 互聯(lián)網(wǎng)寒冬之下  裁員大潮之下，普通人如何自救？ 阿里P8、P9這種級(jí)別的大佬被裁后找工作尚且不容易，普通人尤其是大齡打工人失業(yè)后想找到一份薪資待遇都不錯(cuò)的工作顯然就更難了！ 保持學(xué)習(xí)的心態(tài)非常有必要。有時(shí)候，一個(gè)人在某個(gè)行業(yè)中能夠獲得高額的薪水，并不全因?yàn)樽陨砟芰?，更有可能是趕上了時(shí)代的大潮。 有潮起自然有潮落，35 歲一到，或者行業(yè)出現(xiàn)下行，很多人就會(huì)發(fā)現(xiàn)自己立刻就進(jìn)入了“畢業(yè)”階段，切切實(shí)實(shí)感受到行業(yè)中的霜刀風(fēng)劍的寒意，一不小心就要要作為人才向社會(huì)輸送了。
每個(gè)時(shí)代都會(huì)有風(fēng)口行業(yè)，如果你能始終保持學(xué)習(xí)的狀態(tài)，那么就大概率能明白最新的行業(yè)風(fēng)口在哪里。跟風(fēng)不一定是一件好事，但是抓準(zhǔn)風(fēng)口行業(yè)和機(jī)會(huì)，一定會(huì)讓你比其他人擁有更多的選擇機(jī)會(huì)和空間。  阿里創(chuàng)始人馬云在接受CNBC（美國(guó)消費(fèi)者新聞與商業(yè)頻道）采訪時(shí)說(shuō)到：整個(gè)世界將變成數(shù)據(jù)，我認(rèn)為這還是只是數(shù)據(jù)時(shí)代的開始。 2023世界經(jīng)濟(jì)論壇發(fā)布的《未來(lái)就業(yè)報(bào)告》，預(yù)測(cè)了未來(lái)五年內(nèi)增長(zhǎng)最快的十大崗位，其中就包括了人工智能與機(jī)器學(xué)習(xí)專業(yè)人員、數(shù)據(jù)分析師和科學(xué)家和數(shù)字化轉(zhuǎn)型人員。
數(shù)據(jù)正在變得越來(lái)越常見(jiàn)，小到我們每個(gè)人的社交網(wǎng)絡(luò)、消費(fèi)信息、運(yùn)動(dòng)軌跡……，大到企業(yè)的銷售、運(yùn)營(yíng)數(shù)據(jù)，產(chǎn)品的生產(chǎn)數(shù)據(jù)，交通網(wǎng)絡(luò)數(shù)據(jù)…… 數(shù)據(jù)分析人才熱度也是高居不下，一方面企業(yè)的數(shù)據(jù)量在大規(guī)模的增長(zhǎng)，對(duì)于數(shù)據(jù)分析的需求與日俱增；另一方面，相比起其他的技術(shù)職位，數(shù)據(jù)分析師的候選者要少得多。
在這個(gè)數(shù)據(jù)驅(qū)動(dòng)的時(shí)代，數(shù)據(jù)分析已經(jīng)成為了企業(yè)決策的核心。它不僅幫助我們從海量數(shù)據(jù)中提取有價(jià)值的信息，還能預(yù)測(cè)市場(chǎng)趨勢(shì)，優(yōu)化業(yè)務(wù)流程，幾乎是每個(gè)職場(chǎng)人必修的課程。 普通人轉(zhuǎn)行“數(shù)據(jù)分析師” 轉(zhuǎn)行數(shù)據(jù)分析并沒(méi)有你想象中的那么難。和其他行業(yè)不一樣，數(shù)據(jù)分析是一個(gè)交叉復(fù)合的方向，更需要有多重工作背景的人。 數(shù)據(jù)分析本質(zhì)上只是一種技能，必須同時(shí)擅長(zhǎng)其他專業(yè)領(lǐng)域知識(shí)（比如你是財(cái)務(wù)、產(chǎn)品、人力，把自己專業(yè)領(lǐng)域知識(shí)+數(shù)據(jù)分析技能結(jié)合起來(lái)），才能夠走得長(zhǎng)遠(yuǎn)。
所謂數(shù)據(jù)分析，是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。 數(shù)據(jù)分析行業(yè)細(xì)分領(lǐng)域很多，選擇面較廣，不管是對(duì)于人力、運(yùn)營(yíng)、產(chǎn)品等來(lái)說(shuō)，都是一個(gè)不錯(cuò)的選擇。 數(shù)據(jù)分析師的發(fā)展路徑統(tǒng)共來(lái)說(shuō)可以分為偏業(yè)務(wù)和偏技術(shù)兩個(gè)方面的發(fā)展路徑：
偏業(yè)務(wù)：一般在業(yè)務(wù)部門的比較多，備選的崗位有數(shù)據(jù)運(yùn)營(yíng)、用戶運(yùn)營(yíng)、用戶增長(zhǎng)、以及營(yíng)銷策劃等崗位，和代碼接觸時(shí)間較少，做PPT和報(bào)表的時(shí)間較多一些，基本上日常的工作就是操作線程的數(shù)據(jù)產(chǎn)品或者在圖表基礎(chǔ)上寫sql。 發(fā)展需求：關(guān)注目標(biāo)、洞察需求、設(shè)計(jì)方案、推動(dòng)落地、實(shí)現(xiàn)增長(zhǎng)、贏得業(yè)績(jī)
偏技術(shù)：偏技術(shù)的崗位有類似于數(shù)據(jù)運(yùn)營(yíng)、用戶運(yùn)營(yíng)、用戶增長(zhǎng)以及營(yíng)銷策略等崗位上，這些崗位和數(shù)據(jù)的關(guān)聯(lián)性很高，同時(shí)也是十分具有發(fā)展前途的幾個(gè)崗位。 發(fā)展需求：數(shù)據(jù)埋點(diǎn)、數(shù)據(jù)采集、ETL、數(shù)倉(cāng)開發(fā)、算法開發(fā)、BI開發(fā)
數(shù)據(jù)分析的本質(zhì)就是要把分析結(jié)果應(yīng)用到業(yè)務(wù)層面，最終實(shí)現(xiàn)業(yè)務(wù)的良好增長(zhǎng)。
一般而言，可以按照“數(shù)據(jù)獲取-數(shù)據(jù)存儲(chǔ)與提取-數(shù)據(jù)預(yù)處理-數(shù)據(jù)建模與分析-數(shù)據(jù)可視化”這樣的步驟來(lái)實(shí)施一個(gè)數(shù)據(jù)分析項(xiàng)目，這時(shí)我們需要掌握一些主要細(xì)分知識(shí)點(diǎn)。 數(shù)據(jù)分析基本流程
具體而言，數(shù)據(jù)分析師需要兩個(gè)層面的技能，一個(gè)是技術(shù)層面的技能，另一個(gè)是非技術(shù)性的軟技能。 技術(shù)能力1.統(tǒng)計(jì)學(xué)基礎(chǔ)：理解基本的統(tǒng)計(jì)概念如均值、中位數(shù)、眾數(shù)、方差、標(biāo)準(zhǔn)差等，以及假設(shè)檢驗(yàn)、回歸分析、方差分析等統(tǒng)計(jì)方法。
2.編程能力：掌握至少一種編程語(yǔ)言，如Python、R或SQL，用于數(shù)據(jù)處理、清洗、分析和可視化。Python因其強(qiáng)大的庫(kù)（如Pandas、NumPy、SciPy、Matplotlib、Seaborn等）而廣受歡迎。
3.數(shù)據(jù)可視化：能夠?qū)?fù)雜的數(shù)據(jù)轉(zhuǎn)化為易于理解的圖表和圖形，幫助非技術(shù)背景的人也能理解數(shù)據(jù)背后的故事。
4.數(shù)據(jù)庫(kù)知識(shí)：了解數(shù)據(jù)庫(kù)的基本概念，能夠使用SQL語(yǔ)言進(jìn)行數(shù)據(jù)的查詢和管理，熟悉關(guān)系型數(shù)據(jù)庫(kù)（如MySQL、PostgreSQL）或非關(guān)系型數(shù)據(jù)庫(kù)（如MongoDB）的使用。
5.大數(shù)據(jù)工具：了解并使用大數(shù)據(jù)處理框架和技術(shù)，如Hadoop、Spark等，以及云平臺(tái)（如AWS、Azure）上的大數(shù)據(jù)服務(wù)。
6.機(jī)器學(xué)習(xí)基礎(chǔ)：理解機(jī)器學(xué)習(xí)算法的基本原理，能夠應(yīng)用常見(jiàn)的機(jī)器學(xué)習(xí)模型（如線性回歸、邏輯回歸、決策樹、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等）解決實(shí)際問(wèn)題。 |
|
|
來(lái)自： CDA數(shù)據(jù)分析師 > 《待分類》
