九道门第7期商业数据分析实训营第二阶段提报会

数据分析

11月19日,亚马逊的项目登陆九道门啦~~第七期学员第二阶段进行了亚马逊北美骑行裤市场的竞品分析。两组同学的表现比起第一阶段的表现进步非常大!

数据分析

第一组——996小组的张毓珊同学的表现受到了赵强教授的高度表扬,分析思路清晰,逻辑框架完整,运用波士顿矩阵和相关性分析对各大骑行裤品牌在北美市场的占有率等因素进行了深度分析。不足之处在于最后没有给出比较具体的可行性建议,但是在接下来的2个阶段的学习过程中,相信第一组同学会有更大的进步!数据分析数据分析

第二组同学对于项目中的单品分析十分详细,同时从女性的角度进行了骑行裤的长短分析,但是对于数据的展示在提报过程中略显不够,观看者的体验度不够,需要第二组同学注意改进。数据分析

亚马逊项目的数据比较庞大,同学们进行分析处理的过程中还有很多问题需要解决。接下来的第三、第四阶段学习,期待同学们的进步!

美团VS本地生活增长策略——九道门小组对抗提报

数据分析

在过去一年中,凭借着美团外卖、到店酒旅两条核心业务线,美团的市值一路高涨,一举坐稳了中国互联网上市公司第三把交椅。而作为美团的老对手,阿里拥有盒马、高鑫零售、饿了么口碑,本地生活的“一哥”位置将在美团和阿里之间展开。九道门商业数据分析项目实训第七期的学员们针对美团和阿里的本地生活增长策略进行了小组对抗,双方都给出了自己的增长策略意见。

  第一组同学主要从美团外卖的庞大规模和到店业务的优势,运用波士顿矩阵进行数据分析,但是在生鲜业务上的投入,美团入局较晚,规模也比不上阿里,正对着一点,第二组同学也进行了“攻击”。

  第二组同学从阿里旗下的饿了么口碑展开叙述,阿里在发展逻辑上与美团不同,走线上“轻资产、轻运营“的模式,将其在电商方面的优势发挥的淋漓尽致,同时阿里的电商数据也给同学们在分析时庞大的支持。

  本地生活服务围绕到家、到点刻画线下实体业态,从而映射到线上的流量平台,无论是平台还是生鲜独角兽,都会在这个赛道上加码,本地生活在阿里的业务领域占比也在逐渐增加,利用核心电商业务的带动作用,将本地生活与线上运营相结合,而美团的精细化布局,着重运营的策略也是其能够保持高速发展的重要原因之一。

 九道门第七期学员经过精彩的唇枪舌剑,纷纷表达出了各小组的意见及增长策略,从数据出发、从商业出发,而这也是九道门商业数据分析学院一直以来秉承的理念——只有懂业务的数据分析师才是一名优秀的数据分析师。期待学员们在接下来的学习中有更精彩的表现。

九道门第7期商业数据分析实训营1阶段提报会

11月4日,九道门举行了第七期学员第一阶段提报会,对于学员们来说,这是一个与往常学习不同的日子,他们需要把过去十几天的学习成果完美的展现给评委老师看,并且很好的把自己小组的项目情况讲述到位。那这些未来的数据分析师们表现得如何呢?

“这一组的表现要超过上一期了,不,是比往期的学员都要强”、“本来以为上一期的学员已经很优秀了,没想到这些年轻人后来居上啊”。这是第一组朱同学结束他的演讲之后,赵强教授给出的高度评价。

但是同时,赵强教授也指出了第一小组在分析项目的过程中出现的问题,就是为了一个既定的指标去找现成的、合适的数据来佐证自己的结果,这样颠倒的顺序在数据分析的过程中会造成严重的后果。

而第二组同学则是暴露了另外一个问题,拿到了一堆数据但是并不清楚自己的分析目的,导致从各个角度都有所分析但是显得杂乱无章。数据分析首先就是需要一个明确的目标和严谨的分析过程。

作为第一阶段的提报,主要目的在于检验学员们在第一阶段的学习情况和状态,在提报上大家的表现稍显青涩,但是相信经过未来3个阶段的学习,大家都会成为一名优秀的数据分析师

九道门的课程设计偏向于项目实战,类似于MBA的教学体系,我们把数据分析在所有行业的应用“龙骨”提炼了出来,通过不断的项目练习,加深学员对“龙骨”的理解,锻炼学员项目操作能力以及项目分析思维,尤其是我们会带着学员去接企业真实项目,让学员全程参与到一个完整的项目中去,让学员在学习的过程中就得到真实项目经验的积累。

数据分析师的“中年危机”

我经常跟别人说,数据分析师是一个没有中年危机的职业,也是当下极其热门的一个岗位。加上受今年的疫情影响,很多的小伙伴都在考虑要不要转行到数据分析师的岗位上来。其实严格意义上来讲,数据分析师也有中年危机,但是不同于互联网行业的中年危机,这两种危机是不一样的。

对于一个优秀的数据分析师来说,技术真的不是最重要的,虽然说要做到头部还是本男,但是业务相比较要更加重要,再厉害的技术,没有业务对其赋能,被替换掉的可能性非常大,因为一个企业说到底还是要靠业务来运行,像每一个项目的投入,都是要看回报的。

但是我之前也说过很多次了,数据分析师不是一个吃青春饭的职位,只要你所在的行业的发展越来越好,你在数据分析师这个岗位上积累的经验就是无与伦比的,每一个项目在你手上经过之后,你个人的相应分析经验都会大幅上涨。那么相应的,你的薪资待遇和你的工作经验会逐渐形成一个正比曲线。

目前来看,随着大数据产业的发展,各行各业的数据都开始日益增加,那么企业为了能够让自己的业务发展的越来越好,不至于被时代所遗忘,就不可避免地要寻求数字化转型。企业数字化转型对于企业的要求最浅显的就是拥有一个成熟的数据分析部门,但是数据分析在国内也是近几年才开始火起来的,市场上成熟的、符合企业需求的数据分析人才体量太小,远远满足企业的需求。

数据分析师需要的是经验和技能、适应性、还有较强的学习能力,年龄这个数字其实并不重要,在企业的数据部门里面,一个高级数据分析师可以说是整个数据分析架构当中的火车头,起到的牵引作用是非常大的。经过持续性的在某一个行业内持续积累,对业务是否理解到位,分析经验的积累是否深厚,那这样的一个数据分析师对企业来说是非常宝贵的,就无所谓什么“中年危机”了。所以说想入行的小伙伴们可以不用太过于担心,虽说三百六十行,行行都不易,但是行行也都出状元嘛,数据分析师还是值得入股的!

企业数字化转型与数据分析的关系

随着计算机和信息技术的迅猛发展,各行各业的应用系统的规模迅速扩大,行业应用所产生的数据均呈爆炸性增长。同时,人们越来越多的意识到这些庞大的数据量对企业的重要性,大数据时代对人类的数据驾驭能力提出了新的挑战,也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。人类历史从未有一个时期像今天一样拥有并产生如此海量的数据,各式各样的数据的产生已经完全不受空间、时间、地点的限制。

    大数据可以分为交易数据、人为数据、移动数据、及其和传感器数据等,还可以分为流数据、社交媒体数据、公开数据和其他数据。

    数据正在逐渐改变商业的模式,互联网消除了与用户的时空距离,让用户的行为、情感、社交活动数字化,同时消除了企业的资源边界,而物联网使得企业在销售产品后能够获得用户数据,从而云计算有可能处理海数据成为可能。企业可以通过特定的数据算法将商业活动、供应链系统、传感器和标签所抓取的巨大信息进行分析以获得具备高操作性的信息集,而这些信息集中有价值的部分能够帮助企业在变化多端的行业变化中做出正确的判断和调整。

    在企业的决策、运营、销售、服务的过程中,相关人员是否一致认同数据的价值,这对企业数字化转型的开端十分重要。除了构建信息化的基础设施,企业还需要建立相关的组织,制定相关的制度,同时,企业员工是否认为数据比职位、权威更有说服力,只有当数据贯穿整个企业的业务过程中的时候,那企业的数字化转型才算是比较成功的。当一个企业真正形成数据文化,才有可能在行动的时候真正的被数据驱动。

    一个企业的数据管理能力决定了数据价值的利用程度,数据管理能力成熟度评估模型GBT36073-2018,也就是我们经常在说的DCMM,国外也有相类似的CMMI。

    数据分析是对组织各项经营管理活动提供数据决策支持而进行的组织内外部数据分析或挖掘建模,以及对应成果的交付运营、评估推广等活动。数据分析能力会影响到组织制定决策、创造价值、向用户提供价值的方式。那么其过程目标如下:优化级——能推动自身技术创新、在业界分享最佳实践,成为行业标杆;量化管理级——建立了常用数据分析模型库,支持业务人员快速进行数据探索和分析,数据分析能有力支持业务应用和运营管理;稳健级

——在组织级层面建设统一报表平台,整合报表资源,支持跨部门及部门内部的常规报表分析和数据接口开发。在组织内部建立了统一的数据分析应用的管理方法,指导各部门数据分析应用的建设。建立了专门的数据分析团队,快速支撑各部门的数据分析需求。能遵循统一的数据溯源方式来进行数据资源的协调。数据分析结果能在各个部门之间进行复用,数据分析口径定义明确;受管理级——各业务部门根据自身需求制定了数据分析应用的管理方法。各业务部门独立开展各自数据分析应用的建设。采用点对点的方式处理数据分析中跨部门的数据需求。数据分析结果的应用局限于部门内部,跨部门的共享模式大部分采用线下进行;初始级——在项目层面开展常规报表分析,数据接口开发。在系统层面提供数据查询,满足特定范围的数据使用需求。

    数据分析的流程:确定业务目标——查找数据源和集成——分析方法——洞察与建议——执行后分析。

    综上所述,企业数字化转型势在必行,而数据分析是其中至关重要的一环,要想在大数据时代占据稳固的位置,企业就要在数字化转型的过程中合理运用数据分析。

数据分析和数据运营是一回事?

现在国内最热门的行业之一莫过于大数据分析了,“人人都会python”已经成为一句口号,python也变成一种”全民语言”,小学也已经开设了python基础相关课程,有甚者幼儿园都已开始。姑且不论牙牙学语的孩童能否明白定义变量,我们先来说说与之关系密切的一个行业——大数据分析师行业。

首先就是数据分析究竟是什么。

数据分析是指基于商业目的,有目的地进行收集、整理数据,用适当的统计方法对收集来的大量数据进行分析,将它们加以汇总和理解消化,一球最大化地开发数据的功能,提炼有价信息的一个过程。这些数据包含了如性别、品牌、学历、商品质量、年龄、产品参数等等。数据分析的目的就是把隐藏在着一大批看似杂乱无章的数据中的信息集中和提炼出来,从而找出所研究对象的内在规律,在实际工作中,数据分析可以帮助人们做出判断,以便采取适当判断,以便业务部门能够在落地环节采取合理的行动。

不同行业的数据指标也不同,比如电商行业一般有PV、UV、成交用户量、成就感看、客单价、用户基础数据、GMV等,金融行业一般有访问UV、注册/申请人数、授信人数、平均审核时间等,游戏行业一般有推广页点击量、下载/安装量、累计用户数、用户成长等,直播行业一般有登陆UV、弹幕发送UV、观看总时长等数据,主要还是用户、产品、销售、市场端的数据。

说完数据分析再来说说数据运营,这也算是一个比较新的岗位吧,以至于很多人手头做着数据运营甚至只是运营的活儿然后声称自己也是个数据分析师了,说到底还是对两者的JD不够清晰。

数据运营一般从数据的角度出发来优化和提升业务,数据化工作重点还是在“运营”上面,用数据的方法来达到运营的目标,当然也可以理解成为用数据来知道业务运营的决策,从而提升业务运营的效率和实现业务增长的目标。

数据运营的本质是数据驱动的业务运营,而数据分析则是数据价值的运营,也就是从数据角度出发,而非运营一般从业务运营角度出发。数据分析平时主要的工作主要由数据采集、数分析、数据建模、数据可视化等组成,而数据运营的日常工作包括有用户运营、产品运营、活动运营、市场运营、渠道运营等,显而易见,两者是有很大不同的。

数据运营之所以不能算作数据分析的原因是其岗位主体是从事业务运营相关工作的人,说变了就是“运营人”,而数据分析则在技术上面的要求会高出不少,要求懂得数据采集、建模和分析,会利用数据分析工具,对于业务的了解必要但不是首位的,而数据运营则要求对运营的领域要有一定的经验,其次才是对数据分析有一定了解。所以这个轻重和顺序其实很明显了。

之所以现在很多人会误把数据运营理解为数据分析的原因还是对两者的职能及岗位本质不够了解,数据运营的核心在于用数据来分析、结构业务运营问题,完成业务运营的闭环,而数据分析则是在完成数据的闭环,从数据问题出发最后回到数据问题的解决和数据价值的评估。

数据分析和数据运营都是在用数据说话,都在用数据,都离不开数据与业务的结合,用数据来解释业务,区分两者才能更好的选择适合自己的职位。

浅谈:培训对于大数据分析的意义

随着国内大数据热潮的兴起,越来越多的人都在考虑进入大数据领域,有高考完选择专业的,有转行往大数据分析方向的,有求职跨行找大数据工作的,但是对于一些没有技术基础的人来说,这份工作其实比码农轻松不了多少,前期都是需要一个跨越技术难关的过程。  

那对于已经在工作了的人来说,很多人会选择去报一个大数据培训班来进行集中学习,那大概需要2-4个月的全日制学习时间,才能形成比较全面系统的思路。

大数据需要学习的内容包括但不限于编程语言、分布式通信、数据可视化、数据采集、流式计算、分布式计算、分布式数据存储、流式计算等等,pythonsql,mysql等这些工具算是技术基础,学会掌握之后还是要到项目中去实践检验,有一些培训班可能会涉及到项目的教学,但是也需要鉴别一下,毕竟企业真实的项目一般是不会公开的,所以如果真的需要去报班学习的同学,一定要清楚这一点,线上的实验用的都是脱敏之后的数据,学习效果极其低微。

那我们都知道,大数据分析的一般步骤都是拿到初始数据或者你自己去把数据爬过来,然后选定初步的模型去进行第一步分析,然后在此基础上进行进一步的需求分析,然后结合行业等因素推断分析,主要由识别信息需求、收集需求、分析数据、评价并改进数据分析的有效性组成。

那如果这个过程中没有一个权威、有经验的老师把他的从业经验、思考问题的维度分享给你,那你对数据分析还是没办法形成一个系统的逻辑的。

然后对于经典案例的分析,比如像沃尔玛经典的营销案例、Suncorp-Metway使用数据分析实现智慧营销等案例。

包括SAS公司提出的常用的数据分析路径SEMMA范式,如果没有人带着你,那在时间和精力上可能会多出很多倍。

综上所言,培训对于大数据分析的意义更多在于让你最大程度的节省时间和精力,提高学习效率,成功赶上大数据分析师的这波红利。

数据分析的红利在哪里?

在目前数字化转型的大环境下,商业数据分析师的好处和红利在哪里?

在说数据分析的职业红利前,我想先帮大家梳理一下整个的职业发张。在谈到职业发展的时候,我们第1次职业选择是在大学。当你成为一名大学生选择好专业,这个时候基本上已经有一个大概的职业发展目标,当然有很多大学生学这个专业是因为父母或者其他人的意见。那从人才测评的角度来说,有一项指标是非常关键的,就是你自己对你所要从事的行业非常感兴趣。

但是对很多大学生来说他不知道他的兴趣从而谈起。

所以从大学生角度讲,一般毕业之后的第一份工种会一直做下去,在这个过程中,由于有些人不喜欢现在的工作或者不适合这个行业,或者是随着科技的发展你的岗位会被人工智能取代,这个时候就出现了第2次职业选择。

首先不管是第一次的职业选择还是第二次职业选择,都要有一个标准的职业规划流程。

第一步:自我评价。你对自己要有一个初步的了解,这个时候你要知道自己的兴趣爱好,你知道自己的能力有多少。

第二步:对目前所处的行业环境分析。大的环境是整个就业市场或者说国家发展环境,这样大的环境背景下面来进行分析。

第三步:职业定位。你对于未来的规划,如果你已经做好了前面两步,你可能会有一个明确的定位。

第四步:确定目标。

第五步:为了这个目标要制定一个行动计划。

第六步:评估和回馈。之前做的目标计划是不是达到了?结果怎么样?效果怎么样?

科技发展促使我们对职业的一个思考

我们从今天来看很多的岗位,甚至某一个行业都被科技的发展所取代掉,或者甚至说灭亡掉。

像ETC出现导致收费站收费的人会减少,蒙牛这些工厂全部属于自动化。所以网上的一些摘录,大家都在预测未来哪一岗位很危险并不是危言耸听。因为科技的发展解决了人的懒惰,或者说是效率。像电话推销、客服、保安等涉及到一些对人有安全隐患的岗位基本上都会被机器人所取代掉。

我相信很多人都会有这样的职业焦虑感。至于自己现在目前的工作的情况,或者说有一些同学在大学里面可能还学的是一些相对来说比较陈旧的专业和知识,那么面临就业大概率会是比较困难这样一个情况。

所以科技的发展,迫使我们对职业的话要有所思考,同时对自己的学习意识也有所提升。前段时间我看到麦肯锡的一份报告,他预测中国未来三年左右,将会有1.3亿人进行再学习。这个再学习指的是从业人员的再学习。

捕捉时代的步伐

任何一个新的科技、新的时代或者新的技术革命出来,它会摧残一些原有旧的职业和岗位,同时它也会给大家带来新的机遇和挑战,那么这个是一把双刃剑。

电脑普及,网络建立

97年的时候香港回归,那个时候很多学校里面有一些微机房,大家的职业的话就是一些文秘打字,电脑普及开始,后面很多的一些网络的建立。网络工程师这样的一个岗位是非常火爆的,因为所有的公司,都在组建这样的网络,然后进入互联网里面去。

互联网阶段,电子商务时代

大家把公司的一些宣传或者是商品,搬到网上去进行销售,那典型的就是马云。马老师属于这个阶段很典型的代表人物,互联网阶段一直到现在都是比较火,经历了很长的一个发展的过程,它伴随着计算机的技术、科技的发展,不断的进行的升华。这个时候电子商务师就出现了,有些学校还专门设立了电子商务相关专业。

电子商务时代,就必须要有第2个专业出来,就是软件开发。很多企业要去建网站,要去做商城,到网上进行售卖,那这个时候就需要这个软件开发的工程师。刚开始的时候是以Java,c语言为主,现在主要用java。

物联网到移动互联网,云计算

从电子商务时代到移动互联网时代之前还有一个过渡段就是物联网,物联网的话也没有发展的特别好。移动互联网出来了之后,出现了两个非常抢手的岗位就是大家的手机APP开发,IOS和安卓APP开发。现在的话基本上就比较少,它是属于阶段性。

移动互联网现在的发展的话也是非常的稳定和迅速。15年的时候开始,大数据的存储和计算技术的发展很迅速,当然它现在还是以阿里云为代表。云计算的这个技术突破了之后,它的整个发展大数据的存储就解决了,那么就出现了大数据这样的一个概念。企业那边开始去把数据进行采集、存储下来。

这个阶段其实产生的岗位的话是云计算的一些运维(这种岗位必须要懂云计算的技术),一些企业在做数据中台也是要懂云计算的技术。

那么大数据阶段形成云计算技术的话,推进了大数据的产生,我明显感觉到从去年下半年开始,数据的应用现在是非常的火爆。就是我们讲的大数据商业数据分析师或者是大数据分析师,这样的岗位就出来了很多。

中国20年时间,短短20年时间在整个科技类的这种技术阶段发展中,每个阶段都孕育出了一批企业家,也孕育了很多的岗位。从职业的角度来说,大学里面的人去培养一个电子商务或者是网络工程师专业的学生出来,那肯定是找工作有些困难的,因为它已经不像刚开始的时候那么专业了。

那也就是从我们的职业观来讲,我们需要有一个详细的规划,就是什么时候这个岗位火,未来的这个应用场景或者说未来的职业的前景非常的好,我提前进入这样一个领域或岗位的话,就会有一些红利。

中国的人才培养摇篮其实是在高校,而高校它的专业建设包括人才的培养到输出企业,至少要落后企业需求5年到6年。明年会有大数据科学与技术专业的学生出来,但是他们离企业的人才的需求还是有一定的距离。因为他们是第一批,学校教的内容还是比较粗糙的,他们在学校学的技术也是滞后的。

从大数据的角度来说它分两个方向,第1个是工程,第2个是分析。现在中国很多的企业,工程方面的业务多。分析从去年的下半年开始,有所增长。

其实不难理解,作为企业来讲,特别是一些比较大型的企业或者是国企来讲,大一点的企业首先它采集数据,数据都是比较零散的,要去把数据收集下来,然后进行存储。现在目前在中国的话,大部分公司处于这样一个阶段里面。

大数据采集

用到了大量的一些物联网的一些技术啊,那么在数据采集的时候可能需要大量的一些传感器。采集完了之后,它需要进行数据转化,因为数据上来之后有的是非结构化的,有的是结构化,那计算机它的认识的只有0、1,所以我们要进行数据转换。转化完了之后,我们就要开始进行存储。

大数据存储

数据量小的时候,你可以存在自己的电脑里面。数据量大了之后,你可以买一些服务器,多挂一些硬盘。那么如果数据量无限大的时候,就出现了“云”的概念。

公有云就是把所有的数据全部传到云端,我有一些数据可以放到云端,有些数据我不能放到云端,可能觉得这个数据很重要,如果我不想放到云端上去,那这个时候我就会建混合云来进行区别存储。

私有云就是我所有的数据我自己建服务器建集群,自己来搭建环境全部放在本地。存储完了之后就有数据仓库

针对数据仓库的这个大岗位,有很多小岗位出来了,比如专门做数据采集和转化、专门做数据仓库,原来说的工程师,其实指的是这个分布式存储,那么这里面还有专门做清洗的,叫数据质量的或者说信息数据清洗这样的一些工作人员。还有一些做运维,就是公司搭建了这样的一套云系统之后,肯定要有人去施工去做架构,后期的话你还要有人去维护,那么这些岗位都是目前特别特别火的。

工程师从我的角度来讲生命周期不会很长,就像之前的网络工程师一样。在公司完成了数据采集和云端、架构事情,剩下的就是运维了。

不管是存在公有云私有云还是混合云里面,总要把这些数据进行应用,否则它本身做这个事情就是有成本的,你现在建一个数据中台至少要上百万。

一个公司里他把这些数据存储起来每年也要花钱,那么这些企业,存储这些数据的目的是什么?

存储这些数据的目的是什么?是想从数据背后进行数据的分析应用挖掘发现一些新的商机,或者说对自己的决策、公司决策包括产品运营等等有参考性作用,通过数据化的方式来提高它的一些价值,这就是我们分析的意义,所以应用分析阶段是非常火的,因为它的生命力很强。

第1个原因是因为365行,都需要数据分析师。

第2个,是企业的各个岗位都要懂数据分析。因为我们在杭州,杭州的特点大家应该都有一些感受,它是代表了中国的一些特有的,比如说电商的最前沿阵地,新媒体企业的阵地,包括云计算、大数据的前沿阵地。

那现在我们就发现,在杭州有很多的企业在新媒体这一方面需要进行数据分析,在产品方面要数据分析,在运营方面要数据分析。基于这种情况,数据分析的生命力是很强的。

机器学习是什么意思?

通过企业里长时间的数据沉淀,会有一些算法模型工程师找到有规律的东西,然后进行机器学习去创造新的产品或者是应用实现智能的一个概念。这个时候人工智能就出来了。

所以在未来每个行业可能都会有人工智能的应用,但不管它能怎么运用,前期必须要有大量的数据沉淀和数据分析师帮它去做一些事情。那么在数据分析师里面有算法工程师、工程师、算法模型工程师、可视化工程师、商业数据分析工程师、bi智能等等岗位。企业未来的这种需求量也比较大。

位置与作用

现在企业里面有上百个系统,什么ERP系统、人事系统、仓库系统等等,这些系统数据都是零散的,对企业来说没有达到统一的数据指标。企业希望把所有的数据打通,这些数据包括竞争数据、客户数据、业务数据等。这个工作就是我们之前说的工程类里的架构师包括底层的研发做的。

数据分析师就是在它的基础上面进行挖掘建模算法,包括可视化等等非商业应用分析。分析出来的作用是什么?高层做决策、去数字化管理、做产品的优化、数据化运营等等。提高企业价值的,就是数据分析师干的事。

数据分析师的职业发展通道我就简单的说一下。

工程类方向和大数据分析方向,这是两个不同的方向,工程类里面也可以分成了两个方向。比如说他去卖云产品,那么这一群卖云产品的人实际上是必须要懂云相关的知识,那也就反过来讲,如果说一个学大数据工程方向的同学,那么你未来就业的时候如果往技术方面去走,那就走工程类,之后我觉得我特别适合商业销售类的,那我们也可以做数据分析。

数据分析师刚开始是实习生,后面做一些助理数据分析师的工作,到bi的报表,智能的工作包括商业数据分析师算法模型,然后成为高级数据分析师专家,最后就是CDO(首席数据官),CDO是一个新职务,是数据分析师的最高殿堂。

数据分析的红利

第一个:弯道超车。大数据分析师的这种岗位需求越来越多,而目前市场上的大数据分析师是很少很少的,不瞒大家说我们公司在招数据分析师,现在招了三个月,我一个数据分析师都没看上,所以没办法,要自己去培养。大家起步的时候都是一样的,而有能力的科班生明年才出来,出来之后他还不是很专业,所以这个时候的话弯道超车的机会还是有。

第二个:越老越吃香。数据分析师这个领域岗位是你越有经验越好,就像那个原来我们讲的会计专业一样的,他是凭经验吃饭的,业务能力和经验很重要。

第三个的话是未来的前景。有一两年工作经验的数据分析师,只要你有成功的案例或者做过的项目,基本上是在20~30万的年薪是一点问题都没有。像阿里,百度,腾讯这种BAT的公司做数据分析师专家或者做数据科学家,年薪基本上都是300万以上。

可能从数据分析的职业红利角度来讲,也就是两三年时间,这两三年大家尽量早的学习数据分析的相关知识体系,那么未来的话你可能在这个领域里面,就成为第1批的首席数据官。

另外我今年看到一个数据,今年的研究生报考专业数据统计和数据分析专业的人特别多。所以大家的直接视觉感还是比较灵敏的。

我这段时间我发现,我在贴吧里面包括我的邮箱里面还有很多的同学们问,能不能给出一个正确的学习路径。

我做了20个专业的学习路径,想要这个路径图的同学们可以在群里面去找我们的小九老师预约。

如果说有什么数据分析方面的问题,大家可以给我们留言,我和我们的专家团队,都会认真的去对待,为大家去解惑,然后指导大家如何去学习,这是我们九道门商业数据分析学院的责任,我们也非常乐意为大家做。

浅谈企业为什么要上云?

昨天有幸参加了第二届中国工业互联网大赛东部(长三角)赛区决赛的颁奖现场,期间浙江省经济和信息化厅副厅长吴君青致辞,表示浙江省产业数字化程度将位居全国前列,同时以项目ET工业互联网平台应用创新推广会宗鑫、中国杭州、杭州工业互联网、中国工业互联网研究院浙江分院等一大批重大产业生态培训平台正在加速位置交通互联网加速发展,为企业数字化转型注入了新的强劲动力。对于数据分析从业者来说,这是一个非常强有力的信号。

从吴厅长的发言内容可以看出,现在企业数字化转型已经是势在必行甚至是迫在眉睫的一个举动了,那企业上云就是帮助企业数字化转型的一个重要举措,同时,数据分析对企业来说就是一个不可或缺的工作组成。

那对于我们现在来说,有一个很大的词,叫做产业互联网、产业数字化,我们中国工业互联网小镇,短短的一年零两个月就落地了将近五十家企业,大多都是相关工业互联网的一些优秀企业,但是这些企业很多并没有数据分析的部门,甚至都没有重视数据分析的工作对企业决策的一个驱动性作用。那么有了这些优秀企业的资源,你用什么平台去汇聚整合,那如果企业都上云,那就可以让大家在一起相互探讨,怎么样去发展工业互联网,能更好的洞察到未来生态的发展趋势,同时在企业内部加强数据分析的决策作用,大数据时代,数据为王,通过数据分析部门的分析处理,为企业决策提供最精准的建议或者数据分析部门直接参与决策,那在企业上云的阶段,数据分析部门也可以同步参与进来。

那我们以阿里为例来讲一讲,阿里巴巴作为一个互联网公司,在企业上云的部分做了很大的贡献,但是我们深知工业互联网和消费互联网的做法是完全不同的,或者说是有着巨大的差异,那浙江省分管工业的领导在现场也提出了,每个行业的制作工艺、制裁上都是不同的,那就需要有一个平台,让大家可以通过这个平台可以把IT和OT结合到一起,那其中包含了一些边缘计算平台,将一些边缘性的东西通过计算平台可以和云平台做一个结合,实现更多的数据在云上的一个算法优化。

那企业上云主要可以实现内部协同、外部生产协同、外部产销协同以及产业的整体协同,帮助我们的企业公布预期,整合不同的系统位置,那如果我们今天把影响大家的一个数据都整合放在同一个平台上,数据分析部门可以在这个平台上采集所需的数据,然后进行数据清洗及数据分析,那我们的企业在国际业务创新上、实现自动化上才有可能实现。由此可见企业上云是必须且必要的,同时,数据分析部门也将在上云之后得到长足的发展。

我们要考虑的怎么实现企业内部提高整个生产要素的所有收益,如果我们把整个生产场景实现智能化,那我们就可以在云上实现更好的协作,我们工厂内部的智能化、数字化,讲给我们的产业链提供非常大的帮助,帮助我们实现生产效率最大化,数据分析部门也可以通过这些手段来提高自己的分析质量和工作效率,那企业上云将对企业的未来发展以及战略制定产生巨大的影响。

下面就是外部的一个产销协同,那最终我们的生产还是要涉及到一个销售的问题,未来一定是以市场为导向,市场需要什么,通过什么消费数据来反映的,那我们再去生产这一块的产品,这些数据我们今天在工厂中其实已经用到了,日常处理一些数据,以及整合背后的技术。

企业上云之后,不但可以提高生产效率,还可以大大降低企业信息化构建成本和生产运营成本,改善企业工作效率,提升企业的管理水平,使企业内部的运营管理更加规范。同时对数据分析人才的需求也更高。

数据分析师的蜕变,来九道门数据分析学院就对了

      “刚开始的时候,我因为不会工具,压力特别大,情绪一度失控,当时老师们都安慰我,宋同学还给我买了一杯奶茶,还好我坚持了下来,通过2个月的学习,有了现在的变化。”九道门数据分析实训课,第6期学员毕业典礼上,钱婷同学如是说到。

钱婷,在所有九道门的师生眼中,是一个拥有小身板大能量的小仙女,从一个数据小白,顶着压力学习成长,最终获得意想不到的成长。犹记得她第一次上台做数据分析报告时气场全开、逻辑清晰、声音洪亮,惊艳了在场的所有师生的场景。

10月10日,是九道门数据分析学院第6期学院毕业的时间,也是他们做最后一次数据分析项目提报的时间。钱婷同学小组做的风雪户外511产品分析项目,与黄皓秋同学小组做的亚马逊跨境电商数据分析项目,作为本期学员的毕业代表作,由二人分别向来自国外的商业大佬们做他们第四阶段的企业真实项目数据分析报告。

“我觉得你们做的非常好,水平非常高。一方面是强将手下无弱兵,另一方面也是大家都特别的优秀,尤其是做的这个数据分析报告逻辑特别清晰。这不仅仅是教技术操作,还是从数据出发,讲数据在实践中的应用,通过数据分析指导业务决策。”听完数据分析项目汇报后,原美国某家银行高管、目前致力于大数据实地建模与应用的经济学博士部瑞志老师给出了高度评价。

“这个确实替我们做了很多我们自己做不到的事情,在这个基础上跨境电商还能做的更好!”常驻中国从事跨境电商的国际友人高兴(中文名),在听完黄同学关于亚马逊跨境电商的分析报告后如是说道。

期间,部瑞志老师多次谈到了与九道门学员的后期合作,这样的信号,给学员们步入职场提供了更大的信心,也证明了九道门学员的优秀。

毕业典礼上,每位同学都简单聊了自己的学习感悟,每位同学在九道门都有成长,都得到了自己预期之外的收获。正如宋毅同学所说:“我是转行来学习的,本来只想着来学点知识就行了,结果学着学着发现,数据分析可以运用到生活的很多方面,现在对数据分析越来越入迷,特别感谢赵老师和彭老师。”

九道门数据分析学院,用心对待每一堂课,全方位为学员成长而努力。我们期望毕业的每位同学,都能在数据分析领域大展身手,凭借在九道门数据分析学院学到的能力,在各自的职业生涯中闯出一片天地。