隨著各行業領域大數據應用主體持續增加、與業務特點相匹配的個性化、定制化大數據解決方案日益受到青睞，2021年數據分析的重要性進一步加強，數據分析師、數據分析師事務所持續增長，專業化認證進一步加強，在行業有利的大數據環境，國家政策支持，數據分析企業、數據分析人才的不斷增加驅動數據分析行業蓬勃專業發展。

行業選擇

做數據分析的話，行業差別會比較大。一般來說：一線互聯網（BAT，TME）> 500強/大國企 > 二線小互聯網公司 > 其他傳統企業?；ヂ摼W大廠的商業分析，數據分析畢業第一年薪酬上20K都很正常，傳統500強/大國企的起薪相對較低，但公積金、隱藏福利（住房、入戶、伙食）都加上，是勝于小互聯網公司的。

如果想走數據分析道路的話，優先選大企業，但是選不選互聯網行業不一定。

小型互聯網公司和大型國企、500強的崗位比起來的話，優先選500強和國企。像移動、銀行或者航空公司這些傳統企業，內部的數據分析流程非常規范，在這里鍛煉一兩年，再出來去互聯網公司，甚至去投行，都會有人要的。

數據分析的職業發展是一個不規則的線性成長，做數據分析，一定是積累的越久越值錢。但是為什么不規則？是因為可能有很多小的機遇，比如這兩年算法大火，之前在國企收入平平但懂算法的數據分析師，進入互聯網公司照樣能拿高薪。

未來人工智能，大數據，物聯網會持續發展，數據領域的機遇只會越來越多，大家可以放心入坑。

如何判斷是否適合從事Data Science相關崗位？

判斷是否適合從事Data Science相關崗位，主要需要從以下三個方面進行分析：數理基礎、軟件編程基礎和相關經驗。

數理基礎：主要是指是否有線性代數、概率統計學基礎，可以通過相關專業及課程看出來。如果是理工科，可以默認其有較強的數學基礎；如果相關課程中含有“高等數學、統計學、微積分、計量經濟學、Advanced Mathematics、Statitiscs、Calculus、Econometrics”等關鍵詞，則可以判斷有數理基礎。

軟件編程基礎：軟件編程基礎可以通過“相關專業”及“相關技能”看出，一般而言如Excel，SQL，Python為必備技能，此外如R、SPSS、SAS這些工具也根據行業不同各有要求。

Data Science分布的行業

目前國內比較火的行業有 金融、互聯網、咨詢、通信、醫藥、文體等六大行業，前兩個行業是崗位較多、薪酬較高的。

國內商業數據分析中心的架構形式大致分四種，技術型，虛擬型、戰略性和分散型。

行業簡介

·大數據行業人才缺口大

大數據開發和大數據分析，這兩個方向都是目前需求量非常大的崗位，大數據開發是大數據分析的前提，需要先對大數據進行采集、存儲、處理，而后才能進行分析和可視化等。

·大數據開發和大數據分析從事工作不同

大數據開發主要的工作是負責搭建大數據應用平臺以及開發分析應用程序。大數據分析主要是運用相關技術對數據搜集、整理、分析，并依據數據做出行業研究、評估和預測。

·大數據行業薪資普遍較高

大數據開發屬于程序員工作，更注重邏輯性，更具有創造性和挑戰性，薪資待遇相對更豐厚。大數據分析更多偏向業務，是偏向于熟練操作的工種，資深的大數據分析師薪資也是十分可觀的。

·大數據學習有一定難度

大數據開發主要就是一些編程語言和大數據處理技術的學習，大數據分析對個人的數學和統計學基礎有一定的要求，需要掌握分析工具和分析方法，相對來講，大數據開發更容易上手。

·大數據需要學多久

零基礎學習大數據開發一般需要脫產學6個月左右，其中，學習java一個半月時間，學習大數據相關技術大概四個多月。

·大數據學習方法

大數據注重邏輯思維，需要多敲代碼，勤學多練，在學習的過程中應有意識的培養自己的邏輯思維，搞懂代碼背后的邏輯，多看源碼，動手實操，自然熟能生巧。

大數據與數據分析的區別

數據分析的主要工作內容：

·負責日常的需求調研、數據分析、商業分析。這過程的日常任務可能包括提交日報、周報、月報、年報等數據報表

·根據業務需求，制定相關數據的采集策略，設計、建立、測試相關的數據模型，從而從數據中提取決策價值。這過程可能需要撰寫特定分析需求的報告

·研究數據挖掘模型，參與數據挖掘模型的構建、維護、部署和評估工作

·偏好數學、統計學、計算機 等專業背景，也有部分經濟學專業背景

大數據的主要工作內容：

·參與大數據平臺的設計與開發，解決海量數據面臨的挑戰

·精通Java編程，能基于Hadoop/Hive/Spark/Storm/HBase等構建公司的大數據分析平臺

·管理、優化并維護Hadoop、Spark等集群，保證集群規模持續、穩定

·負責HDFS/hive/HBase的功能、性能和擴展，解決并實現業務需求

·最偏好計算機專業背景，也有部分數學和統計學專業背景

很多人對大數據領域中的一些崗位名稱傻傻分不清，接下來立思辰留學小編給大家分析下BA和BI的區別！

·BI工程師

主要是做數據分析，數據倉庫，以及相關報表，對一些數據進行處理，對數據庫要有比較深入的了解。

想要從事BI工程師需要有一定的數據庫經驗，掌握SQL查詢優化方法，精通oracle、SQL、server、mysql等主流數據庫的應用設計、性能調優及儲存過程的開發，掌握相關工具，如SSAS、SSI、OLAP 和數據挖掘相關算法。

也有一部分BI工程師是做商業智能分析，對Sap的企業管理數據做分析，為領導決策，做預算，企業發展需要的分析用的工具等。

·BA—商業分析（Business Analytics）

是指對方案進行經濟效益分析，從財務上進一步判斷它是否符合企業目標。

通過KPI指標和多維展現，再加上對數據的交互應用，對于警戒線的主動提示，使得企業做出在商業活動中的數據分析。

BI—商業智能（Business Intelligence）是指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術，進行數據分析以實現商業價值。

通過數據模型，模擬方案的建設，去尋找在當前情況下企業最優化的方案，通過揭示預測的利潤，銷售收入，和其他的一些基礎因素等，來預測未來企業發展效力情況。

從功能上來說：

BA是通過一系列的分析研究工作，發現業務需求，找到解決業務問題的方法。

BI是一種數據分析解決方案，將數據轉化為能指導企業戰略、業務決策的可行性信息。

舉個例子，首先要借助BA來觀察企業哪些方面做得好，哪些方面還需要改進；接著可以用這些信息結合BI，來預測未來想做的改變會對企業造成哪些影響？BA和BI會幫助企業用最正確的方式做出最正確的決策。