856
數據分析師的職業規劃
當前數據挖掘分析應用主要集中在電信(客戶分析)，零售(銷售預測)，農業(行業數據預測)，網絡日誌(網頁定製)，銀行(客戶欺詐)，電力(客戶唿叫)，生物(基因)，天體(星體分類)，化工，醫藥等方麵。當前它能解決的問題典型在於：數據庫營銷(Database Marketing)、客戶群體劃分(Customer Segmentation & Classification)、市場背景分析(Profile Analysis)、交叉銷售(Cross-selling)等市場分析行為，以及客戶流失性分析(Churn Analysis)、客戶信用記分(Credit Scoring)、欺詐發現(Fraud Detection)等等，在許多領域得到了成功的應用。如果你訪問著名的亞馬遜網上書店(www.amazon.com)，會發現當你選中一本書後，會出現相關的推薦書目“Customers who bought this book also bought”，再比如我們經常去淘寶網店（www.taobao.com）購物時，就會發現當你選中一件商品時，會在頁麵下方出現推薦商品或者購買此件商品的其他人也購買或者瀏覽的以下商品，這背後就是數據挖掘分析技術在發揮作用。
職業生涯定位（市場/數據分析師Marketing/Data Analyst）
一、職業現狀與前景
1. 市場數據分析是現代市場營銷科學必不可少的關鍵環節：舉個例子, 隨著商業競爭日益加劇，公司希望能最大限度的從忠實客戶群體及標準客戶群體中得到銷售回報, 他們希望能有更多的忠實客戶群體及標準客戶群體來響應他們的產品和廣告。所以他們就必需要在投放產品與廣告之前做大量的市場分析工作。例如，根據自己的產品結合目標市場顧客的家庭收入，教育背景和消費趨向分析出哪些地區的住戶或居民最有可能響應公司的銷售廣告，購買自己的產品或成為客戶，從而通過廣告、郵件、短信以及其他媒介發送給隻針對這些特定的客戶群體。這樣有的放矢的篩選廣告投放市場既節省開銷又提高了銷售回報率。但是所有的這些分析都是基於數據庫，通過數據處理、挖掘、分析、建模得出的，其間，市場分析師的工作是必不可少的。
2. 行業適應性強: 幾乎所有的行業都會應用到數據, 所以作為一名數據/市場分析師不僅僅可以在傳統的IT行業就業，也可以在政府，銀行，零售，醫藥業，製造業和交通傳輸等領域服務。市場/數據分析師（Marketing/Data Analyst）是適應信息社會從海量的數據庫中提取標準信息的需要而產生的新職業。它是統計學、數據庫、模式識別、人工智能等學科的交叉。
據IDC(International Data Corporation)對歐洲和北美62家采用了商務智能技術的企業的調查分析發現，這些企業的3年平均投資回報率為401%，其中25%的企業的投資回報率超過600%。調查結果還顯示，一個企業要想在複雜的環境中獲得成功，高層管理者必須能夠控製極其複雜的商業結構，若沒有詳實的事實和數據支持，是很難辦到的。因此，隨著數據挖掘分析技術的不斷改進和日益成熟，它必將被更多的用戶采用，使更多的管理者得到更多的商務智能。2010-2011年估計BI行業市場在140億美元。我國在許多領域，如金融、保險、零售商業、地產等領域將逐步對外開放，這就意味著許多企業將麵臨來自國際大型跨國公司的巨大競爭壓力。國外發達國家各種企業采用商商務（業）智能的水平已經遠遠超過了我國，就是在國內依然是沿海發達城市及地域在商業智能及數據分析應用的水平大大超出內陸欠發達地區。
現在，許多企業都把數據看成寶貴的財富，紛紛利用商務（業）智能發現其中隱藏的信息，借此獲得巨額的回報。國內暫時還沒有官方關於數據挖掘分析行業本身的市場統計分析報告。但是在未來的5-10年內，數據挖掘分析將成為一個獨立行業。眾所周知，IT就業市場競爭已經相當激烈，而數據處理的核心技術---數據挖掘分析更是得到了前所未有的重視。數據挖掘和商業智能技術位於整個企業IT-業務構架的金字塔塔尖，目前國內數據挖掘專業的人才培養體係尚不健全，人才市場上精通數據挖掘分析技術、商業智能的供應量極小，而另一方麵企業、政府機構和和科研單位對此類人才的潛在需求量極大，供需缺口極大。如果能將數據挖掘分技術與我個人已有專業知識相結合，必將展開職業生涯的新天地。
二、專業技能行業知識及能力
數據挖掘、統計學、數據庫相關專業，熟練掌握關係數據庫技術，具有數據庫係統開發經驗，熟練掌握常用的數據挖掘算法，具備數理統計理論基礎，並熟悉常用的統計工具軟件，具有相關的行業知識，或者能夠很快熟悉相關的行業知識，具有良好的團隊合作精神，能夠主動和項目中其他成員緊密合作，具有良好的溝通能力，能夠明確闡述數據挖掘項目的重點和難點，善於調整客戶對數據挖掘的誤解和過高期望，具有良好的知識轉移能力，能夠盡快地讓模型維護人員了解並掌握數據挖掘方法論及建模實施能力。
具
有數據倉庫項目實施經驗，熟悉數據倉庫技術及方法論，熟練掌握
SQL
語言，包括複雜查詢、
性能調優，熟練掌握
Microsoft Office
軟件，包括
Excel
和
PowerPoint
中的各種統計圖形技術，善於將挖掘結果和業務管理相結合，根據數據
挖掘分析的成果向企業提供有價值的可行性操作方案
具
有數據倉庫項目實施經驗，熟悉數據倉庫技術及方法論，熟練掌握
SQL
語言，包括複雜查詢、
性能調優，熟練掌握
Microsoft Office
軟件，包括
Excel
和
PowerPoint
中的各種統計圖形技術，善於將挖掘結果和業務管理相結合，根據數據
挖掘分析的成果向企業提供有價值的可行性操作方案。
具
有數據倉庫項目實施經驗，熟悉數據倉庫技術及方法論，熟練掌握
SQL
語言，包括複雜查詢、
性能調優，熟練掌握
Microsoft Office
軟件，包括
Excel
和
PowerPoint
中的各種統計圖形技術，善於將挖掘結果和業務管理相結合，根據數據
挖掘分析的成果向企業提供有價值的可行性操作方案
具
有數據倉庫項目實施經驗，熟悉數據倉庫技術及方法論，熟練掌握
SQL
語言，包括複雜查詢、
性能調優，熟練掌握
Microsoft Office
軟件，包括
Excel
和
PowerPoint
中的各種統計圖形技術，善於將挖掘結果和業務管理相結合，根據數據
挖掘分析的成果向企業提供有價值的可行性操作方案。
具有數據倉庫項目實施經驗，熟悉數據倉庫技術及方法論，熟練掌握SQL語言，包括複雜查詢、性能調優，熟練掌握Microsoft Office軟件，包括Excel和PowerPoint中的各種統計圖形技術，善於將挖掘結果和業務管理相結合，根據數據挖掘分析的成果向企業提供有價值的可行性操作方案。三、學習重點
進入數據挖掘分析領域需要初步了解學習《數理統計》、《概率論》、《統計學習基礎：數據挖掘、推理與預測》、《金融數據挖掘》,《業務建模與數據挖掘》、《數據挖掘實踐》等，可以不知道人工智能和計算機編程等相關技術，但是需要熟練使用主流的數據挖掘（或統計分析）工具，如《SAS數據挖掘與分析》、《數據挖掘Clementine應用實務》、《EXCEL 2007數據挖掘完全手冊》、《中文版 數據挖掘原理》 等，然後對《數據挖掘概念與技術》（韓家煒著）、《人工智能及其應用》有一點了解。
還需要對數據分析所對應的行業進行了解，業務流程、產品信息、市場數據、競爭對手及環境、分析數據訴求等。
最後更新：2017-04-03 05:39:09