也很多;常見的食品製造、零售電商、醫療製造、交通檢測等也需要數據分析與處理，如優化庫存，降低成本，預測需求等。人才主要分成三大類：大數據系統研發類、大數據應用開發類、大數據分析類，熱門崗位有：

1.大數據系統架構師

大數據平台搭建、系統設計、基礎設施。技能：計算機體系結構、網路架構、編程範式、文件系統、分布並行處理等。

2.大數據系統分析師

面向實際行業領域，利用大數據技術進行數據安全生命周期管理、分析和應用。技能：人工智慧、機器學習、數理統計、矩陣計算、優化方法。

3.hadoop開發工程師。

解決大數據存儲問題。

4.數據分析師

不同行業中，專門從事行業數據搜集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具，提取、分析、呈現數據，實現數據的商業意義。

作為一名數據分析師，至少需要熟練SPSS、STATISTIC、Eviews、SAS、大數據魔鏡等數據分析軟體中的一門，至少能用Acess等進行資料庫開發，至少掌握一門數學軟體如matalab、mathmatics進行新模型的構建，至少掌握一門編程語言。總之，一個優秀的數據分析師，應該業務、管理、分析、工具、設計都不落下。

5.數據挖掘工程師

做數據挖掘要從海量數據中發現規律，這就需要一定的數學知識，最基本的比如線性代數、高等代數、凸優化、概率論等。經常會用到的語言包括Python、Java、C或者C++，有時用MapRece寫程序，再用Hadoop或者Hyp來處理數據，如果用Python的話會和Spark相結合

6.大數據可視化工程師

隨著大數據在人們工作及日常生活中的應用，大數據可視化也改變著人類的對信息的閱讀和理解方式。從網路遷徙到谷歌流感趨勢，再到阿里雲推出縣域經濟可視化產品，大數據技術和大數據可視化都是幕後的英雄

大數據可視化工程師崗位職責:1、 依據產品業務功能，設計符合需求的可視化方案。2、 依據可視化場景不同及性能要求，選擇合適的可視化技術。3、 依據方案和技術選型製作可視化樣例。4、 配合視覺設計人員完善可視化樣例。5、 配合前端開發人員將樣例組件化。

想了解更多大數據從事工作的問題， 「CDA 數據分析師」具體指在互聯網、金融、零售、咨詢、電信、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分析人才。