给数据分析新人的建议

西北狼666

如果将大数据当作金矿的话，那数据分析师就是掘金人——作为这一新兴产业的弄潮人，他们在人才市场上也是独领风骚。

数据分析员究竟工作内容是什么？他们如何工作？进入这行要具备哪些职业素养？本期数学中国为你一一解答。

行业现状

待遇

整个数据分析行业的待遇是比较高的，以我接触到的例子，双非(非985、211)应届本科毕业生也可以拿到7k-8k起，一般15k封顶。这个价是base，具体的奖金是另算的看行业和公司。我当时推荐我的一个同学去上海做数据分析就是8k，1年2次调薪。

前2天看了篇文章叫《直接谈钱，不伤感情》，讲的是关于个人待遇的问题。数据分析这个行业就是这么一个行业，你可以大胆的直接谈钱，因为行业内非常非常缺人，只要你能力允许，一般都会给你个不错的价，所以放心谈钱，别怕伤感情。

机会

关于行业人力情况就很有意思了，整个数据分析行业非常非常缺人。用供不应求来形容那算是比较乐观的了，现在情况基本上是没有供全是求，总的来说是一个断供的局面，相关从业人才的输入几乎为零。

首先，整个行业数据分析行业的人才本身就不多，多是集中在大的互联网公司，大机构的部分部门，再就是部分海龟。

其次，能开设数据分析专业的学校非常少，以我知道的情况。2013年北航软院全国首创大数据与云计算专业，这个专业是硕士学位，2015年复旦才开设数据分析研究生，同样是2015年北大开设数据科学本科专业。这些能够开设数据分析相关专业的学校都是有着很强专业背景的，北航计算机是国家重点，北大和复旦的数学专业排名一个是全国第一，一个是全国第二。

所以说能够开设数据分析这个专业的学校非常少，而且都是有深厚的专业背景才能开设，整个专业的门槛是很高的，未来人才输出也不会太多。但现在有大量的公司需要数据分析师，而市场上数据分析师非常非常的少。

在上班的时候，我和我同事经常能接到电话，问想不想换工作。整个行业的人才缺口是很大的，各位建模爱好者是可以考虑进入数据分析这个行业的。无论从待遇还是找工作的难易都是不错的。

数学中国也有相关的培训和竞赛，对爱好者来说都是一个不错的机会。

如何成为数据分析师

怎样从零开始？

先回顾一下基本的数学能力，高等数学、概率论、线性代数。

学一门数据分析语言R/Python，我推荐Python。

学一门数据库语言MySQL/Oracle/SQL，我推荐SQL。

刷刷比赛，把coding和分析能力提上来，这个过程会很长很花时间，需要不断反思。

找工作，其实你会Python就可以找到一份不错的工作。

说的比较概括，但是从零开始真的没有太大的限制。数学中国有数据分析师实地集训课程，对于非相关专业的同学我还是比较推荐学习一下系统的课程。

多参加竞赛

对于中国学生来说，能证明自己的机会不多，竞赛是个不错的选择。

我接触到的应届学生进入数据分析行业的都是有着非常丰富的竞赛经验的。高强度的竞赛训练能让你很好的适应高强度的工作压力，比赛过程中的团队协作能很好的锻炼你的沟通能力，这些都是用人单位非常看中的。我之前说了很多竞赛的平台，数学中国也有很多竞赛和竞赛培训都是很不错的机会。大家都可以参与下，我其实就是从数学中国的竞赛中（“好贷杯”风控大赛）脱颖而出，最后进入金融公司从事数据分析行业。

数据分析师应具备的素质

网上有很多关于数据分析学习的内容，但我今天想讲一些很少有人讲的东西。

先说下数据分析主要涉及的知识：

主线：数学、物理、计算机

支线：社会学，心理学，经济学，金融等等，需要结合你的工作业务需要。

（1） 第一是要有持续学习的能力。我是这么觉得，如果有一天我学不动了，脑子反应没有现在这么快了，就是我退出这个行业的时候。大家还在学校，有时间话还是要学习些东西，工作了之后，就是在下班之后再去学东西。我就经常晚上8、9点到家，再看一到两个小时的书、论文或者文档，这是很正常的节奏。

（2） 第二个就是去学一些一辈子都不会用，但是很重要的东西，比如，物理。我之前学过一段时间的半导体物理，里面很多思想对我做数据分析的影响是很大的。可能我一辈子都没机会去真正测一次粒子浓度，但是这个计算、测量、分析的思路和方法对我做数据分析是很有帮助的。这个帮助还很难用语言表达，冥冥之中就会给你灵感，帮你一把。

（3） 第三个就是要有高强度的训练，高强度的训练跟学习一样重要。对学生来说，高强度的训练方式主要还是参加比赛，现在比赛的还是很多的。国赛、美赛就不讲了，大家估计都参加过。

数学中国也有自己的比赛，赛制也是很新颖的。第三方的竞赛网站也有，比如data-castle，kesci，kaggle。比赛还是很多的，都挺贴近实际，数据都是真实脱敏数据。一定要多多参与，认真准备再去参赛。不要去打酱油，反正我去参加比赛都是很认真思考过的再去。参赛后要有反思，技术上的，团队上的，流程上的，训练上的都有很多可以思考的地方。你会发现你进步的很快。

（4） 第四个也是最后一个，有些关键知识，或者关键文献都是需要花很多时间去学习的，这时候不要卡住了就放弃了，自己要明白某些点就是要花很多时间去学习。比如《算法导论》这本书我估计大家都听说过，很厚。这本书是要伴随你很久的，是你从毕业到工作一直都在用的，BAT有些算法面试题就是出自此书。

给数据新人的职场建议

面试

首先要注意一些跟日常的细节。你在面试的时候可能会有不同的人来面试你，记得起来示意，不要坐那不动。还是面试的时候会有人给你递水，记得起立，双手迎一下。离开工位的时候记得把凳子推进去等等。我最后去的那家公司，我上司在面试结束后都会把人送到门口，那种由内而外的亲和力很让人佩服。

在金融公司这种比较严肃的氛围中，我记得我同事有次穿了一个比较潮的马甲直接就被一个管人力副总裁给训了一顿。有些东西还是要注意下。

如何变得专业

怎么成为一个专业人士，你要有一个完整知识结构和全面的背景。这个完整的知识结构最直接的表现就是什么都懂，没有缺失。一旦有缺失就不行，强的表现很简单，就是什么都懂，没有缺点，有缺点就不叫强。再一个背景的话，名校只是一方面，大家都是名校，更重要的是工作过的公司和岗位。比如我上司在SAP研究院，埃森哲，哈尔滨银行都待过。那么这种人的背景和知识都是很全的，技术，管理和相关金融背景都有，这就是专业人士。

专业技能的提升

一定要有一个意识，你的专业技巧一定要不断更新。不要老用一些在学校里用的东西，举个例子，我们当初学PCA的时候一般是使用SPSS做练习。但在工作中我们一般很少用SPSS，原因就是数据量太大SPSS根本跑不出来。在工作中，PCA这个操作我们都是要写代码去做的。

对于学生来说，你用SPSS了解PCA这个技术是没问题的，但是工作中要换用更高级的技术手段。之前跟MSRA的人交流过，MSRA数据挖掘这块基本全是代码化，哪怕一个很简单的操作都是写代码，coding能力要求很高。这个大家需要提前知道，但不做要求，毕竟有很多转专业过来学习数据分析的人，一上来就要求coding，还是有难度，但大家一定要知道。

说在最后的话

• “十年入门”你学十年，但是你的水平只是入门，往后的路还很长。

  
  

• “无论再怎么努力，也还是不够努力。”当你对知识的了解越多，你就会发现你的渺小。

  
  

• 希望大家能珍惜在学校的时间，你玩也好学习也好都可以，去做自己想做的事。

  
  

• 找个好实习，太关键了。

  
  

欢迎加入
2016SAS数据分析大赛QQ群： 392108971
高校风控挑战赛官方QQ群： 227869321
金融风控初步（基于R语言实现）暨好贷杯风控大赛赛前培训：http://www.madio.net/thread-261304-1-1.html
SAS数据分析大赛报名帖：http://www.madio.net/thread-261463-1-1.html