以下是華源數據整理的2015年大數據相關企業排名

看看有你的公司嗎？

話雖如此，對于一個實習生來說，讓你處理Excel也不能說是不合理的，因為Excel處理是數據分析的基礎。 拉數據透視表，編寫等功能，甚至用VB寫一些自動化，一旦熟悉了，對你的數據分析是非常有好處的！ 更不用說，一般公司或者一些市場研究公司的數據分析師職位只需要Excel和PPT。

說到薪資，對于北京、上海、廣州來說，10W+是應屆畢業生程序員職位的起薪。 如果你只會Excel，就去一些可靠的市場研究公司做數據分析。 比較大的公司比如尼爾森、華通明這樣做的話可以拿到6K左右的工資，6*13就是8W左右。 如果你想在BAT這樣的公司做數據分析，只懂Excel是不夠的。 你還需要至少會一些SPSS或者R。當然如果你能進去的話10W+就可以了。

作為個人建議，最好不要為了錢而學東西，這樣內在驅動力就不會太強，導致你走得比別人快。 盡快確定感興趣的方向。 隨著大數據概念的興起和企業規模的擴大，更加關注，與數據相關的崗位細分越來越多，每個細分都足夠你學習10年+。

我看到評論區有人問如果會SPSS可以加入BAT做數據分析嗎？ 答案是肯定的。 并不是說加入BAT就一定要會編碼，因為隨著數據崗位的細分，互聯網公司需要一些有產品思維的人。 而有一點統計背景的人就會做數據分析，下面我貢獻一張圖。

我喜歡根據與業務端（如產品、運營、銷售等）的距離以及與技術端（開發部門）的距離來描述職位。 可以看到，不同的位置都有與數據相關的位置。

我們來談談市場調查。 這種職位是最貼近業務的。 他們的工作主要是研究外部數據，比如產品目標用戶的情況、競爭對手的情況、整個行業的情況等，為產品的每次改版提供數據支持。 對于互聯網公司來說，這種職位通常放在UED（用戶體驗部）或者產品部下面。 日常任務包括去各個城市召開用戶訪談會、以調查問卷的形式收集用戶數據、撥打用戶調研電話、設計訪談問卷等，崗位要求不會涉及編程。 一般要求是統計基礎知識。 最好懂一些EXCEL、PPT、SPSS。 BAT等中小型互聯網公司都有崗位招聘。 對于這類職位，建議一開始就去咨詢公司。 市場上有很多好的咨詢公司可供選擇，比如全球最大的尼爾森、明略、益普索、蓋洛普等，互聯網行業有艾瑞、、易觀等，都是不錯的選擇。 從職業發展路徑來看，除了市場研究是各個行業的常見職位（快速消費品行業對市場研究的需求巨大）之外，如果你在垂直領域發展，可以成為市場研究總監。大公司，或者橫向發展也可以。 互聯網公司產品策劃類的品牌經理或產品經理。

數據分析師，各行各業都有數據分析職位，但估計數據分析師這個職位最近1、2年才在互聯網公司出現。 此前，產品經理或運營經理一直在做數據分析。 之所以將活動細分，是因為隨著數據量越來越大，數據的價值越來越凸顯，數據分析的門檻也越來越高。 例如，要做數據分析，就需要獲取數據。 一般來說，如果讓產品經理或者運營經理來寫SQL，那么除了有技術背景的人之外，要寫SQL語句從數據庫中檢索可能會有點困難。 另外，在分析的時候，如果數據量很大的話，Excel總是會很難分析，所以需要能夠處理。 SAS或者R等大數據量的工具，如果是SAS的EG模塊，也可以圖形化操作。 如果是R，那就是純編程。 所以我覺得數據分析崗位有30%是技術方面的，因為是數據處理層面的。 它需要進行大量涉及大量數據的操作。 從業務角度來看，數據分析師的價值在于能夠為公司構建數據流，利用數據為產品功能提供反饋，支持業務部門日常數據采集，為產品改版提供數據支持。 要做到這一點，需要從頭到尾融入整個數據流的流程，源端就比如產品開發時的數據埋點。 你需要和產品經理、開發團隊溝通哪個功能需要上報哪些數據。 如果有數據上報，則需要按照上報的數據要求進行跟進。 輸入哪個數據庫哪個表，如何確定數據輸入路徑？ 一旦數據存入數據庫，就需要讓數據產生價值。 除了業務部門來找你要數據之外，你還需要主動去設置一些分析主題，自己去獲取數據。 自己用工具分析，最后寫出PPT呈現給業務部門，最終影響決策。 如果業務部門的數據檢索任務太多，你需要思考如何將這些重復的數據檢索任務形成報表并自動呈現數據。 這時候就需要和后端開發、數據倉庫的人溝通，從頭到尾跟進報告的執行情況。

還有一個職位稱為數據產品經理，它與數據分析師的職責重疊。 不同的是，這個職位側重于數據分析的產品化。 這是一家普通互聯網公司數據產品經理的日常：

那么數據產品經理和互聯網公司的產品經理有什么區別呢？

在大型互聯網公司中，產品經理有各種細分，包括偏向于功能界面設計的產品經理。 這類產品經理注重產品界面的美觀和吸引力。 他們必須會使用Axure繪制各種界面按鈕。 他們有繪畫技巧。 他們與數據的聯系是需要通過數據反饋來改進產品界面； 有些產品經理偏向于功能實現。 這類產品經理關注的是產品功能實現是否滿足用戶期望，效率是否足夠高。 實現步驟是否足夠短，要求他們有技術背景大數據是什么專業，能夠理解開發的各種實現邏輯。 它們與數據相關的是，需要利用數據反饋來提高功能實現的成功率，降低崩潰率，提高實現速度； 前兩者是前端產品經理，而后端產品經理除了幫助各個部門搭建管理平臺的產品經理外，同時也是數據產品經理。

從上面可以看出，產品經理有各種細分，數據產品經理也有不同的要求和關注點。

這是智聯某公司數據產品經理的職位描述：

職位描述：

1）負責門戶及APP數據統計產品開發及推薦算法迭代等相關工作，獨立負責產品線日常迭代工作，對數據化的運營結果負責。

2）及時向運營團隊監督所有產品的核心KPI數據和產值數據。

3）負責產品上線后的數據管理和運營，持續監測和分析相關數據，定期對自身產品、整體行業、競爭對手等進行數據分析和評估，不斷優化產品，完成產品生命周期管理。

4）匯報項目的核心數據指標和項目進度，對產品生命周期內的各項指標負責。

5）負責產品的持續運營，持續優化、改進、迭代，深度挖掘用戶需求。

從上面的描述我們可以看出，這個數據產品經理職位有三個重點：一是數據統計后端；二是數據統計后端；三是數據統計后端。 第二，推薦系統； 三是產品數據監測與分析。 那么這個職位的延伸要求應該是對數據敏感，了解一定的數據挖掘算法，所以數學或者統計學的學位會有幫助。

下圖簡單地將數據產品經理與其他產品經理根據背景和共事人員區分開來：

最后我們來說說數據挖掘工程師。 在數據相關的職位中，我認為數據挖掘和數據架構的門檻最高，也是最能體現數據價值的職位。 大多數公司招聘數據挖掘工程師時，門檻都是數學、統計學或計算機科學碩士以上學歷。 如果學士學位還不夠，為什么還要碩士學位呢？ 大多數企業認為僅本科4年的學習不足以了解數據挖掘相關算法的推導和應用場景。 想要做好數據挖掘工作，除了扎實的數學和統計學基礎外，算法的代碼實現也非常重要。 地方。 為什么數據挖掘的門檻這么高？ 對企業來說真的有這么高的價值嗎？ 它的應用場景你搬出來就知道了。 某音樂公司A成立多年，一直以簡潔的界面和優秀的用戶體驗著稱。 遺憾的是，多年來它對音樂版權的重視不夠，導致用戶經常因為無法下載自己喜歡的歌曲而流失。 后來公司痛定思痛，決定另辟蹊徑，于是花重金聘請了數據挖掘工程師團隊，打造音樂行業最好的推薦系統。 一下子重新獲得了大量用戶，目前用戶占有率已躋身行業前三。 是的，推薦系統可以說是數據挖掘最重要的應用場景。 最初起源于電商網站，瀏覽產品的用戶也瀏覽了什么，購買產品的用戶也購買了什么，現在已經發展到從各個維度進行復雜的特征提取和相關性計算。 許多著名的數據挖掘算法，如樸素貝葉斯、神經網絡、邏輯回歸等，都需要扎實的統計基礎和相關項目經驗，才能成熟地應用于業務實踐。 數據挖掘是隨著大數據技術的發展而出現的一門專業。 過去，由于技術限制，很多情況下只能通過采樣來選擇訓練數據，導致通過算法最終的預測概率只有60%左右大數據是什么專業，而大數據的成熟使得工程師可以對幾乎全量的數據進行建模。數據，導致最終的預測概率達到80%甚至90%，從而更好地體現數據挖掘的價值。 從職業發展的角度來看，BAT是最適合數據挖掘的地方。 龐大的數據量、對技術的重視甚至崇拜以及成熟的應用場景，讓數據挖掘工程師如魚得水。 一個碩士學歷的數據挖掘工程師，有1、2年的工作經驗，在互聯網行業輕松月薪25K以上。

最后，請關注我，我會好好照顧你的時間線的 *\( ^ v ^ )/*

有一篇關于數據相關崗位學術分析的文章，可以參考一下。

大數據崗位到底是學歷重要還是工作經驗重要？

關于數據相關職位的由來，你可以看看我另一個問題的答案。

對數據分析/挖掘工作感到困惑嗎？ - 迪格舒的回答