856
数据分析师的职业规划
当前数据挖掘分析应用主要集中在电信(客户分析)，零售(销售预测)，农业(行业数据预测)，网络日志(网页定制)，银行(客户欺诈)，电力(客户呼叫)，生物(基因)，天体(星体分类)，化工，医药等方面。当前它能解决的问题典型在于：数据库营销(Database Marketing)、客户群体划分(Customer Segmentation & Classification)、市场背景分析(Profile Analysis)、交叉销售(Cross-selling)等市场分析行为，以及客户流失性分析(Churn Analysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等，在许多领域得到了成功的应用。如果你访问着名的亚马逊网上书店(www.amazon.com)，会发现当你选中一本书后，会出现相关的推荐书目“Customers who bought this book also bought”，再比如我们经常去淘宝网店（www.taobao.com）购物时，就会发现当你选中一件商品时，会在页面下方出现推荐商品或者购买此件商品的其他人也购买或者浏览的以下商品，这背后就是数据挖掘分析技术在发挥作用。
职业生涯定位（市场/数据分析师Marketing/Data Analyst）
一、职业现状与前景
1. 市场数据分析是现代市场营销科学必不可少的关键环节：举个例子, 随着商业竞争日益加剧，公司希望能最大限度的从忠实客户群体及标准客户群体中得到销售回报, 他们希望能有更多的忠实客户群体及标准客户群体来响应他们的产品和广告。所以他们就必需要在投放产品与广告之前做大量的市场分析工作。例如，根据自己的产品结合目标市场顾客的家庭收入，教育背景和消费趋向分析出哪些地区的住户或居民最有可能响应公司的销售广告，购买自己的产品或成为客户，从而通过广告、邮件、短信以及其他媒介发送给只针对这些特定的客户群体。这样有的放矢的筛选广告投放市场既节省开销又提高了销售回报率。但是所有的这些分析都是基于数据库，通过数据处理、挖掘、分析、建模得出的，其间，市场分析师的工作是必不可少的。
2. 行业适应性强: 几乎所有的行业都会应用到数据, 所以作为一名数据/市场分析师不仅仅可以在传统的IT行业就业，也可以在政府，银行，零售，医药业，制造业和交通传输等领域服务。市场/数据分析师（Marketing/Data Analyst）是适应信息社会从海量的数据库中提取标准信息的需要而产生的新职业。它是统计学、数据库、模式识别、人工智能等学科的交叉。
据IDC(International Data Corporation)对欧洲和北美62家采用了商务智能技术的企业的调查分析发现，这些企业的3年平均投资回报率为401%，其中25%的企业的投资回报率超过600%。调查结果还显示，一个企业要想在复杂的环境中获得成功，高层管理者必须能够控制极其复杂的商业结构，若没有详实的事实和数据支持，是很难办到的。因此，随着数据挖掘分析技术的不断改进和日益成熟，它必将被更多的用户采用，使更多的管理者得到更多的商务智能。2010-2011年估计BI行业市场在140亿美元。我国在许多领域，如金融、保险、零售商业、地产等领域将逐步对外开放，这就意味着许多企业将面临来自国际大型跨国公司的巨大竞争压力。国外发达国家各种企业采用商商务（业）智能的水平已经远远超过了我国，就是在国内依然是沿海发达城市及地域在商业智能及数据分析应用的水平大大超出内陆欠发达地区。
现在，许多企业都把数据看成宝贵的财富，纷纷利用商务（业）智能发现其中隐藏的信息，借此获得巨额的回报。国内暂时还没有官方关于数据挖掘分析行业本身的市场统计分析报告。但是在未来的5-10年内，数据挖掘分析将成为一个独立行业。众所周知，IT就业市场竞争已经相当激烈，而数据处理的核心技术---数据挖掘分析更是得到了前所未有的重视。数据挖掘和商业智能技术位于整个企业IT-业务构架的金字塔塔尖，目前国内数据挖掘专业的人才培养体系尚不健全，人才市场上精通数据挖掘分析技术、商业智能的供应量极小，而另一方面企业、政府机构和和科研单位对此类人才的潜在需求量极大，供需缺口极大。如果能将数据挖掘分技术与我个人已有专业知识相结合，必将展开职业生涯的新天地。
二、专业技能行业知识及能力
数据挖掘、统计学、数据库相关专业，熟练掌握关系数据库技术，具有数据库系统开发经验，熟练掌握常用的数据挖掘算法，具备数理统计理论基础，并熟悉常用的统计工具软件，具有相关的行业知识，或者能够很快熟悉相关的行业知识，具有良好的团队合作精神，能够主动和项目中其他成员紧密合作，具有良好的沟通能力，能够明确阐述数据挖掘项目的重点和难点，善于调整客户对数据挖掘的误解和过高期望，具有良好的知识转移能力，能够尽快地让模型维护人员了解并掌握数据挖掘方法论及建模实施能力。
具
有数据仓库项目实施经验，熟悉数据仓库技术及方法论，熟练掌握
SQL
语言，包括复杂查询、
性能调优，熟练掌握
Microsoft Office
软件，包括
Excel
和
PowerPoint
中的各种统计图形技术，善于将挖掘结果和业务管理相结合，根据数据
挖掘分析的成果向企业提供有价值的可行性操作方案
具
有数据仓库项目实施经验，熟悉数据仓库技术及方法论，熟练掌握
SQL
语言，包括复杂查询、
性能调优，熟练掌握
Microsoft Office
软件，包括
Excel
和
PowerPoint
中的各种统计图形技术，善于将挖掘结果和业务管理相结合，根据数据
挖掘分析的成果向企业提供有价值的可行性操作方案。
具
有数据仓库项目实施经验，熟悉数据仓库技术及方法论，熟练掌握
SQL
语言，包括复杂查询、
性能调优，熟练掌握
Microsoft Office
软件，包括
Excel
和
PowerPoint
中的各种统计图形技术，善于将挖掘结果和业务管理相结合，根据数据
挖掘分析的成果向企业提供有价值的可行性操作方案
具
有数据仓库项目实施经验，熟悉数据仓库技术及方法论，熟练掌握
SQL
语言，包括复杂查询、
性能调优，熟练掌握
Microsoft Office
软件，包括
Excel
和
PowerPoint
中的各种统计图形技术，善于将挖掘结果和业务管理相结合，根据数据
挖掘分析的成果向企业提供有价值的可行性操作方案。
具有数据仓库项目实施经验，熟悉数据仓库技术及方法论，熟练掌握SQL语言，包括复杂查询、性能调优，熟练掌握Microsoft Office软件，包括Excel和PowerPoint中的各种统计图形技术，善于将挖掘结果和业务管理相结合，根据数据挖掘分析的成果向企业提供有价值的可行性操作方案。三、学习重点
进入数据挖掘分析领域需要初步了解学习《数理统计》、《概率论》、《统计学习基础：数据挖掘、推理与预测》、《金融数据挖掘》,《业务建模与数据挖掘》、《数据挖掘实践》等，可以不知道人工智能和计算机编程等相关技术，但是需要熟练使用主流的数据挖掘（或统计分析）工具，如《SAS数据挖掘与分析》、《数据挖掘Clementine应用实务》、《EXCEL 2007数据挖掘完全手册》、《中文版 数据挖掘原理》 等，然后对《数据挖掘概念与技术》（韩家炜着）、《人工智能及其应用》有一点了解。
还需要对数据分析所对应的行业进行了解，业务流程、产品信息、市场数据、竞争对手及环境、分析数据诉求等。
最后更新：2017-04-03 05:39:09