研究生数据分析师

这要数据分析师看干嘛，我就会看.........研究生是专硕还是学硕直接看他的专业代码就行。 研究生考试的专业是二级学科，这些二级学科都有六位数代码。比如:020204金融学，025100金融硕士。两个同为金融专业，一般不了解考研的人不知道有什么区别。只要记住一点，六位数代码的第三位只要是5，就是专业，是其他的都是学硕。 这些也是我以前考研的时候听天道考研的老师教我们的，不知道我回答的是不是你想要的。希望对你有帮助。

当前，国家大数据战略实施已经到了落地的关键时期，大数据技术产业创新发展、大数据与实体经济深度融合、以及大数据安全管理与法律规制等方面都进入了攻坚阶段大数据领域的人才需求主要围绕大数据的产业链展开，涉及到数据的采集、整理、存储、安全、分析、呈现和应用，岗位多集中在大数据平台研发、大数据应用开发、大数据分析和大数据运维等几个岗位。当前整个IT行业对于大数据人才的需求量还是比较大的，近几年相关方向研究生的就业情况还是比较不错的，一方面岗位级别比较高，另一方面薪资待遇也比较可观，而且薪资待遇正呈现出逐年上升的发展趋势。零基础即可学习的哦，

我们先来了解一下两者的区别。一、意义不同数据分析师 是数据师Datician的一种，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。算法(Algorithm)是一系列解决问题的清晰指令，也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。算法工程师就是利用算法处理事物的人。二、薪资不同数据分析师的职位平均工资大约在￥9086;算法工程师职位平均工资水平(元/月-税前)大约在￥1200之上。数据分析师和算法工程师哪个难?由上可知算法工程师比数据分析师要难学。此外,企业对于数据分析师的技能要求很高，具体要求如下：1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效地开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。重要作用。算法工程师需要掌握的技能1. 编程：PYTHON,JAVA,C2. 数据结构与算法3. 机器学习算法4. PAPER阅读能力5. 造轮子的能力对于算法工程师，有别于数据挖掘工程师的第一个区别就是对于传统的算法和数据结构的要求。 我自身不是计算机科班出身，在我工作的第一年压根没有接触过这一块，也从没打算去学这一块。 我第一次知道数据结构和算法的时候是去面试一家英语流利说的公司，当时面试官让我写一下斐波那契数列的伪代码，我听都没有听说过，于是面试官又让我写一下如何从一组数列当中最快的寻找出中位数，我依旧不知所措，因为平时都是习惯用函数，还从没想过真正的实现方式是怎样的。面试官很疑惑也很遗憾的当场就对我说：我觉得你可能不适合我们的岗位。数据结构和算法应该是必备的技能，算法工程师应该对用常用的知识点有深入理解，能够在面对不同项目场景的时候灵活选择数据机构和算法。第二点是机器学习算法，这个地方肯定会比之前的数据挖掘算法要求高很多。除了常用机器学习算法能够手推之外，还要对算法本身有更深入的思考。我记得我面试阿里的时候面试官抛出这么几个问题，说如果boosting算法不使用决策树，而使用SVM会怎样，或者说每一轮迭代都使用不同模型，比如第一次是决策树，第二次是SVM，那么会怎样？ 还有一个就是logistic regression这些算法为何没有使用ada,mone这些方法，能不能用？有什么优缺点等等。

硕士学位去银行工作做数据分析员，主要是看你的能力有多强，一般情况伍大行年薪在20万左右。

还不错啊，去锻炼下

1、 理论基础作为一名合格的数据分析师，你需要有应用数学、统计学、数量经济学专业数学知识背景。主要的学科知识背景需要有高数、线性代数、数理统计与概率论、计算机基础、统计学等相关课程的学习，这些理论知识是背景支撑，不是都要面面俱到的，遇到比较困难问题时能够查阅相关书籍资料能弄明白即可。2、技能Excel等办公软件，Python或R编程语言，常用用作数据分析处理的工具主要有spss、r、python、sas、Matlab、Eviews、ExcelVBA、IBM等几种工具我们至少要学会一种，常用的数据库有access、Oracle、sql server、mysql、mangodb等选择其一学习（建议mysql或者sql serve）。数据挖掘算法，是一名中高级数据分析的必备技能，也是数据建模、数据挖掘的必备知识，常用的算法有决策树、回归方程、聚类分类、关联规则、线性判别法、贝叶斯分类器、Knn算法（k近邻算法）、人工神经网络(ANN=Artificial Neural Networks)、支持向量机(SVM)等常用算法，不是一开始每一个算法都会的，需要慢慢积累，学以致用即可。3、业务理解能力数据分析师是没有行业限制的，技能要求都大同小异，只需要我们能够选择行业和能尽快理解行业，理解公司业务并提供分析帮助即可。

1.把统计学的基础打好，把分析理论掌握好2.熟练使用一些数据分析软件，如SPSS，SAS等，如果能娴熟的使用EXCEL，也会有大用处，EXCEL功能非常强大，里面也有数据分析方法，深入研究对数据分析有很大益处3.上面两条都具备以后，就剩下积累经验了，经验多了会提高分析方法的灵活度

听说最近经济形势不太好，就业形势也不容乐观。那可咋整啊？尤其是对即将毕业的学生来说，那可咋整啊？要么，去考个研究生。2016年全国硕士研究生考试报名人数为177万人，较2015年增长了7%。听说研究僧的工资要比本科高，好歹也是研究僧毕业，通过高学历来增加自己的就业竞争力。听说学历越高，收入越高，在这个盲目崇拜学历的社会中，研究僧的工资真的比本科生高么？如果高的话，具体高多少呢？今天将带领大家一起去看看本科生和研究僧的薪资差别到底有多大。首先，从城市分布上来看，一线城市研究生薪资更有竞争力根据麦可思公布的薪酬数据显示，从2014年硕士生就业薪资实际起薪来看，处在主流中间段的起薪为2000-4000元(占比25.7%)和4000-6000元(占比为30.6%)。起薪在6000元-8000元之间的占比18.3%，8000元以上的占比在14.8%，起薪10000元以上的占比5.7%。一线城市，本科生的平均薪资在4364元，硕士生平均薪资为6503元；二线城市，本科生平均薪资为3692元，硕士生为5436元；其他城市，本科生平均薪资为3162元，硕士生为4821元。从以上数据大家可以看出，一线城市，研究生的月平均薪资超过本科生月平均薪资2200元左右，而二三线城市，研究生的月平均薪资只超过本科生月平均薪资1800元。这说明了，随着时代的进步与发展，企业对员工的学历要求越来越高，很多企业的岗位招聘需求都是研究生以上学历。其次，从行业分布来看，金融行业学历越高越占优势在金融行业内，本科和硕士的起薪最高位都超过了万元，硕士毕业生的月薪最高位达到17000元，多半是任职产品开发和行业研究类工作，并且3-5年后就有可能年薪过百万。起薪在5000元以下的企业不到10%，而且低于5000元月薪大多是销售类职位，有高额的提成。在房地产行业内，工程专业的毕业生起薪最高，硕士生和本科生在土木建筑工程师等技术岗位方面薪资略有区别，但差距不是很大，主要在8000-10000元，但工作强度较大。策划、管理类岗位一般需要本科或以上学历，上市、知名公司给出的月薪多半在5000元上下。在大IT行业内，技术男程序员比较吃香。从事网络运营、软件开发和数据分析的毕业生们月薪相当不低，做客户服务和销售的起薪不高，业绩好收入也绝不低。在汽车制造行业内，本科毕业生多从事一些职能部门的工作，如市场、财务和人力资源等，也有部分从事基础技术研发和供应链采购等的岗位；而硕士毕业生则是高科技研发的中坚力量。本科和硕士毕业生的工资范围在四千元到一万元之间不等，需要高学历背景的研发岗能拿到最高的月薪。在快消行业内，不同的快消公司，薪资待遇相差近十倍，品牌知名度高的企业在人才吸引力也高人一筹。招聘职位主要是销售和市场类。本科生跟研究生的薪资待遇差的并不多。由于知名快消企业看中的人才往往也是其他行业企业眼里的香饽饽，而近期一些跨国公司在相继中国裁员，显示出这个行业面临的竞争压力。最后，我们来算一算研究生的成本从上面的薪资水平，大家也看得出来，相比于本科生，研究生的薪资还是稍微有点优势的。但是，大家也知道，研究生用两到三年的时间来取得进一步的学习，那也是有一定成本的。我们可以通过一个公式来看看，一个研究生的考研成本有多大。考研成本=书本费+资料费+补习班+报名费+生活费+面试费用。读研成本=(研究生学费+生活费)×读研年数。总成本=考研成本+读研成本。虽然，研究生每年也有些补贴，但是，各种生活开支还是要自己想办法的如果只是为了逃避工作，而选择读研，如果只是因为想拿高薪而读研，还是建议大家要慎重考虑。毕竟，不同的行业，不同的专业，不同的企业，对学历的要求是不同的。当然了，学历是本科的同学也不要气馁，只要选对了行业，选好了公司和职业。踏踏实实的干，不断的提升自己的职业技能和素养，涨工资，也是必然的事情。尤其是在企业里，随着互联网的发展，越来越多的公司将会更加重视员工的技能，更加重视结果。或许，在未来能力比学历更重要！

对国内就业市场而言，本科学历是大数据相关职位的一个基本要求，从各个职位上看需求量都是最大的。高端人才要求硕士以上的学历也很普遍，显示出这个行业的进入的确是有一定门槛的。对于学历这个问题，一般来说，当你没有任何基础的时候，能拿得出手的只有学历，本科生当然竞争不过研究生。但是随着工作时间久了，你的能力达到了这个职位的要求，学历就不重要了。尤其是对业务能力要求比较高的数据分析师、数据挖掘师这些职位，你的行业知识和业务理解能力在很多情况下比学历更加重要。当然，高端人才(如算法工程师、数据科学家)对学历也比较高，如果各方面条件允许，选择计算数学/概率论/模式识别/计算机方面的研究生深造也是有必要的，一些大公司的确会在初筛的时候根据学历筛选人，这个也很正常。当然，你也可以在工作几年后，当觉得到基础瓶颈的时候，可以再去读书，这个时候可能你更清楚自己需要的是什么。对于进入这个行业的同学而言，你可以选择提升学历后再进入这个行业，也可以先就业，用你的工作经验弥补你的学历不足。大数据是一个实践性很强的学科，从实际工作中获取的知识和能力是你在学校里面无法学习到的，企业最终也是看重你的实际工作能力。