讲座讲
讲座福利
明天将走
讲座内容：Wayfair资深Business Analyst
现身说法如何成功从工科转商科求职
美东时间 2020年1月22日，9PM开讲
你将获得：
从工科转行到商科是一种什么样的经验？
Marketing Analytics求职需要哪些硬技能？
导师亲身经验教你如何备战2020Summer Intern！
电商行业的Business Analyst职位细分和项目职责？
扫码回复【MA 1】报名
课程价格$150，限时学生免费
我先大胆猜测一下：
打开这篇文章的你大概率工作title是“数据分析师”或者“商业分析师”。
这个工作的天然属性决定了可能你跟你同team邻座的同事的工作内容都不一定完全一样。但是你们的目标都是一致的：数据洞察驱动的企业增长。
事实上，这个领域工作更新速度之快，加之科技不断迭代，很多人都会担心市场对这方面的人才需求未来趋势如何？但是无论如何，这个职业都不会是简简单单的数据收集而已。
所以，作为（或者想要成为）数据分析师的你，对自己要有准确的定位才能有更好的竞争力。新年伊始，先别忙着测星座了，先看看自己是什么类型的Data Analyst吧！
小编！这个测试结果被打码了，咋整？
试试扫描文章头部二维码，回复【马赛克】，就可以获取不打码的测评图啦！
下面揭晓测试结果
噔噔蹬蹬！

No.1
数据魔法师
身为数据魔法师的你是团队中不可或缺的角色。你熟练掌握SQL、SAS等市场需求极高的编程技能。你不一定是IT专家， 但你比一般做分析的同事对数据库、架构的理解更深。
遇到自己带头或是感兴趣的项目的话，简直是你的高光时刻！对于数据的洞察你很有一套，数据可视化和干货满满的数据报告都是你信手拈来的。你擅长用Qilkview或Tableau这类软件制作高质量的数据仪表盘。
“数据魔法师”是分析师中的佼佼者，职业发展方向有多种可能性。随着GUI的发展，非码农都可以创建强大、复杂的数据查询；外加数据仪表盘在业内的重视程度和质量要求越来越高使得你这样的数据人才需求越来越高。
No.2
统计&算法大师
数学是你的语言。对你来说，线性回归简直和乘法一样说来就来。T值、置信区间、泊松分布是家常便饭。你的工作地点可能是大学的研究室，或咨询公司的分析团队。只要是需要进阶数学分析和统计能力的工作都是你的舞台。
你的工作离组织的核心业务/使命很近，因此你所说的话也很受重视。你的工作特点可能是“流程化”或者“过程导向”。但市场趋势证明创新力高的统计&算法大师会变成香饽饽。
如果你现在工作重心是“预测性分析”，将来只会有增无减。随着团队间的合作的工作模式变得越来越重要，你需要学会如何跟各类人才（IT、细分领域专家等）和各类数据（社交媒体、搜索等）打交道。
No.3
数据可视化大牛
看到密密麻麻的excel表格，你不仅不怵，甚至还有点小兴奋。你从来不用鼠标，因为你熟知所有的键盘快捷键。Excel 区域命名、条件格式，甚至 VBA编写宏和创建表单控件。
你很可能是财务分析师，搭建决策模型和数据报告。或者做咨询的，尽可能从客户提供的有限的数据中提取洞察。你大概对 Hadoop 架构不太感兴趣。如果数据量大到Excel 有点 handle 不了了，你可能还精熟Access。作为可视化大牛的你离不开 Tableau, Qilkview。不过条件艰苦，只有 ppt，也难不倒你。
数据可视化大牛算是同行中比较引人注目的角色，成长空间还是非常有前景的。技术工具，包括分析和可视化，永远在更新。这是挑战，也是你精进的机会。
No.4
分析经理
数据分析对你来说是老生常谈，优秀的你甚至已经在带团队了。你不仅对用什么方法解决什么样的问题有自己独特的见解，还对解决方案的研发和实施所需的时间和资源有很好的估计和把握。你的项目总是能很好地被采纳、落地和应用。因此，你的名号在团队中也是响当当。
你并不一定在每个技术、工具方面都是专家，但你与生俱来的理解力让你很快就能好 get 到什么是解决问题的关键。你大概率也是从分析师做起来的；但也可能是一名细分领域专家，因为对数字敏感而承担了更多分析任务和带领新团队的职能。
身为分析经理的你本质上还是一名经理。你有团队，也有天然的领导力 -- 这也是你最核心的竞争力。未来你也将面临一些挑战：首先，分析和数据科学领域新技术、新工具的产生意味着你必须不断更新自己；其次，团队的合作模式正在“去中心化” - 原来服务于多个部门的大数据分析团队正在变成一个个囊括数据和业务分析的小团队。
No.5
还在寻找自己
不好意思~你好像不属于上面任何一类 Data Analyst，但不必担心！分析师这个角色本来就是不拘一格的，有着机动的任务，需要灵活的技能。你不需要有个一个可以清晰定义的专业领域，但如果有的话可以很好地帮助你认识自己，并主动往那个方向塑造自己。
赶快看看下面的内容，专门为你写的！
未来的数据分析师
No.1
公民数据科学家 Citizen Data Scientist
虽然自动化机器学习(AutoML)能够有效的将 AI 纳入企业核心，但 AI技术必须要靠越来越多的终端用户每天的使用使其成熟。因此，在这种“数据驱动”的文化转型和“数据洞察”的经济必要性的背景下，公民数据科学家诞生了。
不管实际title是什么（市场分析经理、风险分析师等），这个角色都是数据魔法师们发展的方向 -通过有价值的工作来为数据洞察增值。诚然，将非数据科学家的工作以有意义的方式融入到数据项目中需要对数据工具的思维方式有根本性的转变，但分析师不需要掌握高级机器学习、特征工程等复杂的技术细节。他们所擅长的是对手头问题和需要回答的商业问题有深入的理解。
“直至 2021 年，公民数据科学家的人数增长速度是技术能力超强数据科学家的 5 倍。”- Gartner, How to Enable Self-Service Analytics
No.2
数据翻译家 Data Translator
数据翻译家的职责是将数据工程师和数据科学家的技术专长与市场营销、供应链、生产、风险等领域的运营专长联结起来。
这个市场对需求日渐增长的职位是数据经理们的最佳选择。他们对各方面数据很了解，因此通常对整体业务有很好的把握，且对哪些细节决定成功和失败很敏感。尤其他们有过一段工作经验，因此对公司运营和行业特点都很了解。
No.3
数据探索者 Data Explorar
数据魔法师和数据可视化大牛未来的角色定位可能就是数据探索者。这个新角色可能比你现在的角色需要更多的创造力，但对你这样的分析专家来说这并不是什么难事。您需要能够识别和连接新的数据源，合并和准备数据，以及搭建完整的数据管道。您构建的产品的目的通常是要直接投入运营之中的，因此你非常痴迷于自动化和可复制性。你将成为数据细节方面的“本地专家”(Local Expert)。添加新数据源时，你很清楚它包含哪些字段，以及可以从中设计哪些新功能。
No.4
数据建模者 Data Modeller
身为统计&算法大师的你将来可往数据建模者发展。你将负责构建预测模型，并将这些模型做成一个数据产品或者服务。你将创建用于测量这些模型效率的度量，因为会有大量的模型需要你去管理！你精通机器学习模型和用于验证其质量的框架。
特征工程将是你发挥创造力的空间：使用抽象数学技术来选择和组合正确的变量和模型。这通常需要你从海量的变量中识别、选取、精简到一个能管理的变量个数。
简言之，你将成为团队中所有数学、统计和算法相关的关键人物，以及何时用“武器库”里的什么模型，也是你说了算。
……这还没完！
如果你还在寻找自己的数据分析师身份，别担心！还有很多其他有价值增量并将来大受追捧的职位包括：数据源经理、持续型智能(Continuous Intelligence)、算法业务领域专家和算法业务开拓者。数据伦理方面的专家也会在企业组织应该如何处理数据发挥重要作用。
2020年数据分析运势
想不想知道 2020 年新的一年会有什么大趋势？往下看吧~
No.1
自动化机器学习（AutoML）将有更广泛的应用
简言之，AutoML是关于使用机器学习技术来自动进行机器学习的。或者换句话说，它意味着自动化应用机器学习的过程。早期，AutoML几乎只用于为给定任务自动选择性能最佳的算法，以及调整算法的超参数。
然而，AutoML在auto-sklearn和tpot的更高版本中有着更广泛的应用范围。它的发展推动了自动化在整个“数据到洞察”全环节应用，从清理数据到通过特征选择和特征创建和操作调整算法。在这个更大的范围内，它不再是AutoML，而是增强分析(augmented analytics)。今天，自动化分析可以大范围提高数据管道的效率，影响整体流程，并长期影响数据团队的结构。
No.2
数据科学与商业智能的融合

传统上，企业在标准商业智能（仪表盘、报表、数据可视化、SQL）和数据科学（统计模型、R/Python）方面都采用了独立的团队，但这种情况很快就会改变。随着不同技术的应用不断发展，这两个领域日益融合。
我们将看到更多的行业领先的企业组织将他们的数据科学和商业智能实践结合起来，提供对各种实时、集中的数据支持。数据科学和分析团队之间日益趋同和/或更紧密的合作将使整个组织的每个人都能够处理数据，且预示着下一个时代的来临——通过自助分析实现的数据民主化。Gartner最近研究表明，数据分析仍然是IT和商业投资领域最大的投资。85%的公司知道数据的好处，并且正在积极努力地更好使用数据。
No.3
数据分析成为自助服务
随着数据分析应用在企业中日益增多，越来越多的高管和高级员工使用商业智能仪表板为他们定制关键业务指标的最新报告。然而，在C级别的高管外，业务部门主管通常对数据分析有更高阶且具体的需求。
下一步的发展将是商业智能报告“自助化”。所有员工都能自助生成与其工作相关的最新指标报告。这要归功于基于高性能数据库之上，更强大、更直观的业务分析工具，以及旨在促进数据访问“民主化”的集中数据平台的兴起。
通过将自助服务分析集成到其核心业务战略中，创新型公司通过构建自助服务系统以满足其特定的业务需求。分析师们能够大规模使用实时数据，从而支持整个组织做出更好更快的决策。
No.4
数据技能将继续保持高市场需求
与数据相关的技能现在和将来都是非常需要的。在LinkedIn今年早些时候发布的《年度技能报告》中，企业最需要的硬技能是云计算，其次是统计分析和数据挖掘。根据LinkedIn的数据，自2014年以来，数据技能的需求一直榜上有名。
企业组织都正在努力往数字转型，因此很容易理解为什么数据和云相关的技术如此受欢迎。这一趋势在未来几年不会改变，仍需要大量这方面的技术人才。
分析师如何为自己“保鲜”？
No.1
超越Excel
如果你对 Excel 的使用已经到达了炉火纯青的地步，对其甚至产生了某种依恋（好吧，过分了），你肯定会觉得没有啥能比 Excel 更好用了。但问题是，现在数据越来越多，而且常常大到 Excel 根本 handle 不了的程度，最终也逃不过“死机 + 崩了”的命运。此外，数据分布在不同的地方，常常需要别的同事（可能是IT或数据科学家）来帮你连接和准备数据。
No.2
SQL语言

SQL（StructuredQuery Language）是一种普遍使用的行业标准数据库语言，是数据分析者最需要了解的技能。SQL 通常被认为是Excel的“进化” - 它能够以Excel无法做到的方式处理大型数据集。现在几乎每个组织都需要会SQL的人，无论是管理和存储数据、关联多个数据库还是构建或更改数据库结构。如果你希望开始、继续或过渡到分析师角色，掌握SQL是第一步。即使是非技术人员，会 SQL 也是大大的加分项。
No.3
R或Python
Excel能做的，R或Python都能做得更好，且速度快10倍。与SQL一样，R和Python属于“进化版”Excel。它们是强大的统计编程语言，是行业标准，可对大数据集进行高级分析和预测分析。要真正成为一名数据分析师，那光光掌握 SQL 可能不太够，还需要至少掌握 R 或 Python其中一。
所以到底应该学哪一个？R 和 Python 都是开源和免费的。只要分析准确，企业通常不在乎他们的分析师选择使用哪种。不过由于 R 是专门为分析而创建的，一些分析人员会更喜欢用 R 来探索数据集或进行即席分析(Ad-hoc analysis)。
No.4
额外加成：机器学习

机器学习和预测建模正迅速成为数据科学领域的两个热门话题。虽然不是每个分析师都使用机器学习，但是为了在这个领域取得领先，掌握工具、概念以及相关的编程语言，都是至关重要的。
No.1
软技能
企业对分析专业人士所需的技能因工作和职责而异，但都需要解决问题、沟通、创造力和团队合作。
任何人都可以学习统计数据。所以想让自己脱颖而出，软技能必不可少：强大的表达能力、灵活的业务分析能力、项目和流程管理能力，和与不同利益相关者的沟通能力，以及文化敏感性、领导力等等。这些才是今天一家公司真正的与众不同之处。
因此，正如文章开头所提到的，正在往Data Analyst和Business Intelligence方向积极求职的小伙伴们或许正在面临这样的烦恼：
搜索了许多网站，发现很难找到一份Business intelligence analyst的实习，即便有也是门槛相当高，需要有相关的工作经验。难道还在学校的同学就没有机会了吗？当然不！
近期，职图推出了飞跃计划远程实习项目，更是携手纽约时尚电商Parisa Wang推出联名合作款，飞跃计划Business Intelligence 实习方向的学员，将参与到联名款的商业智能分析和优化，和飞跃计划Digital Marekting实习方向，UIUX Design实习方向的学员，共同合作完成联名款的商业推广。
其中远程实习的工作内容，更是职图教学组研究了上千份Business intelligence 相关职位设定的。
联名款手袋官方合作项目
实习职位：
  • Business Intelligence Analyst Internship
实习内容：
  • Optimize marketing efforts through targeting segmentation/clusteringand attribution modeling.
  • Analyzing web traffic usingclickstream tools, such as Google Analytics along with BI tools such as Tableau
  • Help our product, design and marketing teams to make data drivendecisions by defining metrics and finding actionable insights from our data
  • Draws actionable insights and “story” from the raw data, providesoptimization recommendations based on the data, builds presentations withconsumer and web user experience insights to share with key stakeholders
针对每个实习内容和不同的工作场景，飞跃计划还请到了来自Amazon, Uber，L'Oréal, Wayfair，Revolve， Rent a Runway等企业的资深导师，在每个阶段进行指导和解惑。
 飞跃计划你将获得 
经历过6个月的远程实习后，你将获得：
  • 深度参与职图 X Parisa Wang 联名款商业项目
  • 真实项目实操经历，还原时尚电商工作真实场景
  • 高含金量作品集，面试中有真实案例可以展示，不怕面试官考察细节
  • 由职图 x Parisa Wang合作颁布的官方实习证明
  • Google，Amazon， L'Oréal，Microsoft，Bloomingdale's等行业资深导师全方位手把手护航
  • 优秀学员将有机会获得职图 X Parisa Wang 限量联名款手袋。
 飞跃计划包含内容 
远程实习项目：
职图 XParisa Wang联名款商业推广项目
求职硬实力提升课程：
  • 10-15节行业集训营课程
  • 5+节实战技能课程
  • 2项工具指导课程
  • 4次实践作业和导师Review
求职软实力：
来自互联网和电商名企的资深导师为飞跃计划学员进行一对一求职辅导，1次求职定位+ 2次简历精修 + 3次模拟面试，涉及的内容包含：
  • 申请环节：求职定位 | 简历精细 | 求职信精修| 网申辅助 | 笔试辅导
  • 面试环节：解析职位 | 行为面试辅导| 技术面试辅导 | 模拟面试
  • 求职软技能：面试感谢信辅导 |Follow Up邮件 | 职场社交
中美名企内推：
飞跃计划学员的简历将进入职图中美名企简历库，将获得1次合作企业内推机会。
 报名方式 
报名前需经过背景测评，以了解课程是否合适你
扫码回复 【飞跃 1】，预约免费背景测评！

职图招人啦！加入我们吧！
继续阅读
阅读原文