數據分析師的就業(yè)前景是廣闊的。

1、人才缺口大，IT時代逐漸被DT時代取代，用理性的數據分析代人工的經驗分析成為主流，數據分析人才的供給指數僅為0.05，屬于高度稀缺。

2、入門相對簡單數據分析是一門跨領域技術，不需要很強的理工科背景，反而那些有市場銷售、金融、財務或零售業(yè)背景的人士，分析思路更加開闊。

3、薪資待遇高1-2年工作經驗的大數據分析崗位的平均月薪可達到13k左右的水平。崗位的薪酬和經驗正相關，越老越值錢。

4、行業(yè)適應性強幾乎所有的行業(yè)都會應用到數據，數據分析師不僅僅可以在互聯IT行業(yè)就業(yè)，也可以在銀行、零售、醫(yī)藥業(yè)、制造業(yè)和交通傳輸等領域服務。

5、職業(yè)壽命長數據分析職業(yè)一旦掌握，可以在職場上收益長久，掌握這門新興技術都會大有用武之地，受其他外部業(yè)務影響相對較小，職位相對穩(wěn)定。

數據分析師需要學哪些課程

一：計算機科學

計算機科學與編程入門(使用Python)計算機系統工程：本課程涵蓋有關計算機軟件和硬件系統工程，控制復雜性的技術的主題;使用客戶端-服務器設計，虛擬內存和線程的強大模塊化;網絡;并行活動的原子性和協調性;恢復和可靠性;隱私，安全性和加密;和計算機系統對社會的影響。算法簡介：它涵蓋了用于解決計算問題的常見算法，算法范例和數據結構。人工智能：本課程向學生介紹人工智能的基本知識表示，問題解決方法和學習方法。

二、數理統計

應用數學：面向計算機科學和工程的離散數學簡介。

概率與統計簡介(使用R編程)：本課程對應用中的概率和統計進行了基礎介紹。主題包括：隨機變量，概率分布，貝葉斯推斷，假設檢驗，置信區(qū)間和線性回歸。

線性代數(使用R編程或其他數學工具)：本課程涵蓋矩陣理論和線性代數

統計/機器學習(使用R編程)：介紹數據分析的核心算法，例如線性和非線性回歸的類型，分類技術，例如邏輯回歸，樸素貝葉斯，SVM，決策樹(香草決策樹，隨機森林，增強)，無監(jiān)督學習方法(例如聚類，神經網絡介紹)

高級機器學習(使用Python編程)：專為對人工智能有濃厚興趣的學生而設，側重于圖像/文本處理的神經網絡。

三、領域專長

理想情況下，這些應該基于工作興趣/領域，以便每個學生都選擇一個專門領域(例如，Web開發(fā)，移動應用程序開發(fā)，數據分析，營銷分析，供應鏈，財務，制造等)。

數據分析專業(yè)課程這里的核心主題應該是：

數據收集和清理：這應該包括使用開源工具(例如Python / R)從網上抓取數據，連接到數據庫等。此外，數據清理和ETL概念(例如重復數據刪除，合并，丟失的數據估計技術也無法創(chuàng)建)分析數據集。

數據可視化和報告：使用SAS / SAP或R / Python等工具創(chuàng)建BI儀表板，通過可視化和數據

數據分析應用程序1/2：以業(yè)務為中心完成端到端數據分析項目。在最后幾年中，應該重復兩次該主題。它應該非常重要地包括連接到實際數據庫和在生產中部署模型，而不僅僅是對靜態(tài)數據集的臨時數據分析。

高級數據計算：此處的學生應使用開源和專有工具(例如Hadoop / Spark，HANA或其他MPP數據庫)創(chuàng)建具有大規(guī)模數據分析的項目

數據分析類崗位目前的就業(yè)形勢是怎樣的?

企業(yè)的數字化轉型過程中缺少大量的數據分析人才，隨著市場的發(fā)展和進步，對于數據分析類崗位的需求會越來越多。不同的公司對于數據分析的崗位需求：

第一類：互聯網公司。

互聯網公司的特征就是用戶至上，我們要知道用戶喜歡什么，他的需求是什么，所以在互聯網公司中，對于數據的需求有三點 ①用戶洞察 ②數據提取 ③實時數據分析所以在這里主要的工作內容可能包括：從MySQL數據庫中提取數據，成為Excel數據透視表的高手以及生成最基本的數據可視化(如線和條形圖)。偶爾分析一下A/ B測試的結果，這樣的公司可以為你創(chuàng)造一個嘗試新事物和擴大新技能的環(huán)境。需求職位：統計分析員、數據分析師等

第二類：BAT等數據平臺企業(yè)。

大廠的特征就是我們就是數據，數據就是我們。所以他們的需求就是可以生產大數據驅動的產品和機器學習方向還有許多公司，他們的數據(或他們的數據分析平臺)就是他們的產品。在這種情況下，數據分析或機器學習的任務就會非常繁重。能對一個有正式的數學，統計學或物理學背景并希望繼續(xù)走一條更學術的道路的人來說是更理想的環(huán)境。這一類的公司可能是面向消費者的擁有海量數據的公司或者以提供數據為基礎的服務的公司。數據平臺類企業(yè)的需求職位：大數據工程師、數據分析師、數據挖掘工程師等

第三類：其他數據驅動的非數據公司。

這些公司是通過數據分析優(yōu)化產品，提升產品競爭力，他們所需要的是數據處理、數據分析、數據可視化。很多公司都屬于這一類，面試的公司關心數據，但可能不是一個數據公司。因此，進行數據分析，了解產品代碼，將數據可視化等等，這些能力是同等重要的。一般來說，這些公司要么尋求通才，要么尋找一個能填補他們團隊空缺的專才，比如數據可視化或機器學習方面的。