从两则“数据分析师”岗位要求谈数据分析人才培养问题谭立云

1从“数据分析师”岗位要求谈数据分析能力的培养问题谭立云（华北科技学院基础部信息与计算科学教研室，北京 101601）摘要：本文针对互联网时代数据分析的特点，从两则“数据分析师”招聘要求具体谈了数据分析师人才培养的能力和课程设置问题。关键词：数据分析；数据挖掘；互联网时代一、互联网时代的数据分析师的作用数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。 互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。在“原子世界”中，抽样调查是最经常采用的数据获取方式，主要原因就是大范围普查的成本太高最典型的应用就是电视收视率。而在互联网时代，针对互联网行业的研究，在局部（例如某个网站或同类网站的集群）做到低成本、高效率的全样本数据采集是有可能实现的。同样，“原子世界”中的很多数据不具备连续性，而互联网世界中的数据却有可能做到连续更新，甚至实时最典型的应用就是网站全样本、全天候数据统计和分析研究。 与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。例如，结合传统的消费心理学理论，构建丰富的互联网信息消费行为模型。 二、两则“数据分析师”求职要求信息时代，数据越来越丰富，越来越多的公司、企业需要数据分析师来提供定量的科学决策依据， “数据分析师”成为一种新的热门职业。我们在国内最著名的 求职网上，岗位要求中输入“数据分析师”进行了搜索，仅一周的2时间内就有近 400 家公司企业发布招聘“数据分析师”的信息。我们选择比较典型的两家公司，对求职人员的要求：（1）北京中搜网络技术有限公司“数据分析师”岗位求职要求：职位要求： 本科及以上学历，市场营销、统计学、数学、心理等相关专业优先； 了解并热爱互联网； 有市场研究工作经验，有领域市场研究背景的研究员优先 ，熟悉市场研究常规方法和流程； 出色的数据处理、分析能力，熟练使用 SPSS、SAS 等统计分析软件； 敏锐的商业触感和缜密的逻辑思维能力，熟练使用 PPT 等办公软件；为人亲和，工作主动负责，能够在复杂的环境下灵活操控项目组织（2）宜信汇才商务顾问（北京）有限“数据分析师”岗位求职要求：职位要求： 数学、统计、金融数学或计算机等相关专业硕士以上学历熟练运用数据处理及基础数据分析方法，擅长利用模型进行分析、预测良好的数据敏感度,能从海量数据提炼核心结果；有丰富的数据分析、挖掘、清洗和建模的经验至少熟练掌握和运用一种统计软件（SAS、SPSS、R 等）为人耐心细致，工作认真，有求知欲，具敬业精神、沟通能力和团队合作精神了解 Oracle数据库，掌握 SQL语句者优先三、 “数据分析师”人才培养探讨从上面典型的两家“数据分析师”岗位要求来看，数据分析人才的要求是比较高和全的，必须具有较好的数学功底，良好的统计学知识、计算机数据库知识、市场营销知识和金融知识。数学知识在此起数学建模的作用，统计知识是数据分析能力的核心成分，数据库知识是互联网时代数据分析的新特点，市场营销和金融知识是数据分析的具体应用背景，这五种知识和能力缺一不可。因此在构建“数据分析”人才培养模式时，我们必须加强数学基础，特别是数学建模的能力，在业务能力培养上我们必须加强统计学知识，特别是统计软件（SPSS、SAS、EVIEW 等）的熟练运用，同时要大力加强数据库知识的学习、提高3海量数据库中数据挖掘的能力，同时要适度学习市场营销学、经济学和金融学等知识，具备必要的具体行业的知识背景。在打数学基础上，我们开设了数学分析、高等代数、常微分方程、概率论与数理统计等，在培养数学建模的能力上，我们开设了数学模型、多元统计分析（SPSS） 、运筹学、计算智能、数学应用软件(侧重掌握 MATLAB 软件)、数值分析等课程，另外还增加了为期一周的数学建模课程设计。数学建模课程结束之后组织全体学生参加全国大学生数学建模竞赛，提高实战能力和水平，数学建模课程设计成绩结合竞赛成绩给给出，这样做也是给学生增加学习的压力和动力。在业务能力培养上，统计学知识我们开设了概率论与数理统计、多元统计分析、抽样技术、时间序列分析、应用随机过程、非参数估计、社会统计学、企业经营管理统计学、国民经济统计学、质量管理统计方法等课程，特别是统计软件（SPSS、SAS、EVIEW 等）的熟练运用，同时组织学生参加每年一次的全国统计资格证书考试。在数据库知识方面，我们开设了 JAVA 程序设计、数据库系统、网络数据库(SQL)、 ORACLE 数据库等课程的学习，在提高海量数据库中数据挖掘的能力上，我们开设了数据仓库与数据挖掘、LINUX/UNIX 操作系统、 CLEMENTITE 数据挖掘等。能力重在实践，因此，我们在 JAVA 程序设计、数据库系统、网络数据库(SQL)、数据仓库与数据挖掘课程都配有相应的课程设计。数据分析能力再强，没有具体的实际背景也是空谈的能力，因此我们必须同时要适度学习市场营销学（开设市场调研与预测、市场营销学、客户关系管理、消费者行为学、网络营销、企业战略管理）经济学（微观经济学、宏观经济学、计量经济学）和金融学（金融学、投资学、风险管理、财务管理） 。如果学生有意在证劵分析上发展，可以选修证劵投资分析、现代金融统计分析；如果学生有意在项目投资分析上发展，可以选修项目投资数据分析实务和项目数据分析等课程。四、结论目前来讲，数据分析还不是一种学科专业名称，也没有国家统一的培养模式，我们也仅仅根