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
在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21