1，想从事数据分析类的工作上大学学什么专业啊2，对数据分析感兴趣可以选什么专业3，喜欢分析数据作出最优选择适合学什么专业4，想当数据分析师要选什么专业5，想要做数据分析师应选择什么专业1，想从事数据分析类的工作上大学学什么专业啊
财经类的专业
2，对数据分析感兴趣可以选什么专业
机器学习，人工智能，大数据处理
3，喜欢分析数据作出最优选择适合学什么专业
这个可以选择数学专业，在数学领域有个精算师可以考取，那个是相当牛的。任务占坑
4，想当数据分析师要选什么专业
数据分析行业逐渐被企业和从业者青睐，很多人给小编留言，咨询从事数据分析选择什么专业更占优势？今天，我们也来聊聊。一、数学专业正所谓“学好数理化，走遍天下都不怕”，数据分析无外乎是从大量凌乱数据中发现隐含的规律，数学往往让人逻辑思维更严密，对数据更加敏感。二、统计学专业统计学是数据分析的基本功，贯穿数据分析的全过程，同时，系统学习统计学后，会对数据的理解与分析能力更专业，更深刻。三、计算机科学与技术专业数据分析会接触的很多工具和编程语言，如果你是计算机专业出身，在编程方面更占优势，在工具使用时，上手更快。四、社会学专业从经济学角度看，人具有经济性，会追求利益最大化。但从社会学角度看，具有社会性的人还会受社会群体心理影响。有社会学背景的数据分析师，能更合理解释市场现象。五、营销学专业数据分析师需为企业的营销决策提供支持，懂营销的数据分析师，思路会更清晰、更开阔。六、财务管理专业财务管理问题是企业选择投资项目的依据、评价财务状况的指标、评估决策效果的量尺，懂财务管理的数据分析师能更精准把握规律。七、心理学专业人才是企业稳定发展的基石，用户是企业的衣食父母。想提升市场占有率，企业就必须先提高人心占有率，因此，懂心理学的数据分析师，能更准确探测员工或用户的真实想法。所以，并非只有数学、统计学、计算机等理工科背景的人才能从事数据分析，其他背景专业的人，尤其是文科生也有同等的机会。毕竟，选择大于能力，能力大于专业，兴趣和努力决定我们未来能走多远。数据分析不是it行业，无需精通过多编程语言，数据分析更注重实操和业务能力，且现今数据分析工具，如：python、powerbi等已比较容易入门。从事数据分析，真正要提升的是逻辑思维能力、敏锐的洞察能力、良好的沟通表述能力……这些无需靠背景，通过努力也可拿下。硬实力：数据分析师需要学生有一定的数学、计算机背景，从这个出发点来说，数学、统计、计算机科学等专业可以从事数据分析工作。这三个专业的同学可以虽然可以处理大量数据，并且拥有很强的数据分析能力，但是这类同学对于business 和 marketing缺乏了解。软实力：软实力要求学生懂业务、懂管理，从这个出发点来说，信息管理、市场营销、电子商务、社会学、金融学等专业毕业后也可以从事数据分析相关工作。不过，这几个专业在业务方面可能专业度非常高，但是缺点也是非常明显的：缺乏很强的数学和计算机背景，在实际操作中缺乏相关的专业技能。更本质的看，数据分析是一种技能，人人可以学，学了都有用。这是个要用数据说话的年代，懂点数据相关知识可以更好的服务工作与学习。数据分析师一般是计算机或者数学相关专业。成为一个合格的大数据分析师应该学习和掌握以下技能： 统计分析：大数定律，抽样推测规律，秩和检验，回归分析，方差分析等； 可视化辅助工具：excel，ppt，思维导图，visio； 大数据处理框架：hadoop，kaffka，storm，elk，spark； 数据库：sqlite，mysql，mongodb，redis，cassandra，hbase； 数据仓库/商业智能：ssis数据仓库，ssas ssrs，dw； 数据挖掘工具：matlab，sas，spss； 人工智能：机器学习相关知识； 挖掘算法：数据结构，一致性，常用算法； 编程语言：python/r，ruby，java； 计算机对数据存储和保存了大量数据，包括科学家和工程师也都了丰富的研究和应用尽可能多的提取数量。然而想从大量数据中洞察出真正和有用的，更高价值的数据，都是需要人工干预的。这些人有丰富的行业经验和洞察力，而且对业务有深刻了解，并且能够使用好数据分析的工作，例如excel，spss，python/r等。这种职位一般存在于高科技公司，例如paypal和google，相信以后人工智能、大数据、云计算创业的很多中小型企业，对此职位的需要也会越来越多。 对以上知识进行有重点的学习，解决的方法是让各种技能达标： 初级数据分析师需要快速学习能力80分，数学知识40分，分析工具使用程度70分，编程语言30分，业务理解80分，逻辑思维80分，数据可视化能力40分，协调沟通能力80分。 高级数据分析师要达到快速学习能力80分，数学知识70分，分析工具使用程度90分，编程语言60分，业务理解90分，逻辑思维80分，数据可视化能力90分，协调沟通能力80分。 总之，成为分析师的重要点并非数学知识和编程能力，最重要提是业务理解和协调能力，所以针对不同的行业的分析师，要学习的行业知识也不尽相同，需要对症下药，实施不同学习策划和路径。
5，想要做数据分析师应选择什么专业
一、掌握基础、更新知识。基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识）， 多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。数据库查询—sql数据分析师在计算机的层面的技能要求较低，主要是会sql，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些sql技巧、新的函数，对你工作效率的提高是很有帮助的。统计知识与数据挖掘你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？行业知识如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业， 在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于a部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：对于a部门，1、新会员的统计口径是什么。第一次在使用a部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？2、是如何统计出来的。a：时间；是通过创建时间，还是业务完成时间。b：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写sql代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？对于新进入数据行业或者刚进入数据行业的朋友来说：行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写sql，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。二、要有三心。1、细心。2、耐心。3、静心。数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。三、形成自己结构化的思维。数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。四、业务、行业、商业知识。当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。 数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有