京公网安备 11010802034615号
经营许可证编号:京B2-20210330
文章来源:接地气学堂微信公众号
作者: 陈老师
又到一年高考时,又要填志愿,很多人问:“想从事大数据行业的话,报什么专业比较好???”刚好一些同学也有类似问题,今天系统解答一下
直观感觉是:从事数据相关工作和学什么专业没啥关系。特别是,如果把眼光放到部门级领导或以上,就更跟专业没啥关系了。陈老师接触超过200个企业,没有看到特别集中的专业,可见后天努力比先天选专业更重要。但是专业、学校、学历是大家求职的敲门砖。特别是高等教育越来越普及,即使都是敲门砖,某些砖还是更好使的。所以可以按敲门的好使唤程度排排序。
第一位:应用数学
陈老师本人就是被这四个字拖下水的。因为普通大众都对数学两个字深有敬畏。一听说这哥们居然读大学敢读数学,心中一股:卧槽牛X啊!之情便油然而出。如果是985的应用数学,那哥们,就你了。于是各种数据相关的事都会优先拉上你干。明明我研究生是学管理学的。可who care!这数据的活就该你干,你不行你也得上……
O(╯□╰)o
第二位:计算机相关专业
近年来企业招的数据分析师,其实大部分应该叫:数据程序员。基本上都是进公司跑数据的,不做啥“分析”,因此计算机相关专业会有优势。毕竟写代码写的多吗。数据仓储,算法这些就更依赖开发能力,这本来就是计算机专业的范畴。
第三位:市场营销、企业管理专业
实际上,真要做分析的话,需要懂商业知识+有分析思路,这一点文科生会更擅长。而且市场营销、企业管理等专业一定会学市场调查。因此对于数据处理、数据分析的基本操作是了解的。未来走咨询、数据运营、数据分析、市场研究、行业研究的路线是很OK的。
第四位:心理学、社会学
不要小看这两个专业,这两个专业对于数据的应用能力绝对远远超过上边三个专业。知乎注明数据大V chenqin就是搞社会学的,那数据分析能力压倒一大堆只会跑数的表哥。心理学里提假设、设计实验、采集数据、验证假设的思路,就是数据分析的思路,一毛一样。因此这两个专业的数据部门领导还挺多的。
第五位:统计学
和应用数学相反,这是个被名字拖累的专业。人们往往惧怕数学,但一听统计就觉得:好一般哦。是不是就是掰指头数数的。严重低估了统计学的专业性。其实统计学是很适合做数据相关工作的。学统计的同学们思路活跃一点哦。
其他专业:其实完完全全和数据没有关系的专业很少。因为几乎所有的理工专业都要做实验,都设计数据、统计等理论,几乎所有文科专业都要学市场调查,都要搞实证研究。更本质的看,数据分析是一种技能,人人可以学,学了都有用,数据仓储才是相对专业的IT范畴。这是个要用数据说话的年代,懂点数据相关知识挺好的,工作学习两不误。
另:顺便把其他影响因素也一起说了。如果把眼光放到部门级领导或以上,你会发现,适合在数据领域成功的特征还有:
学校&学历:越高越好
985≥普通本科,研究生≥本科生。不要迷信那些所谓
“大专学生自学java三年年薪百万”
“高中辍学搬砖自学ios开发年薪百万”
“初中辍学自学python成为数据科学家进入BAT”
一类的鬼话。现在高等教育这么普及,对在校生而言,就是学历越高,学校越好越吃香。如果你还在学校,还有改变学历和学校的机会,一定要努力一把。如果已经工作了就算了。
星座:处女座
点评:你以为是擅长思考的天蝎……才不是呢,哈哈。这是个很玄学的现象:十个数据部门领导六个处女座。可能因为处女座比较纠结,做的东西很细,因此深得大老板赏识。
Pdp性格:孔雀
点评:你以为是擅长思考的猫头鹰……才不是呢,哈哈。这又是很玄学的现象:十个数据部门领导五个是孔雀。可能因为数据部门比较容易被冷落,孔雀张扬能来事,更容易让大老板看到成绩。
特别提醒:
大学不是职业培训学校,更不是企业的新员工入职培训。所以大学学的课没法直接用到工作上是很正常的。如果有:培训培训就上岗的想法,应该直接去读技校,不要上大学了。想提升实操能力就去找实习,从最基础的地方做起。搬搬砖再回来看看理论,会有更多深刻的认识。
大学能给到每位同学的资源,包括未来的老公/老婆,包括身份认同、包括社交圈子、包括见识增长、包括底层能力提升、包括求职/创业的敲门砖,都是很宝贵的资源。所以不要一门心思的琢磨怎么在四年后当一头合格的社畜,有的是各种选择留给大家,不要辜负了美好时光才是。
祝愿每位学子不负韶华,学有所成。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23