
文章来源:接地气学堂微信公众号
作者: 陈老师
又到一年高考时,又要填志愿,很多人问:“想从事大数据行业的话,报什么专业比较好???”刚好一些同学也有类似问题,今天系统解答一下
直观感觉是:从事数据相关工作和学什么专业没啥关系。特别是,如果把眼光放到部门级领导或以上,就更跟专业没啥关系了。陈老师接触超过200个企业,没有看到特别集中的专业,可见后天努力比先天选专业更重要。但是专业、学校、学历是大家求职的敲门砖。特别是高等教育越来越普及,即使都是敲门砖,某些砖还是更好使的。所以可以按敲门的好使唤程度排排序。
第一位:应用数学
陈老师本人就是被这四个字拖下水的。因为普通大众都对数学两个字深有敬畏。一听说这哥们居然读大学敢读数学,心中一股:卧槽牛X啊!之情便油然而出。如果是985的应用数学,那哥们,就你了。于是各种数据相关的事都会优先拉上你干。明明我研究生是学管理学的。可who care!这数据的活就该你干,你不行你也得上……
O(╯□╰)o
第二位:计算机相关专业
近年来企业招的数据分析师,其实大部分应该叫:数据程序员。基本上都是进公司跑数据的,不做啥“分析”,因此计算机相关专业会有优势。毕竟写代码写的多吗。数据仓储,算法这些就更依赖开发能力,这本来就是计算机专业的范畴。
第三位:市场营销、企业管理专业
实际上,真要做分析的话,需要懂商业知识+有分析思路,这一点文科生会更擅长。而且市场营销、企业管理等专业一定会学市场调查。因此对于数据处理、数据分析的基本操作是了解的。未来走咨询、数据运营、数据分析、市场研究、行业研究的路线是很OK的。
第四位:心理学、社会学
不要小看这两个专业,这两个专业对于数据的应用能力绝对远远超过上边三个专业。知乎注明数据大V chenqin就是搞社会学的,那数据分析能力压倒一大堆只会跑数的表哥。心理学里提假设、设计实验、采集数据、验证假设的思路,就是数据分析的思路,一毛一样。因此这两个专业的数据部门领导还挺多的。
第五位:统计学
和应用数学相反,这是个被名字拖累的专业。人们往往惧怕数学,但一听统计就觉得:好一般哦。是不是就是掰指头数数的。严重低估了统计学的专业性。其实统计学是很适合做数据相关工作的。学统计的同学们思路活跃一点哦。
其他专业:其实完完全全和数据没有关系的专业很少。因为几乎所有的理工专业都要做实验,都设计数据、统计等理论,几乎所有文科专业都要学市场调查,都要搞实证研究。更本质的看,数据分析是一种技能,人人可以学,学了都有用,数据仓储才是相对专业的IT范畴。这是个要用数据说话的年代,懂点数据相关知识挺好的,工作学习两不误。
另:顺便把其他影响因素也一起说了。如果把眼光放到部门级领导或以上,你会发现,适合在数据领域成功的特征还有:
学校&学历:越高越好
985≥普通本科,研究生≥本科生。不要迷信那些所谓
“大专学生自学java三年年薪百万”
“高中辍学搬砖自学ios开发年薪百万”
“初中辍学自学python成为数据科学家进入BAT”
一类的鬼话。现在高等教育这么普及,对在校生而言,就是学历越高,学校越好越吃香。如果你还在学校,还有改变学历和学校的机会,一定要努力一把。如果已经工作了就算了。
星座:处女座
点评:你以为是擅长思考的天蝎……才不是呢,哈哈。这是个很玄学的现象:十个数据部门领导六个处女座。可能因为处女座比较纠结,做的东西很细,因此深得大老板赏识。
Pdp性格:孔雀
点评:你以为是擅长思考的猫头鹰……才不是呢,哈哈。这又是很玄学的现象:十个数据部门领导五个是孔雀。可能因为数据部门比较容易被冷落,孔雀张扬能来事,更容易让大老板看到成绩。
特别提醒:
大学不是职业培训学校,更不是企业的新员工入职培训。所以大学学的课没法直接用到工作上是很正常的。如果有:培训培训就上岗的想法,应该直接去读技校,不要上大学了。想提升实操能力就去找实习,从最基础的地方做起。搬搬砖再回来看看理论,会有更多深刻的认识。
大学能给到每位同学的资源,包括未来的老公/老婆,包括身份认同、包括社交圈子、包括见识增长、包括底层能力提升、包括求职/创业的敲门砖,都是很宝贵的资源。所以不要一门心思的琢磨怎么在四年后当一头合格的社畜,有的是各种选择留给大家,不要辜负了美好时光才是。
祝愿每位学子不负韶华,学有所成。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03