点击上方“蓝字”关注我们吧
每天职位空缺10000+, 疫情下这个岗位太“香”
2020年疫情的爆发,使得许多行业受到了巨大的影响。但在疫情巨浪的影响下,零售巨人沃尔玛(Walmart)宣布计划招聘15万名新员工,电商龙头亚马逊(Amazon)也打算增聘10万名人手,以因应随着民众宅在家而爆量涌来的网购订单和送货需求。亚马逊旗下事业,包括美国订单履行中心、运输部门、Amazon Go无人便利商店、Whole Foods生鲜超市,以及送货业务,都开出职缺。
数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪潮的到来。
人人都是数据分析师的时代已到来,你准备好了么?
大数据时代,任何行业、任何岗位都在大量接触数据,只要公司有决策需求,就无法离开数据分析这个工具。大到世界五百强、BAT巨头、金融机构,小到创业公司。无论是互联网科技公司,还是传统行业和政府机构,都需要数据人才。在信息化时代的驱动下,各行各业都逐渐在从业务决策向数据决策转型。这点从各大企业的招聘数据中,不难发现:
(Amazon西雅图总部最近放出的职位)
处在疫情风口浪尖的医疗行业,大数据和人工智能和可视化的应用在分析病毒传播路径,疫情发展和预测上功不可没。根据安永《疫情之下, 医药医疗行业的长期创新机遇》报告中指出,在疫情中,数据分析和人工智能在新冠病例确诊,新药研发以及信息化诊疗的过程中发挥了举足轻重的作用。
数据分析的最重要的应用领域之一就是预测性分析,从数据中挖掘出特点,通过科学的建立模型,之后便可以通过模型带入新的数据,从而预测未来的数据。
预测性分析在各个行业都有应用的基础,比如, 对数据的分析可以使零售商实时掌握市场动态并迅速做出应对;可以为商家制定更加精准有效的营销策略提供决策支持;可以帮助企业消费者提供更加及时和个性化的服务;在医疗领域,可提高诊断准确性和药物有效性;在公共事业领域,大数据也开始发挥促进经济发展、维护社会稳定等方面的重要作用,在传统工程领域,通过对大数据的分析实现传统工程向智能工程化的大跃进。
学会数据分析,去哪都是“香饽饽”
如果说大学生求职压力与日俱增,那么熟练掌握数据分析技能的大学生反而在被各大企业追捧。据统计,北京地区每天急需10000+的数据分析人才,1年经验的数据分析岗位大部分月薪在20k以上
美国Glassdoor网站上,分析师的平均年薪超过7万美金,入门级数据科学家的工资从8万美元到10万美元以及10万美元以上。即使相关学位的毕业生数量急剧增加,但对于不少于8万美元的工作,平均每月仍约有1,600个职位空缺。在该领域,即使是入门级的数据科学家起薪也很高,毕业时就业率高达95%。
数据分析入门需要哪些技能?
如果你问数据行业有多火,10个人中有9个会语重心长地告诉你,火,超级火。不论那个行业,在数据人才的供求关系上,目前仍旧是供不应求。在这样的大环境之下,成为数据专业人才需要拥有扎实的理论,熟练的数据库操作语言,熟练的编程语言,丰富的实战经验。
Excel:Excel是数据分析的基本技能,分类、具类、关联、挖掘、预测数据统统都能实现。
SQL:不只是程序员的工具,而是所有从事数据分析、数据运营者必备的语言提取能力,大数据时代不管是大厂还是中小企,存放数据的工具从Excel转移到了数据库。
统计学:统计学是在数据分析的基础上,研究如何测定、收集、整理、归纳和分析反映数据数据,以便给出正确消息的科学。没有专业基础(统计学、金融、数学、计算机专业)的可以从统计学开始学。
Python/R:必备项也是加分项,在数据挖掘方向是必备项,语言相比较工具更加灵活也更加实用。在企业领域,近年来兴起的大数据以及云计算的应用,促使Python快速走向成功。Python极易将繁琐无序的凌乱数据转化为可用的结构化数据,非常有助于大数据的处理,这使它成为了数据科学中最流行的语言之一,被用于机器学习以及AI系统等各种现代技术中。
Tableau:当数据及其繁杂的时候,一张图表可以很好地反映数据的分布和趋势,而Tableau就是最佳的数据可视化工具,可以帮助人们清晰明了地查看和理解数据。
除此之外大部分数据岗位的工作都离不开收集数据、清洗数据、数据分析和数据挖掘等。而随着步骤本身的复杂程度提高,工作中涉及到这些步骤的人的比例也有了显著的下降。这从侧面说明了想要提升自身竞争力,首先要掌握更深层次的专业内容。
职业前景:数据分析的四个阶段
第一阶段:数据专员
需要熟练掌握Excel技能:VBA;透视表;筛选、排序、公式。另外需要熟练掌握PPT,将基本分析结果进行展示。
第二阶段:数据专员~数据分析师
除了扎实的Excel基本功,从数据专员到初级数据分析时,还需要掌握一定的数据库知识,例如SQL语言。另外,对业务和行业发展也要有一定的了解。
第三阶段:数据分析师
成为高级数据分析师,还需要熟练掌握统计学理论和应用方面的知识,例如回归,假设检验,时间序列,简单蒙特卡罗等。利用R、Python和Tableau等工具进行数据可视化处理。
第四阶段(开始细分):
■ 数据分析师(数据科学家)、BI等:一般是精进统计学,熟悉业务,机器学习会使用(调参+选模型+优化),取数、ETL、可视化。
■ 可视化工程师:偏重前端,会high charts,d3.js, echarts.js等
■ ETL工程师:顾名思义,做ETL的。
■ 大数据工程师:熟悉大数据技术,hadoop系二代。
■ 数据工程师(一部分和数据挖掘工程师重合):机器学习精通级别(往往是几种,不用担心不是全部,和数据分析师侧重点不同,更需要了解组合模型,理论基础),会组合模型形成数据产品;计算机基本知识(包括linux知识、软件工程等);各类数据库(RDBMS、NoSQL(4大类))
■ 数据挖掘师:和上基本相同。
■ 爬虫工程师:顾名思义,熟悉http协议、TCP/IP协议。
不知如何进入领域?CMU教授带着他的商业分析项目来了!
- 卡内基梅隆大学信息技术与管理学院教授亲自指导授课
- 项目与市政府和Uber公司合作,具有实际应用意义
- 利用商业建模、数据挖掘、图像分类等概念,探讨
个人决策与商业决策数据的应用
只需要8周时间,需要相关背景活动的同学们速来报名吧!
更多数据、软件工程岗位的高质量实习和科研项目,请点击文末阅读原文
长按扫码
快来咨询项目导师
了解项目详情
长按二维码关注,收获留美干货
如果你喜欢这篇文章,为我点个“赞”吧
继续阅读
阅读原文