干货 | 收入提升30%, 每天职位空缺10000+, 这才是应届生应该掌握的技能

点↑上方蓝字 , 在右上方 ··· 设为星标 ★

公众号后台回复【实习】

获取各大名企实习资讯

如果说过去几年是“人人都是产品经理”的时代，那么现在及未来绝对是“人人都是数据分析师”的时代。麦肯锡称：“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。“

不会数据分析的人，显然会被这个时代淘汰！

1

为什么应届生要掌握数据分析能力

 1 

各岗位明确要求

当今这个大数据时代，任何行业、任何岗位都在大量接触数据，企业对数据分析的重视程度也是空前的，逛下招聘网站，随便点开 10 个岗位，有 9 个都要求有数据分析能力：

*图片来源：网络 

只要公司有决策需求，就无法离开数据分析这个工具。就拿电商为例，数据分析可以应用在以下 7 个方面，几乎任何岗位都会接触：

*图片来源：网络 

 2 

被各大企业追捧

如果说大学生求职压力与日俱增，那么会数据分析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。

*图片来源：网络

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。

*图片来源：网络

某网站曾经总结过企业要求应届生掌握的十大技能，我们发现其中数据分析能力位列第二，同样，具备数据分析能力的应届生，也更加受企业的欢迎。

*图片来源：网络

 3 

挣钱多啊

还记得前段时间公布的大学生平均薪资吗？报告显示2018届高校本科毕业生平均月收入为只有5135元。但是会数据分析能力的人，薪资却更高哦！

据英国一项职业调查研究显示，掌握数字力的员工，在收入方面，高于普通员工30%；在失业率方面，低于普通员工50%。

在美国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%。调查结果页显示，来自北卡罗来纳州的毕业生，平均基本工资达到98,500美元。

*图片来源：网络

2

数据分析入门需要哪些技能?

成为数据专业人才需要拥有：

扎实的理论知识（数学、统计、算法、模型）

熟练的数据库操作语言（SQL、PL/SQL…）

熟练的编程语言（Python、R…）

丰富的实战经验（项目与工作经验）

 1 

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。

Excel的快捷键很多，以下主要是能提高效率：

Ctrl+方向键，对单元格光标快速移动，移动到数据边缘（空格位置）。

Ctrl+Shift+方向键，对单元格快读框选，选择到数据边缘（空格位置）。

Ctrrl+空格键，选定整列。

Shift+空格键，选定整行。

Ctrl+A，选择整张表内容。

Alt+Enter，换行。

Ctrl+Enter，以当前单元格为始，往下填充数据和函数。

Ctrl+S，快读保存，你懂的。

Ctrl+Z，撤回当前操作。

 2 

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。

数据分析师应聘最常见的SQL题目：

如果有两个tables,一个table有全国用户名字、月收入，另一个table有全国用户的名字和所在城市，怎么用SQL找出“在北京工作月薪3000以上”的用户。

 3 

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。

 4 

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。
比如，在使用Pandas（Python Data Analysis Library）写数据处理程序时，只需十几行代码，就能达到3倍JAVA代码量实现的效果，大大提升了数据处理工作的效率。

 5 

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。
*图片来源：Uni自制
在数据工作中，最常用的数据可续方法是线性回归、逻辑回归以及决策树，而这三种方法数据从业者必备的基础知识。

*图片来源：Uni自制

3

数据分析的四个阶段

一般岗位叫数据专员

基本学会Excel（VBA最好学会；会做透视表；熟练用筛选、排序、公式），做好PPT。这样很多传统公司的数据专员已经可以做了。

第二阶段：数据专员~数据分析师

这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。

第三阶段：数据分析师

统计学熟练（回归、假设检验、时间序列、简单蒙特卡罗），可视化，PPT和Excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。

第四阶段（开始细分）：

• 数据分析师（数据科学家）、BI等：这部分一般是精进统计学，熟悉业务，机器学习会使用（调参+选模型+优化），取数、ETL、可视化啥的都是基本姿态。

• 可视化工程师：这部分国内比较少，其实偏重前端，会high charts，d3.js, echarts.js。技术发展路线可以独立，不在这四阶段，可能前端转行更好。

• 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，最好http协议、tcp/ip协议熟悉。

—— END ——

由UniCareer独家整理发布, 如需转载请注明来源

▼

欢迎加入2021届校招交流QQ群：

全国国企/事业单位求职交流总群：588131790

全国教育类求职交流总群：828708764

全国硕博求职交流总群：853294841

全国本科求职交流总群：781633746

获取名企实习和提前批资讯

扫描下面二维码

关注《伯乐校招》

回复实习

阅读原文，一键投递简历