数据挖掘系列篇（1）：总结职业_数据挖掘职业发展 – 数据分析
本站分享:大数据、数据分析师考试认证培训,包括:、、、、、、、、、、
> 数据挖掘系列篇（1）：总结职业_数据挖掘职业发展
系列篇（1）：总结职业
今天下半年计划把、数据挖掘、这些东西都撸一把，很可能以后就没有时间再来撸了。希望各位也能互相监督，看看今年过年之前能不能把之前的一系列的都整理一遍。还有个消息就是计划11月底会把《数据分析侠A的成长故事》截稿了，出版社已经联系了，而且提了很多宝贵的建议，这些我都接受了，到时候再扩充些内容，也欢迎大家多提提建议，不怕意见多。：D
好了，废话不多说，11月份、12月份重点会把搞两个系列，重点介绍他们分别是什么，在职场是什么情况，需要掌握哪些知识点，常见的有哪些坑，以及在各行各业都有哪些案例应用。也有不少人提议，还不如写写《25岁如何做到年薪百万》，哈哈，这个话题以后会写的，不过人生也不只是赚钱，不然会很枯燥。
很多人不明白学习数据挖掘以后干什么，这个问题也经常被问到。记得刚学数据挖掘的时候，有一个老师说学数据挖掘有什么用，你以后咋找工作。当时听了，觉得很诧异，不知道他为何有此一问。数据挖掘在国外是一份很不错的工作。我喜欢数据挖掘，因为它很有趣。很高兴以后就从事这方面的工作啦。写论文之余，也考虑一下。以下是从网上找的一些相关资料介绍,和即将走上数据挖掘岗位或是想想这方面发展的朋友共享：
数据挖掘从业人员工作分析
1.数据挖掘从业人员的愿景：
数据挖掘就业的途径从我看来有以下几种，(注意：本文所说的数据挖掘不包括数据仓库或数据库管理员的角色)。
A：做科研(在高校、科研单位以及大型企业，主要研究算法、应用等)
B：(在企业做数据挖掘及其相关程序算法的实现等)
C：(在存在海量数据的企事业单位做咨询、分析等)
2.数据挖掘从业人员切入点：
根据上面的从业方向来说说需要掌握的技能。
A：做科研：这里的科研相对来说比较概括，属于技术型的相对高级级别，需要对开发、数据分析的必备基础知识。
B：算法工程师：主要是实现数据挖掘现有的算法和研发新的算法以及根据实际需要结合核心算法做一些程序开发实现工作。要想扮演好这个角色，你不但需要熟悉至少一门编程语言如(C,C++,Java,Delphi等)和数据库原理和操作，对数据挖掘基础课程有所了解，读过《数据挖掘概念与技术》(韩家炜著)、《人工智能及其应用》。有一点了解以后，如果对程序比较熟悉的话并且时间允许，可以寻找一些开源的数据挖掘软件研究分析，也可以参考如《数据挖掘：实用机器学习技术及Java实现》等一些教程。
C：：需要有深厚的数理统计基础，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。从这个方面切入数据挖掘领域的话你需要学习《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，当然也少不了你使用的工具的对应说明书了，如SPSS、SAS等厂商的《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》等，如果多看一些如《数据挖掘原理》 等书籍那就更好了。
数据挖掘人员需具备以下基本条件，才可以完成数据挖掘项目中的相关任务。
一、专业技能
本科或硕士以上学历，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。
二、行业知识
具有相关的行业知识，或者能够很快熟悉相关的行业知识
三、合作精神
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
四、客户关系能力
具有良好的客户沟通能力，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。
进阶能力要求
数据挖掘人员具备如下条件，可以提高数据挖掘项目的实施效率，缩短项目周期。
具有数据仓库项目实施经验，熟悉
熟练掌握SQL语言，包括复杂查询、性能调优
熟练掌握ETL开发工具和技术
熟练掌握Microsoft Office软件，包括Excel和PowerPoint中的各种统计图形技术
善于将挖掘结果和客户的业务管理相结合，根据数据挖掘的成果向客户提供有价值的可行性操作方案
五、应用及就业领域
当前数据挖掘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)、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。如果你访问著名的亚马逊网上书店会发现当你选中一本书后，会出现相关的推荐数目“Customers who bought this book alsobought”，这背后就是数据挖掘技术在发挥作用。
数据挖掘的对象是某一专业领域中积累的数据；挖掘过程是一个人机交互、多次反复的过程;挖掘的结果要应用于该专业。因此数据挖掘的整个过程都离不开应用领域的专业知识。“Business First, techniquesecond”是数据挖掘的特点。因此学习数据挖掘不意味着丢弃原有专业知识和经验。相反，有其它行业背景是从事数据挖掘的一大优势。如有销售，财务，机械，制造，call center等工作经验的,通过学习数据挖掘，可以提升个人职业层次，在不改变原专业的情况下，从原来的事务型角色向分析型角色转变。从80年代末的初露头角到90年代末的广泛应用，以数据挖掘为核心的商业智能(BI)已经成为IT及其它行业中的一个新宠。
重点介绍下对数据挖掘的几个岗位：
数据采集分析专员
职位介绍：数据采集分析专员的主要职责是把公司运营的数据收集起来，再从中挖掘出规律性的信息来指导公司的战略方向。这个职位常被忽略，但相当重要。由于数据库技术最先出现于计算机领域，同时计算机数据库具有海量存储、查找迅速、分析半自动化等特点，数据采集分析专员最先出现于计算机行业，后来随着计算机应用的普及扩展到了各个行业。该职位一般提供给懂数据库应用和具有一定统计分析能力的人。有计算机特长的统计专业人员，或学过数据挖掘的计算机专业人员都可以胜任此工作，不过最好能够对所在行业的市场情况具有一定的了解。
求职建议：由于很多公司追求短期利益而不注重长期战略的现状，目前国内很多企业对此职位的重视程度不够。但大型公司、外企对此职位的重视程度较高，随着时间的推移该职位会有升温的趋势。另外，数据采集分析专员很容易获得行业经验，他们在分析过程中能够很轻易地把握该行业的市场情况、客户习惯、渠道分布等关键情况，因此如果想在某行创业，从数据采集分析专员干起是一个不错的选择。
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: Marketing/Data Analyst从业最多的行业: Direct Marketing (直接面向客户的市场营销) 吧，自90年代以来,Direct Marketing越来越成为公司推销其产品的主要手段。根据加拿大市场营销组织(Canadian MarketingAssociation)的统计数据: 仅1999年一年 Direct Marketing就创造了470000 个工作机会。从，工作职位又增加了30000个。为什么Direct Marketing需要这么多Analyst呢? 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广告中得到销售回报, 他们希望能有更多的用户来响应他们的广告。所以他们就必需要在投放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，从而广告只针对这些特定的客户群。这样有的放矢的筛选广告的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，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华人传统的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。
算法工程师
应该来说目前算法工程师基本上都集中在中大型企业中，因为一般小公司很少用到算法来解决问题，如果这公司就是做数据相关产业的。而算法一般的应用场景有推荐、广告、搜索等，所以大家常见的在广告领域、个性化推荐方面是有不少的同仁。常见的要求是懂JAVA/PYTHON/R中其中一种，能够知道常规的回归、随机森林、决策树、GBDT等算法，能够有行业背景最佳等。如果是deep learning方向可能对图论、画像识别等方面要求更高些。
求职建议：background稍微好一些，再把一些基本的算法都弄明白，能说清楚之间的区别和优缺点，包括常见的一些应用场景都有哪些。对于公司来说，特别是BAT这样使用机器学习的公司，算法工程师是很重要的一块资产。
现状与前景
数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。在中国各重点院校中都已经开了数据挖掘的课程或研究课题。比较著名的有中科院计算所、复旦大学、清华大学等。另外，政府机构和大型企业也开始重视这个领域。
据IDC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。
根据IDC(International DataCorporation)预测说2004年估计BI行业市场在140亿美元。现在，随着我国加入WTO，我国在许多领域，如金融、保险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务智能的水平已经远远超过了我国。美国Palo Alto 管理集团公司1999年对欧洲、北美和日本375家大中型企业的商务智能技术的采用情况进行了调查。结果显示，在金融领域，商务智能技术的应用水平已经达到或接近70%，在营销领域也达到50%，并且在未来的3年中，各个应用领域对该技术的采纳水平都将提高约50%。
现在，许多企业都把数据看成宝贵的财富，纷纷利用商务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行业本身的市场统计分析报告，但是国内数据挖掘在各个行业都有一定的研究。据国外专家预测，在今后的5—10年内，随着数据量的日益积累以及计算机的广泛应用，数据挖掘将在中国形成一个产业。
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—数据挖掘更是得到了前所未有的重视。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。如果能将数据挖掘技术与个人已有专业知识相结合，您必将开辟职业生涯的新天地!
就目前来看，和大多IT业的职位一样，数据挖掘方面的人才在国内的需求工作也是低端饱和，高端紧缺。从BAT的招聘情况来看，数据挖掘领域相对来说门槛还是比较高的，但是薪酬福利也相对来说比较好，常见的比如腾讯、阿里都会给到年薪20W+。而厉害的资深算法专家年薪百万也是常有的事情，所以大家在算法方面还是大有可能。另外随着金融越来越互联网化，大量的算法工程师会成为以后互联网金融公司紧缺的人才。
著作权归作者所有。
商业转载请联系作者获得授权，非商业转载请注明出处。
作者：宿痕
来源：知乎
转载请注明： &
or分享 (0)【教授讲专业】经济统计学：数据洞悉经济的利器
“经济统计学”专业按照“经济学类”实施大类招生；
填报高考志愿时，专业志愿选择“经济学类”，入学后进行专业分流。
学制四年，经济学学士学位。
统计经济学
数据洞悉经济的利器
左庆乐教授
专家简介：左庆乐，教授，经济学硕士，硕士研究生导师，统计系主任。兼任中国注册资产评估师（CPV），中国资产评估协会会员，中国管理科学学会会员，陕西省资产评估协会教育培训委员会委员。
专家寄语：大数据时代，用数据洞悉经济，欢迎立志为统计人才兼经管人才的你！
经济统计学专业的学习对象是什么？
经济统计学是2012年教育部新设的本科专业，以前属于统计学专业的一个培养方向，现在属于经济学大类里的一个专业。
顾名思义，经济统计学既与经济有关，又与统计有关。经济统计学就是把统计学的理论和方法应用在经济领域，对经济活动中的数据进行采集、整理及分析，找出经济活动的规律，为经济和管理决策服务。
经济统计学出来是干什么的？举个简单的例子：证券投资里的炒股，大家都很熟悉，影响股票价格的数据太多太多了，经济统计学就是对影响股票的大量数据进行采集、整理和分析，然后找出规律、预测股票价格的走势，为投资者提供决策依据。
经济统计学可以说是经济研究中十分重要的工具，国家宏观经济分析、行业经济分析、企业经济管理都有用武之地，金融、证券、保险等专业工作会经常用到。其中的统计方法也是管理研究中常用的一种工具。
本科核心课程有哪些？
经济统计学专业学习的课程内容广泛，总的来说包括：数学课程+经济管理课程+统计及计算机软件课程。
数学课程：有高等数学、线性代数、概率论、数理统计、应用随机过程等。数学绝对是基础，如果中学你见到数学就头疼的话，选择这个专业就要慎重了。
经济管理课程：有宏微观经济学、管理学、货币银行学、国际金融、证券投资分析、财务会计学、保险学、资产评估学、经济法、市场营销等。可以看出，毕业后可以考虑银行、保险、证券等金融机构就业。
统计及软件课程：有统计学导论、统计预测与决策、抽样调查技术、应用多元统计分析、应用时间序列分析以及Eviews、SPSS、SAS等统计软件应用等。作为数据处理分析的基本方法和工具，这些课程对毕业后工作中的实际操作很有用。
此外，结合长安大学的特色和优势学科，我们还开设了运输经济学、道路运输统计、物流统计等课程。所以，道路运输、交通建设、物流类行业也是你未来的就业选择。
学习经济统计学专业的学生需要具备什么特质？
经过上述课程介绍，相信你对自己是否适合这个专业已经有了一定的想法。在高中的学习中，如果你对数学、经济非常感兴趣，喜欢加工整理数据，从大量数据里找出某种规律，挖掘信息，愿意从事经济预测、信息分析、市场调查、数据挖掘等经济管理工作，那就可以选择经济统计学专业作为自己报考的专业。
此外，经济统计学是一门应用性很强的专业。通常从实际应用问题出发，经过加工提炼统计数据，形成统计模型，分析结果，并最终指导实践。问题的完整解决往往需要设计调研方案、数据收集、数据整理及分析、撰写报告等。因此，经济统计学专业学生需要具备良好的文理综合素质、动手能力以及一定的组织协调能力。
经济统计学专业学习过程中，有可能遇到的困难是什么？
专业学习中涉及到的概率论、数理统计、应用随机过程等数学课程，需要良好的逻辑思维能力和严密的计算能力。数学基础薄弱的学生，最初会有些不适应。
经济统计学是一门应用性很强的专业，除了要保证建立的统计模型正确外，还应重视它在实际经济问题中的合理性和广泛应用性。部分学生缺少实际问题背景，缺少其他学科知识，对应用性问题缺乏感觉。
社会上是否有对经济统计学专业的理解误区？
正是因为经济统计学既涉及经济又涉及统计，所以社会上对经济统计学专业一般有两种误解。一种误解是，统计就是加工数据、填填报表、画画图表，容易学。从而，一部分数学基础不好，甚至对数学没兴趣的学生都选报经济统计学专业，这些学生入校后学习会较为吃力。另一种误解认为，经济统计学涉及到金融管理、保险投资等，未能录取到金融、会计等热门专业，录取到经济统计学专业也不错，未来就想在银行、保险、证券等金融单位就业工作。实际上，学习经济统计学专业只是给你提供了这种可能和条件。
社会生活中有哪些问题，是需要通过本专业的人才来解决？
经济统计学专业的学生具备收集数据、整理数据、分析数据、解释数据的基本能力。经济统计学专业人才不仅在经济领域有用武之地，在社会生活中也可大显身手，社会生活中很多问题都需要本专业的人才来参与解决，比如，人口普查与抽样调查、社会专题调查和民意调查、文化卫生体育统计分析、环境资源调查分析、家庭投资理财等等。简单地说，只要有数据，就需要统计专业人才。数据量越大，结构越复杂，越需要高级统计人才。21世纪是大数据的世纪，也是统计学的世纪。
经济统计学专业的毕业生主要是面对哪些行业就业？
本专业的优秀学生可以继续进行深造，直接免试就读本校或全国著名高校硕士研究生，以及硕博连读。也有部分学生出国留学，前往英国、美国、澳大利亚、新西兰、香港等国家或地区的高校，攻读应用统计、会计、金融等专业的硕士学位。其他学生毕业后主要进入道路运输、物流、交通建设类企业，以及银行、保险、证券类金融企业等。
1986级，河北省高速公路石黄管理处处长。
1986级，宁夏回族自治区交通运输厅运输处副处长。
1988级，长安大学经管学院党委副书记、副院长。
1989级，宁夏路桥集团公司副总经理。
1990级，陕西省交通厅运输管理局副局长。
1994级，长安大学人事处副处长。
1994级，中国交通建设股份有限公司资金部财务管理处处长。
1994级，中交资产管理有限公司监察审计与风险法律部总经理。
1995级，四川成渝高速公路股份有限公司副总经理。
1996级，交通运输部扶贫工作办公室高级工程师。
1999级，深圳巴士集团股份有限公司运输部副总经理。
1999级，深圳高速公路股份有限公司营运管理部副总经理。
1999级，清华大学博士后，长安大学教授。
当今的时代是信息的时代，数据爆炸的时代，如何处理数据，有效地分析数据是提高工作以及发展效率的关键。经济统计学正是一个专门研究经济数据的方法论学科，它可以为我们提供科学地、可靠地研究与应用数据的方法，教会我们如何“去粗存精”和“去伪存真”，带领我们去探索那些藏在经济现象背后的无穷奥秘。
——张阿敏
2015级统计学研究生
经济统计学是通过数据整理、分析等多种手段，以推断研究对象本质及其规律的学科。如果经济现象是夏威夷果，统计学就是开壳片，带我们揭开庐山真面目。身处大数据爆炸的时代，统计人才倍受欢迎，是各领域的稀缺宝贝。所以，想成为宝贝的同学们，快到统计的碗里来吧。
2011级本科
2015级统计学研究生
这里，长安大学，矗立着你未来的他或她——经济统计学。通俗地讲，经济统计学就是通过数据分析，揭开经济现象的幕纱，探索经济运行背后的“新世界”。在这里，你会形成一种独一无二的用数据说话的统计思维，也正是这种思维在不断吸引着我在统计行当中探索。21世纪是大数据时代，也是统计的时代。
——赵小曼
2012级本科
2016级统计学研究生
体检受限标志——无
联系人：左庆乐
联系电话：
地址：长安大学本部
责任编辑：
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。扫二维码下载作业帮
1.75亿学生的选择
下载作业帮安装包
扫二维码下载作业帮
1.75亿学生的选择
什么是数据挖掘?从事相关的工作有什么要求?
扫二维码下载作业帮
1.75亿学生的选择
数据挖掘,在人工智能领域,习惯上又称为数据库中知识发现(Knowledge Discovery in Database, KDD), 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤.知识发现过程以下三个阶段组成：（1）数据准备,（2）数据挖掘,（3）结果表达和解释.数据挖掘可以与用户或知识库交互.
并非所有的信息发现任务都被视为数据挖掘.例如,使用数据库管理系统查找个别的记录,或通过因特网的搜索引擎查找特定的Web页面,则是信息检索（information retrieval）领域的任务.虽然这些任务是重要的,可能涉及使用复杂的算法和数据结构,但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构,从而有效地组织和检索信息.尽管如此,数据挖掘技术也已用来增强信息检索系统的能力. 职位职责：1、根据自己对行业,以及公司业务的了解,独自承担复杂分析任务,并形成分析报告；2、相关分析方向包括：用户行为分析、广告点击分析,业务逻辑相关以及竞争环境相关；3、根据业务逻辑变化,设计相应分析模型并支持业务分析工作开展.岗位要求：1、2年以上行业建模的经验；2、本科以上,数学,统计,计算机,物理等相关专业毕业；3、精通统计学,数据挖掘技术,尤其是回归模型、决策树模型.4、精通SPSS Clementine/SAS EM等各类型数据分析工具,能制作专业分析报告；5、有金融、通信或互联网某一行业实际数据挖掘项目经验,并对此行业业务有深刻认识；6、对互联网领域有热情,较强的学习及人际技巧、影响说服能力,喜欢有挑战的工作.
为您推荐：
其他类似问题
数据挖掘得到的结果和模式不应该是一劳永逸、一成不变的，而是应该根据用以挖掘的数据的更新而不断更新的。FineBI数据挖掘的结果在每次FineBI多维数据库更新时，可以自动重新进行整个挖掘的训练、预测和保存过程。同理，OLAP分析中用到的数据挖掘产生的数据也随之更新。...
扫描下载二维码}