數據分析師-數據分析師為何有專業要求

數據分析師對專業要求一般為：統計學，經濟學，計量經濟學，人口學，社會學，心理學，市場營銷，企業管理。

在這些專業中，最主要的是有一個共性——統計。因此，對于統計概率掌握得比較好的都可以從事數據分析的工作。由于國內數據分析行業發展還不夠成熟，統計學出身的學生其實真正工作中做數據分析的非常少，因為企業的需求是最近幾年才上升的，所以對于很多非統計專業的人來說，其實也可以進入到這樣一個行業。

目前國內數據分析行業正快速發展， 人大經濟論壇CDA數據分析師作為國內領先的數據分析探索者，總結了目前大多數企業的崗位要求。要求幾乎雷同，同時也說明這個職業的互通性很強，說白了就是換個行業都可以在職場上存活下來；一般需要以下幾個要求：
1、統計概率基礎；
2、商業數據敏感度；
3、基本工具（EXCEL、SAS、SPSS、SQL等）；
4、數據分析建模，編程能力；
5、經驗；

統計其實是屬于數據分析的一部分，數據分析包括統計分析和數據挖掘。所以統計是必須要掌握的一部分，一般對于一名數據分析師必須要掌握的知識點是“描述性分析”，“假設檢驗”，“參數估計”，“統計制圖”，“回歸分析”。企業工作中，可以根據不同的要求掌握相應的知識。

商業數據敏感度是作為一名數據分析師的前提，對數據排斥的人當然不適合從事這個行業。

基本工具是載體，唯有駕馭工具，才能駕馭數據分析。

經驗是非必要技能，數據分析是為業務服務的，最終落地要解決業務問題。

根據人大經濟論壇CDA數據分析師的介紹，可以總結如下：

一、自身檢查：是否適合數據分析崗位。

       什么樣的人適合做數據分析師？

       1. 對數據敏感：對數字不恐懼，經常關注行業數據動態，能夠從數據變化中自行感覺出實務背后的原因規律。

       2. 耐得住性子和寂寞：耐心，就不用多說了。寂寞，與數據打交道需要你愛上數據而不是排斥數據。

       3. 自學能力強：在數據分析的過程中需要經常自行研究學習一些新的思路和方法，不斷修正，不斷更新。

二、 從入門到精通系統學習

       1. 統計概率基礎：數據分析行業分析，數據挖掘經典流程，數據的描述性分析，數據的推斷性分析，方差分析，回歸分析，多元統計等系列理論課程，唯有掌握原理，方能駕馭工具。

       2. 數據分析工具學習：根據等級的要求，一般軟件在學術界和企業界的應用廣泛程度為，學術界 ：STATA >R >  Matlab> SPSS >SAS  ； 商業界：SPSS>R>SAS > MATLAB 。上手難度：SAS>R>MATLAB>STATA>SPSS>EXCEL工具的選擇不在于多，而在于跟具體問題相結合，在學習的過程中可以選擇1-2門的工具進行熟練使用。參考各大數據分析工具的區別。

        3. 數據分析建模：利用工具進行數據分析模型、數據挖掘算法建模運用，常用的數據分析方法有（回歸分析法、主成分分析法、典型相關分析、因子分析法、判別分析法、聚類分析法、結構方程、Logistic模型等），常用的數據挖掘算法有（時間序列、Panel Data、關聯法則、神經網絡、決策樹、遺傳算法）以及可視化技術。

        4. 以上三部分皆為數據分析硬性技術，要想熟能生巧需要經常在學習和工作中運用，不斷改善，不斷優化模型，將技術與具體業務結合起來，經過長時間的積累方能成為高級數據分析師。