数据分析专业怎么样?

今天是什么日子?推迟了一个月的高考终于来了,作为一个已经考完N年的人,说句实话,我比你们还激动!

因为我知道,它来的太不容易了。

说到高考,就不得不提那个别人口中的江苏卷,作文题的每个字我都认识,但是连起来就看不懂了,只能感叹:还好毕业的早...

每年一到高考,热搜就都会变成和高考相关的东西,这次也不例外:走错考场,忘带准考证...依然在发生。

考完之后可别忘了对自己的未来做个规划,学理科还是文科?这是个世纪难题。

“女生没有男生擅长数理化,别看小时候都是女生成绩好,等男生开始用功了,就能很轻易超越女生。”我相信这句话很多人都听过,这也是老一辈的思想,其实真的不是这样。

先看看专业选择的万能图谱吧:

我们通过搜索,找到了某年一个较发达城市的高考数据,当然这可以用python,也可以用专业的数据采集平台,具体过程这里就不赘述,主要是想通过数据来分析以下几点:

  • 男女的高考成绩到底谁好谁弱?总体情况如何?
  • 女生真的就只适合文科吗,和男生比数学成绩怎么样?
  • 有哪些适合女生读的专业?

分析的结果有了,那通过什么工具来分析呢?一个城市的考生数据有15万,用Excel的话,查询和计算数据都会有明显的下降,甚至还会出现卡死崩溃的情况,而且Excel的图表太落后,做做简单的分析还好,已经满足不了对于图表的要求了。

因此,就需要使用专业的数据分析工具,比如BI工具,大数据时代的来临,只有它,能够既满足业务人员海量实时数据分析,也能满足决策层对于业务的分析指导。

就拿FineBI来说吧,做数据分析的人,你或许有过加班熬夜用Excel做数据透视表,各种写公式,各种VBA代码的“无奈”操作,但有了它,你的这些无奈都会烟消云散。

总的来说,无论是对刚入门数据分析的新人,收集数据做业务分析的,专业的做数据可视化的,还是数据分析师,都是绝佳的好工具。

那如何以好看的样子呈现出来呢?这就是我要说的了,FineBI的数据可视化可谓一流,无论是图表的多样性,还是整体的视觉效果,这才是管理者想看见的。

接下来就要用FineBI对上面列出的需求点进行数据分析,往下看!

无论文科还是理科,女生平均高考成绩都比男生高出一截,这似乎与我们的想象有着巨大的差距,不是说男生适合学理科吗?怎么从数据来看不是这样?

而且根据研究显示,女生的高中毕业率始终高于男生。而且,女生比男生有更高比例进入大学,比例在不断扩大。

所以,有些观念真的得改一改了。

可以看见,主学科的数据对比,女生的成绩是占优势的。

都说一个人适不适合学理科,从事理科类的工作,都看数学,那么该城市过去几年,男女数学的平均分是怎么样的呢?

信息化时代,计算机相关专业大受欢迎,技术开发者现在年薪百万的也很多了;李世石输给了阿尔法狗后,人工智能专业就火了,在当前数据时代的背景下,数据类专业也应该会受欢迎。

别以为女生就只能放弃数据类专业去读文科,这是完全错误的想法。

数据类的专业包括很多:数学分析、概率论与数理统计、Python、数据库原理与应用、Hadoop大数据开发技术、数据挖掘、大数据应用、云计算、数据分析、数据结构等。

数据时代并不是淘汰传统行业,而是逼着传统行业的数字化转型。所以,不能因为数字时代而放弃传统行业,传统行业的重塑主要依靠这些行业的新人,而不是“数据专业”的人

最后一点,现在业内的数据大家都不是数据专业的,而是来自各行各业。

}
包括实习、毕业论文设计等。
本专业培养培养面向数字网络时代兼具信息传播理论、数字媒体技术和设计管理能力的复合型人才。
本专业要求学生具备良好的数字媒体技术和艺术基础,能够进行数字媒体作品的设计,熟练掌握数字媒体的制作基础,同时具备坚实的数字媒体软件系统开发能力,技术与艺术并重,既有丰富的艺术细胞,又有坚实的技术支持。
毕业生获得的知识和能力 1.系统掌握数字媒体技术专业的基本理论、基本知识与基本技能,了解本专业及相关领域的前沿,关注数字媒体产业的发展方向。2.掌握动画设计的基本理论,能够运用相关软件进行二维、三维动画设计和创作的能力。3.掌握交互式多媒体网站开发的基本技术,具备开发功能丰富的交互式多媒体网站的能力。4.掌握数字影视技术、数字影视制作技术的基本理论和方法,能熟练运用拍摄、编辑、特效制作等技巧制作数字影视作品。5.了解数字产品的产权保护及相关法律规定和行业规范,熟悉数字媒体产品项目的开发及管理的相关理论和方法。

数字媒体技术专业就业薪酬统计

通过70份数字媒体技术专业就业状况分析,数字媒体技术专业平均薪酬水平为6740元。

数字媒体技术专业工资按工作经验和工龄统计,其中3-5年工资¥5280,0-2年工资¥6360,应届毕业生工资¥6890。

你认为上面关于数字媒体技术专业的就业薪酬统计准确吗?太高还是太低了?

数字媒体技术专业就业排名统计

数字媒体技术专业就业前景怎么样?根据1061份就业数据分析出:

在所有 1098个专业中,就业排名第429。

在工学170个专业中,就业排名第68。

在计算机类9个专业中,就业排名第8。

数字媒体技术专业就业区域和方向统计

数字媒体技术专业就业方向有哪些?哪个地区需求量比较大?根据1061份就业数据分析出:

专业需求量最多的地区是“上海”,占25%

专业需求量最多的行业是“互联网/电子商务”,占20%

除了上述就业地区和方向外,数字媒体技术专业在下面地区和方向中也特别受欢迎:

一、数字媒体技术专业就业方向分布

影视/媒体/艺术/文化传播
电子技术/半导体/集成电路

二、数字媒体技术专业就业地区分布

以上关于数字媒体技术专业就业前景和就业方向的各项数据分析仅供参考。选择大学专业是人生的一次转折点,选择大学专业不仅要看本专业的就业前景,更要注意就读人数和自己的兴趣爱好,再好的专业,因为就读人数过多,也同样会导致就业困难;如若选择一个不喜欢的专业,不但影响你的后期学习,也会影响到就业选择。

}

吴伟军:曾经数据分析师是一个被严重低估的岗位。吴伟军:在我12年前本科毕业的时候,做分析是件相当没前途的事。吴伟军:我本人读的是应用数学系。那时候一流的学生做金融,吴伟军:二流的去宝洁、IBM这种五百强,三流的进各大银行三大运营商的IT部,吴伟军:四流的做软件开发,不入流的人才去做什么数据分析。在那个年代,吴伟军:腾讯还是一个年收入30亿的小公司,百度刚刚崭露头角,阿里还不知道在哪里。华为,好像华为和数据没啥关系……

吴伟军:在这种大环境下,我果断的读了研究生。吴伟军:不争气的转了管理学。进入文科生的世界以后才发现,吴伟军:原来本科读个数学专业是这么霸气,想水个管理学/经济学的论文简直太easy吴伟军:只需要找到一篇底稿,修改一下研究假设,派个问卷,吴伟军:然后几十行代码往lisrel里一丢,就基本大功告成。如果输出模型检验值通不过,还能通过数据加权,合成变量等手段合理合法的改数据,改到OK为止。吴伟军:以上做法虽然为正儿八经学习的同学们所不耻(确实很无耻,同学们勿学),吴伟军:但是却是应付差事的利器。类似的还有利用SPSS做因子、聚类分析,吴伟军:Eviews做经济学模型,虽然过程经不起推敲,结果却看起来像那么回事。

吴伟军:那个年代还没有调参侠这个称呼,吴伟军:因此没有人当头棒喝给我那么一下,告诉我这种二半吊子做法会有什么危害。吴伟军:两年水来水去的生活,让我饱受同学们好评与老板们喜爱。于是不知天高地厚的,以为做分析真的就是模型一套数据一堆就搞掂了。吴伟军:在找实习的时候恰逢经济危机,甲方企业普遍缩减用人,吴伟军:于是找了个咨询公司试试伸手。没想到一试效果还行,很受领导同事的喜欢。吴伟军:就这么阴差阳错的绕了一个大圈以后,我又回归了数据分析的行列。

吴伟军:真正工作以后做的数据分析,吴伟军:和目前流行的数据分析基本是两个概念。确切的说,应该是更偏分析而不是数据。基础的数据整理、跑SQL、问卷统计等等并不需要我处理。吴伟军:一来当时有技术小哥帮我做这些事情,二来当时的任务是要面对客户老板。吴伟军:2010左右,大企业的ERP系统已经很普遍,有条件的企业已经有了BI系统,他们所面临的问题,不是没有数据,而是没有结论吴伟军:到底这些数说明了什么,到底我要怎么做,是最迫切需要回答的问题。

吴伟军:最初还没有自己负责项目的时候,还感觉这些东西很简单。如同所有咨询公司的同学一样,吴伟军:我也收藏了一套《麦肯锡七大手册》,SWOTPEST5w2h什么的背的滚瓜烂熟,没事就把杜邦分析法拉出来用过往项目数据撸一遍。感觉真的很简单yeah吴伟军:从模版库捞ppt然后把数据往里填就好了。而且只是帮着别人撸报告,吴伟军:会觉得项目之间都很像。你看营销分析框架就是这一套,先诊断再找标杆最后出结论,换我我也会写。真不明白领导们在纠结什么。

吴伟军:出来混的,迟早是要还的。吴伟军:当我自己独立面对客户的时候,我终于明白领导们在纠结什么了:他们在纠结如何不被客户操死,活着把尾款收回来。因为寻找答案,比寻找数字难的多。客户花了几十上百万不是来听《管理统计》或者《市场营销》课的,吴伟军:而是结结实实的需要答案。到底数据背后说明了什么问题?到底这个数据能得出什么结论?我早知道这个情况了,你又分析了什么?是最常被提起的三个问题。吴伟军:而且,相信我,没有一本书能告诉你答案。请务必相信我,因为我真!的!试!过!

吴伟军:我知道销售在这几天少了30%,所以又怎么样? 吴伟军:模型预计增长30%,所以我只要坐着不动听模型的就对不对?所以我的销售要干什么?”“寻找高端客群,说的容易,吴伟军:我到哪里找?我要找多少?光找高端就够吗?客户类似的咆哮,吴伟军:如同春节的鞭炮,在我耳边噼里啪啦啪啦霹雳炸的不停。吴伟军:以至于养成了一个习惯:但凡有新人写报告的时候附上:吴伟军:我们一要提升销售连带率,二要优化产品品类这种结论,我都会把这些爆竹拉出来再点一次,炸的新人魂飞破散为止。

吴伟军:当我很困惑的时候,吴伟军:我的领导用一种最简单的方式破开了我的困惑。某天在街边吃饭,他指着对面桌某个正在吃饭的小哥,说:你注意到没有,他是我们某个客户的业务员,吴伟军:你现在告诉我,你可以怎样帮到他做业务。我愣了半天,完全想不到该做什么。吴伟军:话说,要是我会做销售早就去做了好吧,为什么还要在这做分析写报告啊!吴伟军:我就是没有能力死皮赖脸的求人买东西啊。我只会找自己的熟人啊,吴伟军:介绍产品也含羞带臊啊。而且,这种基层业务员的动作,吴伟军:和数据有什么关系?我们分析的不是销售额,客单价,转化率这种抽象的东西吗?我们的分析和具体的业务离得很远啊。具体到一个个销售动作?吴伟军:有没有一个监控探头24小时拍摄业务员动作,数据都没有,分析个啥?

吴伟军:领导说:这就是问题的关键了。你没有能力帮助基层的业务员,你怎么有能力帮助他的老板?他的老板下边有无数的这种人要管,他要烦的事本质上还得通过这些人搞掂。吴伟军:你不能帮助这些人做出业绩,你凭什么认为你能帮助他的老板搞掂业绩问题 吴伟军:。这一刻,我突然明白了为什么数据分析在企业内不被重视。

吴伟军:因为值钱的是数据,不是数据分析吴伟军:比如对面的业务员小王,如果你能马上给他500个对我们产品感兴趣的顾客电话,那他怎么着也能把业绩做出来。如果你只是给500个电话,吴伟军:他还得辛辛苦苦打上一天,看有没有机会碰到一个订单。吴伟军:如果你给的只是:我们的目标客户是年薪30-35岁,吴伟军:年收入2万以上喜欢在高端商城逛街女性他估计能气到吐血,这他妈都是什么?你是让我去商城门口拦人吗?会被保安痛扁的好吧。如果有优质的数据,比如银行,吴伟军:可以拿到用户真实的个人信息,资产情况,通过银行卡记录用户消费情况,吴伟军:那么即使没有什么复杂的模型,也能轻松判断用户价值和需求。如果像大部分传统零售快消耐用企业那样,吴伟军:只有少量订单数据,就只能做一些不接地气的经营分析。吴伟军:对基层而言,有用的从来都是数据,而不是分析。

吴伟军:决定我职业发展的重大时刻,在这里来到了。我反问了领导一个问题:是滴,我是不会教小王,可是如果我能用数据追踪到一个优秀的业务员,让他去教呢?领导笑笑说:你小子终于开窍了 吴伟军:然而这个窍依然开的很艰难。当我真的在这个项目里找到了销售团队Ace以后,发现这他妈的根本复制不了。因为那哥们不是一个人,而是一个人精 吴伟军:无论外貌、着装、言语、谈吐、思维速度,根本不是一般人可以比的。吴伟军:而我既不能建议客户把剩下的200个销售都炒了换成这种人精,吴伟军:又不能建议销售们集体再投一次胎。感觉这标杆树的跟数据分析没什么关系,吴伟军:应该归入《投胎学》范畴。

吴伟军:这时候再经过领导提示,我才真正理解了流程梳理的含义。梳理销售流程不是简单的列4P然后填做填空题,吴伟军:而是真正深入到业务当中。观察每一步细节。吴伟军:到底这个行业销售过程分作几步?最原始的名单从哪里来?工作计划如何安排?拜访客户时间表怎么定?FAB先怎么讲后怎么讲?不同类的客户是否有区别?吴伟军:如何探测需求成熟度?多少天、多少频次、什么理由、什么形式做跟进?吴伟军:最后投标价格如何比拼?一步步,一个个细节去理解销售场景,吴伟军:去观摩业务员行为。去剥茧抽丝,哪些是所有人可以执行的,哪些是个人特性的;哪些是可以量化的,哪些是主观能动的;哪些需要系统工具,哪些需要人工考核。

吴伟军:详细的梳理之后,有限收集的数据和无限复杂的业务场景结合起来,数字忽然变得有意义。吴伟军:这个时候开始理解为什么一个行业销售数据会有自己的波动形态;吴伟军:才开始理解为什么在这个行业中销售波动5%不是问题,波动10%就是问题;吴伟军:才开始理解为什么客户看到A类用户75%流失率也不为所动,看到B类用户10%流失率就开始发飙。吴伟军:虽然这样理解以后只能和客户对行业的认识打个平手,吴伟军:但是客户往往没有系统全面的看过数据,只有零散的凭经验的认识。吴伟军:逻辑性+行业理解,可以让顾问赢得客户的认可,至少能和客户平等的探讨问题,而不是被人呼来喝去了。

吴伟军:之后就是无数的项目积累,吴伟军:接触的行业越来越多,吴伟军:被操的次数越来越多,能力也成长了很多。吴伟军:到现在我都坚信:好的数据分析师都是被操出来的。吴伟军:被人反复质疑:你这个数据说明了什么?看到数据又能做什么?我早知道了,吴伟军:你又分析了什么?这三大问题以后,就会越来越思考数据分析的价值,吴伟军:就会越来越聚焦于分析的意义,就会抛弃那些刻板的公式与理论,吴伟军:找到真正对企业经营有意义的分析结论。这些才是客户愿意花钱买的东西。吴伟军:如果只是看数,人家的BI系统早就有数了,为什么要花钱找你们这些人每次培训,我都会这样给新兵们强调。

吴伟军:题目是《一个优秀的商业分析师》,所以到底优秀体现在什么地方呢?在我看来,优秀就是赚钱。吴伟军:如果做科研的话早就读博去了,我们出来打工就是为了赚钱,对不对。吴伟军:赚到钱的才算优秀。而在这一点上,陈老师有一点小小的心得可以分享。吴伟军:就是当我开始和销售一起打标的时候,我得到了第二次分析能力突飞猛进的机会。

吴伟军:这个机会叫弄死竞争对手吴伟军:因为我只是广大乙方公司中很普通的一员。每次客户招标可能要看几份甚至十几份详细的方案。对面也是电脑E盘工作资料文件夹里收藏了几十G ppt的小哥小姐姐,吴伟军:怎么能脱颖而出呢?某次我去打标,做的方案太四平八稳,被客户吐槽:你们分析都是这些套路,有什么新意思吗? 吴伟军:我很不服气,回来的路上一路吐槽:TMD扯淡,我TM就不信他TM能找到更TM厉害的,吴伟军:做市场进入研究不就TM这个套路其他公司还TM能玩出花来 吴伟军:骂完之后我忽然有个想法:为什么不把这些常见套路直接展示给客户呢?我还就不信了谁还能比谁强多少。

吴伟军:某次客户初步和我们沟通意向,只是抛了个很常规的新品研究与上市策略的需求。吴伟军:眼看着又要被人吐槽:老一套。吴伟军:我主动出击了:通常市场研究公司或者咨询公司都会先看目标群体再看市场份额最后做竞争态势。输出到您面前的一个条形图,您的对手bar大概这么长,吴伟军:您的大概这么长。然而我们早知道了啊。吴伟军:这个领域我们两家独大,且我们落后于竞争对手,这是个基本事实。吴伟军:我们的用户画像,即使没有明确的数据大家心里也八九不离十。与其花大力气重复这个事实,吴伟军:不如提炼出发展新用户的逻辑。这样就能真正找到切入市场的办法

吴伟军:我边说边在白板上画出图表的形态。吴伟军:我看到客户那边手下小弟很认真的看着我画的然后微微一笑,我看到领导表情很沉重如有所思,我知道这鱼基本上上钩了,他们应该看过类似的报告,吴伟军:而我正在赢得这场游戏。领导听完愣了一下,缓缓的说:那你的建议呢?我知道我的机会来了。我坚定的说:既然明知道处于下风,就不要分散投入。吴伟军:我可以在完成基础画像完成后,快速切入竞争胜利与失败的用户群体,吴伟军:把更多项目费用用在测试竞争效果上,这样后续落地建议将更具体和有效 吴伟军:客户领导认可的点了下头。吴伟军:当天晚上就发了中标通知。这是我第一次用竞争分析法搞掂客户。

吴伟军:之后我便更常使用这个方法。当然,之后应用的更灵活,没有那么激进的直接抨击对手(因为发现太过直接的抨击别人,吴伟军:会显得自己太过高调,会引起客户反感)。而是站在客户的角度思考:到底这样做有什么用。当我自己把自己当成评标委员,自己怼自己一顿以后,吴伟军:差不多如何打赢竞争对手的思路也差不多有了。

吴伟军:当然,赢得客户靠的不止有专业性,还有关系、费用、品牌大小等等,陈老师也并非一路战无不胜。吴伟军:但是这种自我diss,站在需求方角度看问题的思维方式,使得我至少超过了平均水平。吴伟军:即使没有赢下单子,客户至少认可我的个人能力。

吴伟军:最后总结一下,一个优秀的商业分析师是如何炼成的:第一,摆正位置,从理解如何做生意开始,吴伟军:理解商业问题;第二,理清流程,了解商业过程的完整流程;吴伟军:第三,探索规律,从优秀/差劲案例中总结商业经验;第四,提炼假设,吴伟军:总结出可以定性/定量分析的维度;第五,总结经验,从具体的问题分析中总结出适用于一个行业,一个企业的经验;第六,挑战经验,不断反问自己,吴伟军:除了这些经验以外还有没可能性,还有没有更多办法。这六个过程不断迭代,吴伟军:最后自己会在梳理问题逻辑,理解行业运作上越来越深入,自然也越来越优秀。

吴伟军:本质上,商业分析为的是解决商业问题,商业问题是盈亏利损,不是加减乘除。能理解商业运作本质,吴伟军:具体问题具体分析,才是商业分析师真正该做的事。把《管理统计》和《市场营销》两本书订在一起,只是证明一个人手劲很大而已。与大家共勉。

吴伟军:这是一个全民创业的时代,可无论你是想成为下一个马云还是只想开一家咖啡店,提前告诉你答案,吴伟军:两年之内倒闭是绝大多数人的必然命运。我们的日常生活被一个又一个商业神话所包围,只不过因为那些黯然离场的失败者不曾有人知道。吴伟军:商业世界就像一朵盛开的罂粟花,充满了未知性和诱惑力,而人类有限的认知能力,吴伟军:是无法精确地预知将发生,也无法准确理解正在发生的事情的。

吴伟军:但这并不妨碍我们都自以为很懂做生意,在评价他人的工作成果时,人人都是专家。雕爷牛腩生意火爆?吴伟军:营销做的好而已。张嘉佳的《从你的全世界路过》销售几百万?文艺青年的钱最好骗。徹思叔叔纷纷倒闭?产品太单一。恒大冰泉亏损20多亿?价格太高。吴伟军:这些看法并非全部错误,但几乎全无价值。吴伟军:因为任何商业活动最终的成败,都是由一系列完整的环节相互作用所决定的吴伟军:把边框上的不锈钢称为奥氏体304”就能把手机卖到千万台么,徹思叔叔把产品线扩充到好利来一样长就能挽救失败的命运么,答案显然没这么简单。

吴伟军:那么,这世界上千千万万大大小小的生意背后成功或失败的秘密究竟是什么呢?这篇文章的意义,吴伟军:就是想和那些真正渴望赚钱的小伙伴们一起,深刻而严肃地探讨这个问题。

吴伟军:准确地来说,成功的商业决策者和普通消费者之间的区别,就在于前者对于同样的现象,更能从本质上细致而深刻地理解成因,并知道如何采取相对应的措施去改变现象(即使这种判断不是100%精确的)。吴伟军:事实上,和工程技术,医学,计算机一样,吴伟军:商业是一门严肃和精深的学问,只因其门槛比较低而且包含了相当的不确定性,所以你的亲戚朋友在你上学选择专业的时候认为它比较虚 吴伟军:身边的老一辈土豪企业家未必看过什么商业书籍一样把生意做的很大,很多人难免犬儒主义地认定经商成功的关键是运气和机遇而非技术和积累。然而,吴伟军:随着中国社会传统的渠道经济逐渐转向充分竞争的市场经济,越来越多的人意识到,没有公司天生基业长青,也没有人天生具备商业头脑 吴伟军:唯有在不断的学习和实践中不断提升自身的商业能力,才有可能在残酷的商业世界的存活者偏差现象中成为幸运的存活者。

吴伟军:为了系统性地理解身边的商业现象,而不只是像普通消费者一样地感性认知,结合这些年学习到的经典商业理论和在实践中遇到的问题,我总结了一个简洁而实用的六步商业模型,吴伟军:包含TTPPRC相互呼应的六个环节,帮助自己快速解读那些成功和失败的商业项目的细节。当然最重要的还是,分析出自己的生意究竟在哪个环节存在缺陷,吴伟军:如何调整并改进,最终战胜竞争对手,赚钱。

}

我要回帖

更多关于 数据分析公司 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信