什么职业是做数据分析的

‘壹’ 大数据学出来做什么工作

学大数据从事的职业常常分为大数据系统研发人员、大数据应用开发人员和大数据分析人员，常见的职业有数据分析师、数据架构师、数据挖掘工程师。

数据分析师从事行业数据搜集、整理、分析方面的工作，依据数据做出行业研究、评估和预测。作为一名数据分析师，需要掌握SPSS、STATISTIC、Eviews、SAS等数据分析工具以及数据分析的营销思维。

应用领域：

大数据技术被渗透到社会的方方面面，医疗卫生、商业分析、国家安全、食品安全、金融安全等方面。2014年，从大数据作为国家重要的战略资源和加快实现创新发展的高度，在全社会形成“用数据来说话、用数据来管理、用数据来决策、用数据来创新”的文化氛围与时代特征。

大数据科学将成为计算机科学、人工智能技术（虚拟现实、商业机器人、自动驾驶、全能的自然语言处理）、数字经济及商业、物联网应用、还有各个人文社科领域发展的核心。

‘贰’ 大数据工作都做什么。我对大数据感兴趣，想从事这方面的工作，但是不知道他具体是要做什么。求解~~

大数据相关工作岗位很多，有大数据分析师、大数据挖掘算法工程师、大数据研发工程师、数据产品经理、大数据可视化工程师、大数据爬虫工程师、大数据运营专员、大数据架构师、大数据专家、大数据总监、大数据研究员、大数据科学家等等。

数据分析师：
工作内容：
a.临时取数分析，比如双11大促活动分析；产品的流量转化情况、产品流程优化分析，等等；
b.报表需求分析--比如企业常见的日报、周报、月报、季报、年报、产品报表、流量转化报表、经营分析报表、KPI报表等等；
c.业务专题分析：
精准营销分析（用户画像分析、营销对象分析、营销策略分析、营销效果分析）；
风控分析（策略分析，反欺诈分析，信用状况分析）；
市场研究分析（行业分析、竞品分析、市场分析、价格分析、渠道分析、决策分析等等）；
工具和技能：
工具： R、Python、SAS、SPSS、Spark、X-Mind、Excel、PPT
技能：需掌握SQL数据库、概率统计、常用的算法模型（分类、聚类、关联、预测等，每一类模型的一两种最典型的算法）、分析报告的撰写、商业的敏感性等等；

数据挖掘工程师：
工作内容：
a.用户基础研究：用户生命周期刻画（进入、成长、成熟、衰退、流失）、用户细分模型、用户价值模型、用户活跃度模型、用户意愿度识别模型、用户偏好识别模型、用户流失预警模型、用户激活模型等
b.个性化推荐算法：基于协同过滤（USERBASE/ITEMBASE）的推荐，基于内容推荐，基于关联规则Apriot算法推荐，基于热门地区、季节、商品、人群的推荐等
c.风控模型：恶意注册模型、异地识别模型、欺诈识别模型、高危会员模型、
电商领域（炒信模型、刷单模型、职业差评师模型、虚假发货模型、反欺诈模型）
金融领域（欺诈评分模型、征信评分模型、催收模型、虚假账单识别模型等）
d.产品知识库：产品聚类分类模型、产品质量评分模型、违禁品识别模型、假货识别模型等
e.文本挖掘、语义识别、图像识别，等等
工具和技能：
工具： R、Python、SAS、SPSS、Spark、Mlib等等
技能：需掌握SQL数据库、概率统计、机器学习算法原理（分类、聚类、关联、预测、神经网络等）、模型评估、模型部署、模型监控；

数据产品经理：
工作内容：
a.大数据平台建设，让获取数据、用数据变得轻而易举；构建完善的指标体系，实现对业务的全流程监控、提高决策效率、降低运营成本、提升营收水平；
b.数据需求分析，形成数据产品，对内提升效率、控制成本，对外增加创收，最终实现数据价值变现；
c.典型的大数据产品：大数据分析平台、个性化推荐系统、精准营销系统、广告系统、征信评分系统（如芝麻评分）、会员数据服务系统（如数据纵横），等等；
工具和技能：
工具： 除了掌握数据分析工具，还需要掌握 像 原型设计工具Auxe、画结构流程的X-Mind、visio、Excel、PPT等
技能：需掌握SQL数据库、产品设计，同时，熟悉常用的数据产品框架

数据研发工程师：
工作内容：
a.大数据采集、日志爬虫、数据上报等数据获取工作
b.大数据清洗、转换、计算、存储、展现等工作
c.大数据应用开发、可视化开发、报表开发等
工具和技能：
工具：hadoop、hbase、hive、kafaka、sqoop、java、python等
技能：需掌握数据库、日志采集方法、分布式计算、实时计算等技术

‘叁’ 数据分析用于哪些行业

大数据应用于各个行业，包括金融、汽车、餐饮、电信、能源、娱乐等在内的社会各行各业都已经融入了大数据的痕迹：
制造业：利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。
金融业：大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。
汽车行业：利用大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活。
互联网行业：借助于大数据技术分析用户行为，进行商品推荐和针对性广告投放。
餐饮行业：利用大数据实现餐饮O2O模式，彻底改变传统餐饮经营方式。
电信行业：利用大数据技术实现客户离网分析，及时掌握客户离网倾向，出台客户挽留措施。

‘肆’ 大数据毕业后可以从事什么工作

学大数据从事的职业常常分为大数据系统研发人员、大数据应用开发人员和大数据分析人员，常见的职业有数据分析师、数据架构师、数据挖掘工程师、数据算法工亩毁程师等等。
以下是学大数据可以从事的职业介绍：
1、数据分析师：从事行业数据搜集、整理、分析方面的工作，依据数据做出行业研究、评估和预测。需要掌握SPSS、STATISTIC、Eviews、SAS等数据分析工具以及数据分析的营销思维。
2、数据架构师：负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。
3、数据应用师：用常人能理解的语言表述出数据所蕴含的信息，并根据数据并颂分析结论推动企业内部做出调整。将数据还原到产品中，为产品所用。
4、数据挖掘工程师：从大量的数据中通过算法搜索隐藏于其中的信息，使企业决策智能化、自动化，提高企业工作效率，减少错误决策的可能性。需要具备深厚的统计学基础，需要熟悉R、SAS、 SPSS等统计分析软件。
5、数据算迅蔽备法工程师：负责大数据产品数据挖掘算法与模型部分的设计，制定数据建模、数据处理和数据安全等架构规范并落地实施。需要具备扎实的数据挖掘基础知识，精通机器学习、数学统计常用算法，掌握常见分布式计算框架和技术原理，如Hadoop、MapRece、 Yarn、Storm、Spark等；熟悉Linux操作系统和Shell编程，至少熟练掌握一门编程语言。

‘伍’ 分析师是做什么的

可以从事的岗位有很多，例如投资咨询顾问、投资银行家、证券交易员、执行总裁、主席、合伙人、主负责人、投资总监、财务总监、会计师、审计师、市场、投资公司经理、证券分析师和固定收益分析师、投资组合经理等

介于每个人的情况都有所不同，以拿CFA从业者的投资分析师为例，为大家普及了金融人的职业发展之路。

一、Analyst（分析员）

投行中的Analyst(分析员)一般都是为各大院校应届生准备的一个2年的program，刚毕业的大学生一般都会从此做起。既然叫做分析师，工作内容不外乎是一些数据分析、行业研究之类的工作，有些需要建立一些初步的模型，包括mergermodel、DCF、LBO等等，然后交给associate进一步review和加工。

研究结束，要使用PPT将研究结果呈现出来，所以这个岗位也会经常用到PPT。当然，作为一个初级岗位，很多情况下还会涉及到很多杂七杂八的事情，总是就是投行工作的基础，也是锻炼人的岗位。

这个岗位一般坚持3年时间久可以得到升迁，大多数金融人也是在这个岗位上开始学习CFA的，有前瞻性的大学生在毕业前就把CFA一级考过了，可以极大的缩短在基层工作的时间，两年甚至很短时间就可以成为Associate，也就是我们要谈的下一个岗位。

二、Associate（副经理）

Associate是比Analyst高一级的职位，要么是从Analyst晋升而来，要么是各金融专业高材生或者CFA持证人之类。作为Analyst的小领导，Associate仍然要做一些分析类的工作，不过是有点技术含量的工作，负责更复杂的建模。Associate还要根据公司或者上级的安排，分配任务，承担administrativework，并且主要负责与客户的沟通。

虽是领导，Associate的工作并不轻松，每天需要加班加点，并对全组工作负责。这个岗位需要一定的金融知识背景，所以很喜欢的MBA或者CFA持证人，即便是只通过了CFA二级考试，也会受到欢迎。通常员工会在此岗位上工作3到4年的时间，然后才能学到足够的本事升到更高的位置上。

三、VP（副总裁或经理）

如果你顺利进入到VP阶段，那么恭喜你已经得到了升华。VP泛指所有高层的副级人物，工作要指导Associate和Analyst，同时也要有一些外部环境的接触。很多CEO忙不过来的工作都会交给VP负责。

VP的工作主要由两大块组成，一是充当projectmanager的角色，当D或MD接到deal的时候，负责executingthedeal，二是计划所有需要的过程和任务分配给associates，并且确保顺利进行。VP同时也是和客户接洽以及联系各个support的人比如accountant、lawyer等等的核心人物。

做到VP不容易，要得到晋升更不容易，行业内VP普遍工作3到15年才有机会晋升，除了经验、能力、运气，各种自我提升也少不得。大部分金融人在这个岗位上努力通过CFA三级考试，提交证书申请，如果已经是CFA持证人，那真是极好的。

四、Director（总经理、董事）

根据投行的规模不同，Director或有或无。Director负责重要的交易比如费用谈判，交易策略和客户会议。还有就是做营销吸引客户。MD工作性质与其近似，不过焦点在重要的客户上。

五、MD（董事总经理）

Director3年左右就会升任MD(董事总经理)。MD级别有很高的业务收益指标以及维护重要客户的责任，参与公司的整体战略及业务方向制定。

MD再往上发展就会去做各个分支的管理人，或者是做CEO。这个时候如果没有一张CFA这样的很嚣张的证书傍身就不合适了。

以上是一个典型的投行职称序列，有些金融机构会设置一些中间职称，比如assistantVP(AVP)即助理VP、seniorVP(SVP)即VP等，唯一不变的是对人能力的要求和证书的要求。

当然，CFA的在职业发展上的帮助不止如此，从职业发展的角度，一张代表了你金融理论过硬、工作经验丰富的CFA证书，能帮你优雅地、高效地达成目标。现在vc/pe是一个很时髦的词，国内也出现了很多风投成功的案例，想进入风投圈或者私募圈的金融人不在少数，如果没有一张高含金量的CFA证书，恐怕连门槛都进不去呢。

‘陆’ 数据分析师是一个什么样的职业

数据分析师分布在不同行业中，专门从事行业数据的搜集、整理、分析，并依据数据做出行业研究、评估和预测。数据分析师需要敏锐的数字洞察力，因此，统计、会计、保险、工程经济、金融、数学、计算机等专业的同学对这个行业有明显优势，但其他行业的同学如果对这个职业感兴趣，通过日常学习，掌握一些统计必备技能，亦可以从事此类工作.
主要工作领域：
1、从事投资项目审核审批和招商引资、项目评估、投资决策等工作的政府机构、企业的相关领导以及从业人员。
2、在银行或非银行金融机构、投资管理公司、投资管理顾问公司从事风险投资、产业投资、信贷和投资管理等方面工作的专业从业人员。
3、会计师事务所、资产评估事务所及税务师事务所、律师相关专业人员。
4、学习财务、统计、投资、金融和企业管理等相关专业的在校应届学生。
5、在企事业单位从事市场调查与宣传工作的人士以及具有策划与决策工作职能要求的人士。
6、在不同领域尝试创业以及在投资、金融、资本运营、房地产和企业管理领域发展的各界人士。
数据分析师的工作内容分为四个层面：
1、处理临时需求：解决业务一次性，临时性的数据需求。
2、报表开发：根据业务需要，与开发工程师讨论进行相关报表开发。
3、数据分析与挖掘：与业务同事一起沟通，分析业务问题，提供建议;根据业务需要建立各类挖掘模型。
4、数据产品化：通过数据产品化方式解决结构化业务问题。
数据分析师的基本要求：
1、懂得建立目标
数据分析是为了解决问题而去分析，不是单纯为分析而分析。数据分析是有目的性的。比如：一季度ABC产品的销售情况，是按月份为横坐标建立各部门的图表;各产品线ABC在一季度的销售情况，是按部门为横坐标建立对应的图表。
2、针对不同人群提供不同的结论报告
数据分析要有结论报告，不同的人群报告的侧重点不同。比如管理层，看的是趋势和异常点;营销人员看的是ROI((Return On Investment)产出比率和高用户质量的导入情况;业务人员看的是产品对用户的活跃度等。
3、掌握数据分析工具
如果是互联网数据分析，可以从google GA入门，EXCEL辅助，了解数据分析的基本算法。至于SAS,SPSS这些高级工具不一定需要。
4、不同时期要有不同的KPI(KeyPerformance Indicator,关键绩效指标)
不断的调整目标和发现问题是数据分析精细化的必经过程。

‘柒’ 数据师是什么工作

数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。
一、数据分析师主要工作内容如下：
1、通过数据分析支持产品改进及新模式的探索;
2、构建用户行为建模，支持个性化项目；
3、构建数据评估体系；
4、构建业务数据分析体系，帮助确定各项业务数据指标；
5、负责用户行为数据分析，通过监控及分析，推动产品改进，运营调整；
6、负责用户数据模型，挖掘用户属性及用户喜好等需求，为个性化产品推荐提供支持；
7、负责构建产品、运营及活动用户行为评估体系，通过数据分析对产品、运营、市场提出建议并推动实施；
8、负责用户行为调研，通过海量数据的挖掘和分析，形成报告，汇报给决策层，支持战略规划 。
二、数据分析师岗位要求如下：
1、统计学、应用数学、计算机等相关专业，本科及以上学历；
2、熟练掌握多种统计和挖掘方法，熟练使用SPSS、SAS等相关数据分析软件；
3、较强的数据敏感度，逻辑分析能力和文档写作能力；
4、有责任心，良好的沟通能力和组织管理能力以及心理承受能力，勇于接受挑战；
5、有相关经验优先。
备注：
SPSS(Statistical Proct and Service Solutions)，"统计产品与服务解决方案"软件。
SAS（Statistical Analysis System）是由美国北卡罗来纳州州立大学1966年开发的统计分析软件，总部位于美国北卡罗来那州的凯瑞, 是全球最大的私有软件公司。 1976年SAS软件研究所（SAS Institute Inc.）成立，开始进行SAS系统的维护、开发、销售和培训工作。

‘捌’ 大数据所从事什么工作

大数据技术专业可以从事的工作有这些：

视数据的机构已经越来越多，上到国防部，下到互联网创业公司、金融机构需要通过大数据项目来做创新驱动，需要数据分析或处理岗位也很多;常见的食品制造、零售电商、医疗制造、交通检测等也需要数据分析与处理，如优化库存，降低成本，预测需求等。人才主要分成三大类：大数据系统研发类、大数据应用开发类、大数据分析类，热门岗位有：

1.大数据系统架构师

大数据平台搭建、系统设计、基础设施。技能：计算机体系结构、网络架构、编程范式、文件系统、分布并行处理等。

2.大数据系统分析师

面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。技能：人工智能、机器学习、数理统计、矩阵计算、优化方法。

3.hadoop开发工程师。

解决大数据存储问题。

4.数据分析师

不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。

作为一名数据分析师，至少需要熟练SPSS、STATISTIC、Eviews、SAS、大数据魔镜等数据分析软件中的一门，至少能用Acess等进行数据库开发，至少掌握一门数学软件如matalab、mathmatics进行新模型的构建，至少掌握一门编程语言。总之，一个优秀的数据分析师，应该业务、管理、分析、工具、设计都不落下。

5.数据挖掘工程师

做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。经常会用到的语言包括Python、Java、C或者C++，有时用MapRece写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合

6.大数据可视化工程师

随着大数据在人们工作及日常生活中的应用，大数据可视化也改变着人类的对信息的阅读和理解方式。从网络迁徙到谷歌流感趋势，再到阿里云推出县域经济可视化产品，大数据技术和大数据可视化都是幕后的英雄

大数据可视化工程师岗位职责:1、 依据产品业务功能，设计符合需求的可视化方案。2、 依据可视化场景不同及性能要求，选择合适的可视化技术。3、 依据方案和技术选型制作可视化样例。4、 配合视觉设计人员完善可视化样例。5、 配合前端开发人员将样例组件化。

想了解更多大数据从事工作的问题， “CDA 数据分析师”具体指在互联网、金融、零售、咨询、电信、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、 提供决策的新型数据分析人才。