我的版块:
您尚未登录,请登录后查看已收藏版块
站务 | 帮助  

首页 > 论坛首页 > 求职招聘 > 找工交流 > 我要求职 > 帖子正文

新 帖 回 复
查看     | 回复 2 如何找数据分析工作 更新至第4篇

jobready123

jobready123
| 只看楼主

DQ数据分析经验谈系列:

如何找到第一份数据分析工作



第1篇: 就业市场现状分析

为啥数据分析最近火了?

评估一下当今最最最……..火的3个话题,没有任何悬念的会是大数据,互联网 和 云计算。其实这3个话题是相关的。我自己的理解是 – “依托互联网,用云端计算能力来收集,储存,及处理大数据,从而挖掘出客户所需要的知识!”尽管说起来绕口,但道理很简单 –“互联网是平台,云计算是先进生产工具,而数据整理,分析,和挖掘才是核心竞争力”

为啥最近火了呢?说白了,大趋势使然。硬件,软件以及技术都到位了,才让数据分析有可能做,值得去做,并且做的有价值 。以前硬件没便宜到可以到处设探头,传感器,终端, 没有足够的数据,你有啥好分析的; 其次即使硬件达标,软件跟不上,没有好的算法,分析数据速度超慢,估计没有人有耐心来等待结果; 再次,软硬件都达标,没有商务需求,也没用啊!最后一点最关键,有需求才有机会!现在哪个领导做报告,不是一堆真的,假的数据,表格以及趋势图。 这就是为什么数据分析这部战车一启动,就不大容易停下来了,因为它已经成为公司的决策工具之一。看看现状,你就知道这是一件没法停下来事情:

Job postings for NoSQL experts were up 54% year over year, and those for “big data talent” rose 46%, the site reported in April. Similarly, postings for Hadoop and Python pros were up 43% and 16%, respectively. [Source: Dice]

The digital universe will grow from 3.2 zettabytes today to 40 zettabytes in only six years. (One zettabyte is roughly a billion terabytes.) [Source: Hadoop Summit 2014]

Most companies estimate they’re analyzing a mere 12% of the data they have, according to a recent study by Forrester Research. [Source: Chinaemail.com]

Big data jobs pay quite well. According to Salaries of Data Scientists, an April 2014 study from Burtch Works, the 2014 mean base salary for a staff data scientist is $120,000, and $160,000 for a manager. [Source: Burtch Works]


数据分析的职位都集中在哪些行业?

简单的回答是 – “主要集中在产生大量数据的地方, 比如,生物,制药,市场营销,Social Media, 电信,金融…. “。 这样的答案是一个政治上正确,但没有价值的回答, 太泛,没有操作性, 因为纵然这些行业有千般好,和你也没有一毛钱关系!

Revise一下提出的问题会更加有实际的指导意义,”作为刚毕业的学生, 或者转行的第一份工作,我可以申请的职位集中在哪个行业?“。 我觉得候选就业方向至少应该满足以下两点:


  • 1. 就业面要广,各行各业都需要。特别指出,刚毕业,或者第一份工作就定位在银行的Financial Analyst, risk analyst操作起来有困难。能进银行的,上学时都做过Co-op,你现在才想起来,已经来不及了 [这就是没有积累的后果]。


  • 2. 行业变化快,对经验有要求,但对学习能力更看重。有的行业需要积累,业务的了解比技术重要的多,比如制药和银行业。你会几个分析工具,软件没什么用,行业经验才是王道。

建议你把精力集中在Marketing客户关系管理 | CRM 方向。

首先,所有的商业行为都是逐利的,其根本都是让客户掏钱,如何有效的找到客户(customer segmentation, penetration, concentration), 甄别客户(customer life value, credit risk management, churn rate) 以及保持现有客户的粘合度(loyalty program, customer retention)成为所有行业的运营重点。在这方面的经验各行各业都需要。透露一下,银行里最大的分析部门是Marketing 部门,不是Financial Analysis 和Risk analysis.

选择Marketing作为就业方向的另外一个重要的原因是这一方向变化太快,传统Marketing的知识有用,但对于新的Marketing手段的熟悉,运用,已经比分析更加重要。几年前,LinkedIN 还仅仅是个社交网站,现在已经成为公司宣传的必要装备。这样的情况,哪里会有人要求你有5年以上Social Media 的经验? 你稍微懂一点,就是专家了。

具体哪些职位可以申请?

这个问题,看起来难,但其实最好回答 – “几乎所有的带ANALYST的职位都可以申请“。WHY? 因为分析类工作从大的方面着眼,只有两类 ”Business Analyst“ 和 ”Data Analyst“。具体的初级职位可以是 Marketing Analyst, Customer Insight Analyst, Segmentation Profiling Analyst, Reporting Analyst, Digital Marketing Analyst, and Data Analyst. 去网上看看吧,职位是相当的多,几千个总是有的

更多专业文章:

http://jobready123.com/web/qments/

DQ数据分析

DQ数据分析培训机构(DQ Education),由北美数据分析名师DQ创立,是专注于为加拿大和美国市场培养初、中、高级数据分析人才,帮助华人移民及留学生实现就业与发展的数据分析专业教育品牌。

【创立人DQ

Dayong Qu | 曲达雍, 数据分析就业指导顶尖专家。近20年来历任多家著名企业的Resource Manager、Delivery Director、Head of PMO、北美上市公司VP等,目前从事Independent Consultant & Staffing工作,客户包括世界500强公司、加拿大五大银行等。




第2篇:我适合做数据分析工作吗?

数据分析工作,对于从业人员有哪些硬件要求?

我很想说数据分析适合所有人,但可惜,这是一个有门槛的就业方向。❶ 本科毕业是必须的,专业不限,最好是和商科,统计,数学,经济….相关。当然只有学历是不够的,还需要对软件,工具和业务了解。毕业5年内的同学可以考虑初级职位,超过5年的同学就只能申请中高级职位了,当然要求就高一些。还有一个要求,❷ 英文要好,多好都不为过。至少专业交流起来够用才行。【 数据分析比其他的IT相关工作的英文方面的要求要高】❸一定要有第三点的话,长得要帅,至少要会打扮。因为你是一个有身份的人,或者说你要打交道的都是有身份的人,要和Management 团队互动, 要学会投其所好,记住 “干这行,形象很重要”

数据分析的入门级职位的需求

当你开始找工作的时候,你会听到很多负面的消息,你就高高手,把他们都放了吧。作为一个战斗在第一线拥有20余年经验的从业人员,我有些建议请你记住 ❶  ENTRY LEVEL的工作很多,特别是数据分析相关的初级职位。目前是,市场上找不到合适的人,而不是合适的人找不到工作。你的任务是如何快速的成为合适的人 ❷ 技术很重要,但不是最重要的,对于初级职位,他们对你的期待值不高,更加看重你的学习能力,应变能力,以及和人相处的能力。技术差不多就行了。你一个初级职位的候选人,技术再好能好到那里去? 会做人才是王道!❸ 对于初级职位来说通用技术比高级工具重要。工具一直在变,有的时候换个领导,可能就换个工具。但底层通用工具是不会变的。说的朴实一点,数据分析最主要的工具是什么? 是MS-EXCEL,有的分析师一辈子就和EXCEL打交道。当然人家的EXCEL玩的如火纯青,不是一般人能比的。除了MS-EXCEL外就是SQL了, 一切和数据打交道的工具都建立在其上。你说是不是要花时间搞定它!

数据分析是你的最佳就业选择吗?

当你面临就业选择时,心里有点没底,请参考以下流程:

❶首先要搞清楚,你手里有什么牌, 你都可以选择那些就业方向 , 然后看一下你的可选项的前途和钱途如何。如果对现状满意,不要听别人忽悠去改方向 – 要坚持自己;如果确实不满意,就要考虑更改就业方向 – 不要被以前所学的专业限制住

不管是没有明确就业方向,还是考虑更改就业方向,你都面临抉择。原先的跑道有一定难度,换跑道时,就不要换一个更加难的了。


  • 最好和IT相关,因为工作稳定,薪水高。如果有决心,推荐编程做programmer
  • 如果编程觉太 Boring [也确实挺Boring], 想工作轻松,不在乎钱少,考虑Accounting, 大小公司都需要,就是钱少,往上发展的路太艰难
  • 去掉以上两个主要方向,就是一些CSR,FSR,Assistant的职位了,这些工作发展不大,经验又不值钱。说难听点,本地长大的高中毕业生都能比你做的好。

可笑的是有人鼓吹先到银行当Teller然后在银行内部找机会做Analyst,怎么可能啊?请问您当Teller的经验到时候怎么写才能和Analyst连上?不在银行你还有发挥余地,在银行里做Teller,你连发挥都没可能】

比较下来,在IT里面最不IT的就只有数据分析了,既可以用上咱们中国人的分析能力,又不用直接和客户打交道。初级职位比较多,常年超过1000个(Source: Indeed.ca)日常工作熟悉之后,工作比较轻松,并且从大趋势上看,只要跟上形势,比较有发展前途。结论可能有点出乎意料,这不是你是否可以做数据分析的问题,而是你还有更好的选择吗?

冲动容易犯错误;但犹豫才是我们中国人性格中致命的魔鬼。我们总是比来比去,想找到既省钱,又省时间,又体面的工作方向;还有人,想先找份工作,然后再边学边找; 或又是同时准备若干方向,哪个找到去哪个。殊不知,在你犹豫的过程中,机会已经滑过指尖逝去。既然要找工作,就要尽快进入状态 – 找到合适的大方向,就可以开始了,在前进中作微调切忌凡事患得患失,最后连锐气都消磨光。 周围活生生的例子,有人等房价降,等了十年,结果。。。所以要考虑机会成本,时间成本,该出手时要出手,千万不要犹豫




第3篇: 数据分析工作的前途与钱途

相似的职位太多了,比较混乱,有点晕!
读到这里,你可能有点跃跃欲试,看看网站上都有哪些职位可以申请。看过之后,你就知道什么是晕了 。一方面 太多的Data Analyst职位,里面的要求貌似完全不一样;还有一些职位看起来和数据分析相关,但职位名称不一样。你会经常看到下面一些关键词: Data Mining, Data Analysis,  Data Warehouse, Data Mart, ETL, OLAP, Business Intelligence….这都是什么和什么啊?在这里给大家科普一下数据相关的业务。搞清楚业务,你就知道哪些职位可以申请,哪些离自己要求远点。

  • Business Intelligence, 商务智能【以前俺们公司叫数据线业务,名称土点,但说到了点上】, 囊获了所有和数据相关的业务。可以说从Data Entry到Data Science 都可以自称是从事BI相关的工作。其中主要职能涵盖,Data Warehouse, Data Analysis | Data Mining and Reporting.
  • Data Warehouse, Data Mart, ETL, 这些都是十分IT的,都和采集,储存,分类,清洗,以及转换数据相关。是为了后面数据分析和挖掘做准备。
  • Data Analysis | Data Mining 是紧密相连不可分的。❶ 数据分析,是针对数据的一种操作手段。目标是根据预先设定的条件,对数据进行整理,筛选,加工,由此得到信息。其对数据进行处理的过程,不以结论何如为调整 [即使你不满意也得接受]。❷数据挖掘,是对完成数据分析后的信息,进行价值化的分析。对于一批数据,尝试对它做不同的价值评估,调整约束,得到需要的结果。❸ 而数据分析和数据挖掘,又是递归的。就是数据分析的结果是信息,这些信息作为数据,由数据挖掘发现价值。而数据挖掘,又使用了数据分析的手段,周而复始。
大数据的时代数据业务偏分析重要,还是偏IT重要?
大数据现在已经热的不行了,出门聊天不谈点大数据都不好意思J。 要注意的是,大数据不光是Volume, 还有Velocity, Variety 和 Veracity, 这些特点造就了大数据的复杂性。咳咳咳….越复杂的地方,越有机会,所以把职业发展定在这个方向肯定是没错的。至于偏IT还是偏分析工具,其实并不重要,因为两个方向都有足够的空间供你发展。如果你是想知道是否可以不学IT只注重分析工具,你可能要失望了 – 对于入门级的职位,VBA, SQL, Database…这些IT相关的知识还是十分重要,重要程度要超过一两个特定的工具。我帮你总结一下,工具有3类,每一类知道一两个就行,问其他的就说和你会的差不多,怕的是人家说一软件,你不知道归到哪一类。
❶ Database related包括Server (MS-SQL Server, MySQL, Oracle, DB2, Teradata, Hyperion….), 及管理工具 (SQL Server Management Studio, MySQL Workbench, ERWin, Toad….); ETL tools 知道MS-SQL Server SSIS就可以了。这类软件和IT很近,NICE TO HAVE, 就说不会也没什么。
❷ Analysis Related, 没有任何悬念, 第一把金交椅是MS-Excel with VBA. 这个搞不定,就不要出来混了。为了和其他人区分开,要会SAS和MS-SQL SERVER SSAS。SAS很重要,已经由找工作可选项,变成了必选项。IBM SPSS也属于这个系列。
❸ Reporting Tools – 要会Crystal Report 或者Cognos, 有的时候,公司用Business Object, Tableau, SSRS。这些都是简单软件,容易上手。看看视频就会了。
数据分析这个职业楼梯怎么爬能快点?
最好是上学的时候开始找Co-op, 毕业的时候就可以把经验写上。如果毕业的时候没有经验怎么办?咳咳咳….你必须有经验,否则简历没人看。自己想办法吧,我总不能教唆你那啥吧。初级职位都要2-3年经验,我才弱弱的写了1年,我申请吗?当然了,JD都是这么写的,要不然老板不批。找不到人,自然要降低标准,这就看你简历的质量了。最初级的职位是什么?Reporting Analyst | 38-45K/Year高级的呢?2-3年经验 的Data Analyst|55k-65k; 5年以上的80k; 再往上就看个人造化了。有一条不变,越往上爬,英文越重要,行业知识越重要,技术越不重要【我这是冒着雷劈的危险讲的实话啊】 下面是工资的breakdown供你参考
The average salary for a Data Analyst is C$50,207 per year. Skills that are associated with high pay for this job are Data Modeling, SAS, and Crystal Reports. Most people move on to other jobs if they have more than 20 years' experience in this field (Source: Payscale.com)




第4篇:如何读懂数据分析工作的Job Description?

Job Description 在谈什么啊?
稍微有点找工作经验的同学都知道,找工作要从研究Job Description 开始。JD 是市场订单,是用人单位对应聘者提出的要求。了解了市场,找到公司所需要的技能,以及自身薄弱环节,才可以定制,才谈得上学习,准备,以及简历面试,尽快成为用人单位需要的人。下面我们以数据分析初级职位的JD为例,谈一下在Research on JD这一过程中通常会有两种情况:
一、Job Description上面东西太多,无从下手
一个JR.的职位,你也会看到许多要求。有的时候,真是看到想骂人 – “会这么多东西,应该是SR. ,才给这么点钱,这么多要求,公司真有够CHEAP!”. 你真冤枉公司了,因为写JD的HR不了解真正的需求,多写点总保险点。他有千变万化,你有一定之归。抓住数据分析Entry Level这两个词来准备,会让你的准备复习工作容易一些。
数据分析要3个方面的知识

  • 数据的采集,清洗,分析,以及报表。这方面要求你对数据业务有一个整体的了解,就是说要了解数据的前世今生。初学者常犯的毛病是仅仅知道老师讲的知识点,没有深入的从项目实施的角度来看问题, 面试的时候对于实际问题张口结舌。
  • 分析常用的工具,算法,模型的使用。这方面要求从业人员对于各种分析工具在操作层面有深入的了解,就是Hands-on Experience。同时对于处理不同类型的Case用什么算法,模型要能够有一个基本正确的判断
  • 对一个特定领域的行业知识的了解。这方面大家容易忽略,认为技术好就能找到工作。其实现实生活中,行业知识更加我用人单位重视。一个特定的工具,有1-2星期就上手了,有1-2个月就可以独立工作。行业知识则不然,自然积累的话,需要若干年时间才能看到一定的效果。
Entry Level,这个神奇的词告诉我们上面说的重要也不重要,提到的东西大概知道就行了,不要花太多时间在上面,重点是要把知识面铺开,都懂一些。对大家都用的工具,技术要熟悉,要有一两个技术亮点,要熟悉一个方向的业务,更重要的是简历面试要搞定!
二、Job Description上面的东西觉得自己都能做。职位申请低了,比如CSR(一个高中毕业就可以做的职位),应该再上一个台阶 这里就不在讨论了。
简历及面试的准备
简历面试是一个大的话题,有机会再开一个系列讨论。简而言之,简历比面试重要,但面试比简历难准备 -有了一分好的简历,才谈得上有面试。简历的内容着重3个方面 ❶ Summary of Qualification包括:技术,软件,工具,以及相关的知识要点, 这个咱中国人擅长,花时间上课考证都是有必要的。❷ Professional Experience – 这里面写的一定要relevant, 不相关的工作不要写,不要记流水账,内容要涵盖工作流程 。 另外,工作经验必须有,特别强调【学生会及社团活动不是经验】。没有经验?咳咳咳…你也要想办法搞到经验❸ Project – 由于并不直接出现在简历里面,容易被忽略,很多人死在上面。老师上课讲的是知识点,下课后需要以点带面的串起来成为可以讲的项目。最后千万不要忘记Behavior问题!准备好了的话,应该一分不丢,这就是一熟练工种,和英文没关系。
技术,软件,工具及知识点的要求
郑重声明,我下面谈的只是对数据分析的初级职位有效】❶行业知识方面,建议走Marketing | CRM方向,就业面比较宽,行业变化快,对新知识要求高,容易上手。❷工作流程方面,对数据业务要熟悉,要学习一些 Data Warehouse , OLAP, Data Mart, ETL 的基本知识,从一开始就建立起项目的概念,每一个知识点都应该映射到项目中理解。❸软件和工具, 这方面可选项太多。作为JR.你要熟练掌握MS –EXCEL的分析功能,以及编写复杂的SQL语句。可以负责任的讲会了MS-EXCEL和SQL你就有了找工作的资本。要记住,这两样要求熟练掌握。 特别提一下SAS, 个人认为SAS作为一个大型分析软件有学习的必要,从找工作的角度看,起到拔高的作用。❹核心知识点, 对于数据分析,核心是通过Data Mining的一些算法找到需要的知识,因此,即使是初级职位,也要对其有一定了解。
写项目之注意事项

由于问题的复杂性,打算开个系列谈项目的准备问题。这里只是简单的谈个容易犯的错误。很多人写项目,面试谈项目都是从技术解决方案开始谈。这样是不行的,因为面试你的人可能不懂技术,或者不了业务。这样谈,谈的越多,对方越没有兴趣。要谈对方能听懂的,并关心的话题,比如项目的business objective, duration, team structure, functional requirement, performance assessment ……这样你可以避免像太多数人那样直接或者间接的死在这个问题上面。

jobready123 最后编辑于 2019-02-04 16:55:15

回复 引用 收藏 举报
+1
(0)

论坛热帖

jobready123

jobready123
| 只看楼主
     2 楼
第4篇已更新
  返回列表 1 到第 确定
新 帖 回 复
标题
    
禁用 URL 识别
禁用表情
禁用 Discuz!NT 代码
使用个人签名
Processed in 46.8652ms; querycount:5