数据分析专员，女生做这个怎么样，会很高压、很累吗。有没有做过的人讲一下经验。谢谢谢谢
当前大数据行业真的是人才稀缺吗?对!未来人才缺口150万，数据分析人才最稀缺。先看大数据人才缺口有多大? 根据LinkedIn(领英)发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中数据分析人才最为稀缺、供给指数最低。同时，数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。而清华大学计算机系教授武永卫去年透露了一组数据：未来3-5年，中国需要180万数据人才，但目前只有约30万人。
大数据行业未来会产能过剩吗?提供大数据技术与应用服务的第三方公司面临调整，未来发展会趋集中关于“大数据概念是否被过度炒作”的讨论，其实2013年的夏季达沃斯就有过。彼时支持“炒作”观点的现场观众达54.5%。对此，持反对意见的北京大学光华管理学院副教授苏萌提出了三个理由：1、不同机构间的数据还未真正流动起来，目前还只是数据“孤岛”; 2、完整的生态产业链还未形成，尽管通过行为数据分析已能够分辨出一个消费者的喜好，但从供应到购买的链条还没建成; 3、数据分析人才仍然极度匮乏。4年之后，舆论热点已经逐渐从大数据转向人工智能，大数据行业也历经整合。近一年间，一些大数据公司相继出现裁员、业务大调整等情况，部分公司出现亏损。那都是什么公司面临危机呢? 基于数据归属，涉及大数据业务的公司其实有两类：一类是自身拥有数据的甲方公司，如亚马逊、阿里巴巴等;另一类是整合数据资源，提供大数据技术与应用服务的第三方公司。目前行业整合出现盈利问题的公司多集中在第三方服务商。对此，LinkedIn(领英)中国技术副总裁王迪表示，第三方服务商提供的更多的是技术或平台，大数据更多还是让甲方公司获益。在王迪看来，大数据业务要产生规模效益，至少要具备三点：算法、计算平台以及数据本身。“第三方大数据创业公司在算法上有一技之长，而计算能力实际上已经匀化了，传统企业如果用好了，和大数据创业公司没有区别，甚至计算能力更强，而数据获取方面，很多数据在传统行业内部并没有共享出来，第三方大数据公司获取这些数据是比较困难的，最后可能谁有数据，谁产生的价值更高。”说白了，数据为王。
来，第三方大数据公司获取这些数据是比较困难的，最后可能谁有数据，谁产生的价值更高。”说白了，数据为王。在2013年，拿到千万级A轮融资的大数据企业不足10家，到2015年，拿到千万级以上A轮融资的企业已经超过30家。直到2016年互联网资本寒冬，大数据行业投资热度有所减退，大数据行业是否也存在产能过剩? 王迪认为，目前的行业整合属于正常现象，“经过市场的优胜劣汰，第三方服务领域会出现一些做得比较好的公司，其他公司可能被淘汰或转型做一些垂直行业应用。从社会来看，总的需求量一定是增加的，而对于供给侧，经过行业自然的洗牌，最终会集中在几家优秀的行业公司。
大数据主要的三大就业方向：大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。在此三大方向中，各自的基础岗位一般为大数据系统研发工程师、大数据应用开发工程师和数据分析师。从上文中我们可以看出，未来十年大数据行业都是热门的，也还会有更多的行业和岗位顺应大数据的发展而产生。各行业的生态产业链都将联系在一起，大数据的发展前景是非常大的，所以大数据培训就业在目前看来是非常靠谱的，千锋教育致力打造高端大数据人才，想学大数据的朋友要抓住这个机会，给自己的梦想一个起飞的平台。
学习数据分析师之前，你必须清楚自己想要达成什么目标。也就是说，你想通过这门技术来解决哪些问题或实现什么计划。有了这个目标，你才能清晰地开展自己的学习规划，并且明确它的知识体系。只有明确的目标导向，学习必备也是最有用的那部分，才能避免无效信息降低学习效率。
1、明确知识框架和学习路径
数据分析这件事，如果你要成为数据分析师，那么你可以去招聘网站看看，对应的职位的需求是什么，一般来说你就会对应该掌握的知识架构有初步的了解。你可以去看看数据分析师职位，企业对技能需求可总结如下：
SQL数据库的基本操作，会基本的数据管理；
会用Excel/SQL做基本的数据提取、分析和展示；
会用脚本语言进行数据分析，Python or R；
有获取外部数据的能力加分，如爬虫或熟悉公开数据集；
会基本的数据可视化技能，能撰写数据报告；
熟悉常用的数据挖掘算法：回归分析、决策树、分类、聚类方法；
高效的学习路径是什么？就是数据分析的流程。一般大致可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实现一个数据分析师的学成之旅。按这样的顺序循序渐进，你会知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。然后每学习一个部分，你就能够有一些实际的成果输出，有正向的反馈和成就感，你才会愿意花更多的时间投入进去。以解决问题为目标，效率自然不会低。
按照上面的流程，我们分需要获取外部数据和不需要获取外部数据两类分析师，总结学习路径如下：
1.需要获取外部数据分析师：
python基础知识
python爬虫
SQL语言
python科学计算包：pandas、numpy、scipy、scikit-learn
统计学基础
回归分析方法
数据挖掘基本算法：分类、聚类
模型优化：特征提取
数据可视化：seaborn、matplotlib
2.不需要获取外部数据分析师：
SQL语言
python基础知识
python科学计算包：pandas、numpy、scipy、scikit-learn
统计学基础
回归分析方法
数据挖掘基本算法：分类、聚类
模型优化：特征提取
数据可视化：seaborn、matplotlib
接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。
数据获取：公开数据、Python爬虫
如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。
外部数据的获取方式主要有以下两种。
第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。
另一种获取外部数据费的方式就是爬虫。
比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。
在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）
网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。
掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。
除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。
数据存取：SQL语言
你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。
SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：
提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2018年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。
数据库的增、删、查、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。
数据的分组聚合、如何建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。
数据预处理：Python（pandas）
很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。
比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。
那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。
对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：
选择：数据访问（标签、特定值、布尔索引等）
缺失值处理：对缺失数据行进行删除或填充
重复值处理：重复值的判断与删除
空格和异常值处理：清楚不必要的空格和极端、异常数据
相关操作：描述性统计、Apply、直方图等
合并：符合各种逻辑关系的合并操作
分组：数据划分、分别执行函数、数据重组
Reshaping：快速生成数据透视表
概率论及统计学知识
数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：
基本统计量：均值、中位数、众数、百分位数、极值等
其他描述性统计量：偏度、方差、标准差、显著性等
其他统计知识：总体和样本、参数和统计量、ErrorBar
概率分布与假设检验：各种分布、假设检验流程
其他概率论知识：条件概率、贝叶斯等
有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……
你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。
python数据分析
如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。
比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“房价预测”和“职位预测”，都可以通过回归分析实现。这部分需要掌握的知识点如下：
回归分析：线性回归、逻辑回归
基本的分类算法：决策树、随机森林……
基本的聚类算法：k-means……
特征工程基础：如何用特征选择优化模型
调参方法：如何调节参数优化模型
Python 数据分析包：scipy、numpy、scikit-learn等
在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。
当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。
系统实战
这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。
如何进行实战呢？
上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。
另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。
开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。
你也可以看看行业的分析报告，看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。
在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：
员工离职预测训练赛
美国King County房价预测训练赛
北京PM2.5浓度分析训练赛
种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！
女生还是很适合做数据分析的，数据分析师因为敲的代码少，相比起天天敲代码的职业更适合女生一些，没那么辛苦。现在最基本的就是用excle来处理数据，在这基础上又使用了新的统计软件spss，主要是需要一定的分析思维能力，还要掌握数据库的原理操作。
岗位职责
1、有结构化的数据分析思维。
在接手一个新项目时，能够快速梳理清楚业务流程，并且基于业务流程确定需要哪些数据，明确数据之间的逻辑关系。
2、能够对目标指标进行拆解。
面对看似艰巨的目标时，能够针对不同的运营场景和目的，对指标进行逐步拆解，直到拆解出可以发力优化的数据。
3、在业务开始之前就有数据分析意识。
不仅仅是在复盘结果时才用上数据分析，在项目执行过程中，不断地观察数据和调整方案也同样重要。这就不仅需要运营提前梳理业务流程，还得对阶段数据进行预估。
4、掌握较深的业务知识和计算机应用知识
能用行业各种应用软件进行各种数据分析和综合数据处理，加工成有用的信息提供领导进行决策；能配合系统管理员进行计算机网络维护及管理。
注意：
1、工作能力： 有严谨的逻辑思维能力、学习能力、言语表达能力、管理能力。
2、工作态度：积极主动、工作认真、工作严谨。
我是从事10年的数据分析营销相关工作来回答再适合不过了。之前很多实习生或刚刚毕业对职业方向迷茫的人都来咨询我
我对于数据分析是否适合女生有不同的看法：
随着数据分析技术的不断发展，数据分析这个行业也有很多的细分领域，比如技术岗位，可以朝技术方面深入，做数据运维、大数据架构和商业智能方面的工程师。也可以做业务岗位，朝管理和战略决策方面发展，做数据运营、数据产品和职业经理人。
无论什么工作兴趣最重要，不论男生还是女生，要做数据分析师最基本的就是不讨厌数字，如果你在计算KPI指标是通过怎样运算得到的会觉得不耐烦，那么显然是不适合做数据分析的；如果对数据较敏感，能够一眼发现异常值，数据分布情况，当然是最好的。
逻辑思维对数据分析工作也是尤其重要，不然会纠结在各种指标的定义规则和与业务的联系，逻辑思维好的人写SQL等数据处理脚本也会更加高效。
做数据分析有时会很纠结，细心和耐心是必需的，好的交流能力可以让数据分析师更好地阐述清楚各类问题。女生与生俱来的细心和耐心，会让女数据分析师在商业敏感度上会比男生强，所以女生在数据分析的业务分析方面还是很有优势的。
这些相关的技术和业务能力，是短期难以培养的技能，可以通过培训获取。
数据分析归根到底是用数据讲故事讲道理，不同的人手里有一样的数据却能讲出不同的故事，让你眼中的数据会更加生动，更加有趣，也更加有意义。
我在14年接近年底的时候才开始正式工作，时至今日换了三份工作。换工作的原因很简单：干的不爽，钱给的不够！
在拥有第一份工作的时候，头衔是“数据分析师”，薪资4500。当时很开心，第一次赚钱，而且还赚这么多，于是乎我工作很卖力。在干了半个月左右的时间时，我发现这个小组纯属是公司的附属产品，没有什么核心价值。其实不怪公司不重视，组里的数据分析师连概率论都没搞清楚，更别说数据挖掘和编程了。每天那就是折腾折腾EXCEL，写写报告，十足的一个“表哥”。对于我这样的技术控，一个会编程的数据分析师，这是完全不能忍受的。而且当时自己开始搜索职位的时候，发现我掌握的技能远远不止4500块这么便宜！于是乎想着离职，目标锁定在上海的互联网公司。
在这期间，我
女生不适合做数据分析，女生平面思维好，但是逻辑思维相对弱一些，对数据可能不敏感，对于结果的分析和把控也就会弱一些，并且数据分析会很累，压力会很大。
女生与生俱来的细心、耐心和交流能力，会让她有先决条件，因为做数据分析有时会很纠结，细心和耐心是必需的，好的交流能力可以让数据分析师更好地阐述清楚各类问题。做数据分析的女孩子在商业敏感度上有时候比男生更强。比如时候设计用户分析，女生的细心和温柔往往决定他们在对用户分析上有优势，光有死板的数据是没法分析的。所以个人觉得女生在数据分析的分析方面还是有优势的
数据专员是做什么的
答：要对服务器的硬件进行检查；工作职能根据数据分析方案进行数据分析，在既定时间内提交给市场研究人员能进行较高级的数据统计分析公司录入人员的管理和业绩考核以及对编码人员的行业知识和问卷结构的培训录入数据库的设立，数据的校验，数据库的逻辑查；没经验可以做数据专员统计的工作实际上并不困难，而且数据专...
做数据分析师的就业前景怎么样?
答：1、人才缺口大，IT时代逐渐被DT时代取代，用理性的数据分析代人工的经验分析成为主流，数据分析人才的供给指数仅为0.05，属于高度稀缺。2、入门相对简单数据分析是一门跨领域技术，不需要很强的理工科背景，反而那些有市场销售、金融、财务或零售业背景的人士，分析思路更加开阔。3、薪资待遇高1-2年工作...
数据分析专员岗位职责是什么?
答：工作职能：根据数据分析方案进行数据分析，在既定时间内提交给市场研究人员;能进行较高级的数据统计分析;公司录入人员的管理和业绩考核;以及对编码人员的行业知识和问卷结构的培训;录入数据库的设立，数据的校验，数据库的逻辑查错，对部分问卷的核对。任职要求：知识/经验：具有数理统计，经济学，数据库原理...
数据专员是干什么的 数据专员是做什么的
答：数据专员是做什么的 1、针对各事业部、分公司业绩达成情况进行统计、分析及追踪。2、针对公司销售数据分析的建立，数据分析报表的整合和规范、优化。3、建立部门每日、周、月、季、年度数据分析报表。4、组织公司的统计报告，检查统计数据的完整性、正确性，按上级主管部门要求报送规定的报表。
数据专员是做什么的?
答：一、职责概述 \r\n 1、负责分析各类数据并针对各类问题提出解决方案和营销方案 \r\n2、对专业的数据分析及做好竞争对手数据的采集、统计、评估与分析，并编制报表 \r\n3、整理客户资料，分析客户属性和消费行为 \r\n4、分析客户人群的购买习惯，并通过购买习惯做出相关数据分析\r\n二、工作职责...
女性找什么工作好,性格较内向,求推荐工种?
答：对于性格较内向的女性，以下是一些推荐的工种：1. 编辑/校对员：如果你对文字有较高的敏感度和语言表达能力，可以考虑成为编辑或校对员。这个职业可以让你专注于文字的处理和调整，而不需要过多的社交互动。2. 数据分析师：如果你喜欢处理数据和数字，可以考虑成为数据分析师。这个职业需要较高的逻辑思维...
互联网公司的数据分析专员主要是什么工作内容?
答：互联网公司的数据分析专员主要是要根据数据分析方案进行数据分析，在既定时间内提交给市场研究人员； 能进行较高级的数据统计分析；公司录入人员的管理和业绩考核；以及对编码人员的行业知识和问卷结构的培训；录入数据库的设立，数据的校验，数据库的逻辑查错，对部分问卷的核对等工作。互联网公司的数据分析...
数据专员是做什么的?
答：2、 业务数据分析：针对业务数据进行分析，形成结论，撰写报告，为业务及策略调整提供数据支持；3、 行业数据分析：对互联网大数据进行分析，提供行业、产品、竞品数据报告，为市场开发、客户运营提供的数据支持。更多关于数据专员是做什么的问题建议咨询一下CDA认证机构，CDA行业标准由国际范围数据领域的行业...
数据专员是做什么的?
答：1、股票数据收集、信息整理。2、股票日常数据校对、核查工作。3、股票、基金等数据的录入、校对工作。4、具有证券从业资格、证券投顾资格优先考虑。5、金融、经济类专业优先。数据专员岗位要求：1、负责分析各类数据并针对各类问题提出解决方案和营销方案。2、对专业的数据分析及做好竞争对手数据的采集、统计...
数据专员是做什么的
答：_问题描述：答案1：： 1、根据数据分析方案进行数据分析，在既定时间内提交给市场研究人员； 2、能进行较高级的数据统计分析； 3、公司录入人员的管理和业绩考核；以及对编码人员的行业知识和问卷结构的培训； 4、录入数据库的设立，数据的校验，数据库的逻辑查错，对部分问卷的核对.追问 要求有什么专业...
