数据分析师为何有专业要求-数据分析

数据分析师对专业要求一般为：统计学，经济学，计量经济学，人口学，社会学，心理学，市场营销，企业管理。

在这些专业中，最主要的是有一个共性——统计。因此，对于统计概率掌握得比较好的都可以从事数据分析的工作。由于国内数据分析行业发展还不够成熟，统计学出身的学生其实真正工作中做数据分析的非常少，因为企业的需求是最近几年才上升的，所以对于很多非统计专业的人来说，其实也可以进入到这样一个行业。

总结了目前大多数企业的岗位要求。要求几乎雷同，同时也说明这个职业的互通性很强，说白了就是换个行业都可以在职场上存活下来；一般需要以下几个要求：
1、统计概率基础；
2、商业数据敏感度；
3、基本工具（EXCEL、SAS、SPSS、SQL等）；
4、数据分析建模，编程能力；
5、经验；

统计其实是属于数据分析的一部分，数据分析包括统计分析和数据挖掘。所以统计是必须要掌握的一部分，一般对于一名数据分析师必须要掌握的知识点是“描述性分析”，“假设检验”，“参数估计”，“统计制图”，“回归分析”。企业工作中，可以根据不同的要求掌握相应的知识。

商业数据敏感度是作为一名数据分析师的前提，对数据排斥的人当然不适合从事这个行业。

基本工具是载体，唯有驾驭工具，才能驾驭数据分析。

经验是非必要技能，数据分析是为业务服务的，最终落地要解决业务问题。

可以总结如下：

一、自身检查：是否适合数据分析岗位。

什么样的人适合做数据分析师？

二、从入门到精通系统学习

统计概率基础：数据分析行业分析，数据挖掘经典流程，数据的描述性分析，数据的推断性分析，方差分析，回归分析，多元统计等系列理论课程，唯有掌握原理，方能驾驭工具。
数据分析工具学习：根据等级的要求，一般软件在学术界和企业界的应用广泛程度为，学术界：STATA >R > Matlab> SPSS >SAS ；商业界：SPSS>R>SAS > MATLAB 。上手难度：SAS>R>MATLAB>STATA>SPSS>EXCEL工具的选择不在于多，而在于跟具体问题相结合，在学习的过程中可以选择1-2门的工具进行熟练使用。参考各大数据分析工具的区别。
数据分析建模：利用工具进行数据分析模型、数据挖掘算法建模运用，常用的数据分析方法有（回归分析法、主成分分析法、典型相关分析、因子分析法、判别分析法、聚类分析法、结构方程、Logistic模型等），常用的数据挖掘算法有（时间序列、Panel Data、关联法则、神经网络、决策树、遗传算法）以及可视化技术。

4. 以上三部分皆为数据分析硬性技术，要想熟能生巧需要经常在学习和工作中运用，不断改善，不断优化模型，将技术与具体业务结合起来，经过长时间的积累方能成为高级数据分析师。