【数据分析】自学数据分析的第二天,数据分析的岗位选择

【数据分析】自学数据分析的第二天,数据分析的岗位选择插图

大家好,这是我自学数据的第二天,接下来,我会继续把我每天学习到的东西进行总结和分享。

今天分享的是关于岗位,今天学的东西其实还更多一点,但我还没消化,不好分享。

数据分析在岗位上主要分成两个方向,而我们在学习之前或者说学到一定程度,就要找清楚自己的职业发展规划方向,这样才好进一步的深入学习。

方向1:业务数据分析

业务数据分析的主要岗位有:数据运营专员、业务分析师、运营分析师、商业分析师、BI分析师、数据产品经理……

  • 业务数据分析方向需要熟悉行业知识、公司业务及相关流程,并且在此基础上能有独到的见解,可以根据数据分析来为公司的业务发展提供一定的建议和解决方案。
  • 业务数据分析类的岗位不是单干类型的,要有一定的沟通能力,除了自己部门的沟通外,还需要和运营、产品、市场、技术、客服等部门进行工作上的沟通对接。
  • 数据分析思路、分析理论、数据分析方法这些都是必须要熟练掌握的,而常见的算法、产品和运营的分析思路等也需要熟悉,并且要根据实际情况灵活运用到工作中,优化方案且促进落地。
  • 日常工作中需要用到的数据分析工具有:Excel、SQL、SPSS、R、Python、SAS、Tableau、PowerBI等软件。

方向2:数据挖掘算法研发

数据挖掘算法研发的主要岗位有:数据挖掘工程师、数据算法工程师、数据开发工程师、数据研发工程师、机器学习工程师等……

  • 数据挖掘算法研发方向岗位,需要熟悉公司业务和流程,推动数据挖掘理论在不同场景下的落地,解决产品线、企业经营等方面的实际问题。
  • 此方向的岗位在技术层面需要更加强大,要有扎实的统计学、数据挖掘、机器学习理论基础,并且要能够利用高等数学知识推演高纬数学模型,还要熟悉聚类、分类、回归、图模型等机器学习算法,不仅要对常见的核心算法理解透彻,还需要有实际的建模经验。
  • 对于这偏技术型的岗位来说,具备扎实的计算器操作系统、数据结构等理论基础是工作的保证,还需要掌握大数据依赖的计算机技术,包括:操作系统(Linux、shell等)、实时流计算(Spark、Storm)、海量数据处理(Hadoop、Hbase、Hive)、开发语言(C、C++、Java、Scala等)、数据分析与机器学习框架(R、Python、TensorFlow、Mahout等)。

总的来说

如果你还在上大学,在读计算机类型专业、或者想换专业的,可以往着数据挖掘算法研发类型的岗位,毕竟发展前景和工资收入是会更高的。而如果你在工作中,家里不缺钱,可以让你衣食住行都不用愁的,你也沉得住心去学,也可以试着往者数据挖掘算法研发的方向。其他的像我这种只是想着能从业余时间慢慢自学然后转岗的,那就跟我上车往着业务数据分析的方向吧。

【数据分析】自学数据分析的第二天,数据分析的岗位选择插图(1)

标签

发表评论