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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25