选专业这件事情，往前看十年，那时候基本都是父母做主，大多都是文科生选国际贸易，财务，管理。理科生选土木工程，建筑，电子信息。但是十年变化之大，现在选专业还能盲目吗？申老师专业介绍系列来喽，为你详细解读目前和未来都有广泛应用的专业——数据分析。
这是一个正处于上升阶段的朝阳行业，目前既熟悉行业又精通数据分析的人才匮乏。麦肯锡全球研究院的研究预测在未来6年，同时具备通过分析大数据并为企业作出有效决策的数据的管理人员和分析师也有150万人的缺口。 目前大数据人才供给指数仅为0.05，属于高度稀缺。在bat企业招聘的职位里，60%以上都在招大数据人才。
看下面这个案例：
“曾经我也以为，作为一个文科生，只要写写稿，没事读读书就vans了。没想到，当我正式走上职场，主管让我分析这个月公众号的数据，做一个可视化的分析报告时，我一下子晕了，这要怎么分析，又要怎么做可视化的分析报告呢？
我需要分析哪些数据？
数据要从哪些渠道获取？
数据分析有什么方法论吗？
分析数据要用到哪些工具？
怎么把这些数据用直观的方式展示出来？
直到我问了一圈身边的同事，才好不容易一知半解。 作为一个新媒体运营，我不只需要会写推文，也不只是看阅读量和点赞量，还要结合打开率、分享率等数据来综合分析 。 除此之外，如果能用一些“可视化”的方式展示，就会给读者留下更好的印象。”
通过上面的这个实实在在的案例，你还觉得自己学文科会写文章会编辑会翻译就ok了吗？
你的技能远远不够！！企业越来越需要复合型人才，每个岗位都需要掌握一些技术层面的知识。这种情况下，在本科有了专业背景后，硕士读一个数据分析专业就能很好的补足学生的短板。
数据分析专业应用广泛吗？
连新媒体运营都要做数据分析，那其他岗位呢？
世界顶尖咨询公司麦肯锡曾对此发表过看法： 数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。
以上这些岗位，通通需要！
越来越多的企业在招聘笔试、面试中也加入了有关数据分析的考题。 运营、产品、市场、人力、行政、销售……当你求职时，你会发现一个公司里，几乎所有的岗位都会重点强调“数据分析能力”。
在大数据时代，没有人不需要和数据打交道，真正会数据分析的人，早就丢下你 好几万年薪的距离。而对数据敏感，会数据分析，可不仅仅是在简历上写一句“精通excel”就可以证明的。
精通excel≠数据分析
很多想接触数据分析的小白，可能以为数据分析像建模一样难，也有人以为excel就是全部。数据分析到底难不难？我可以负责任地和你说，不难也不简单。数据分析，简单来说就是将现实中的问题抽象成一组组有序的数据，并将一组组枯燥无味的数字，运用到现实问题的解决中。
具体来说，数据分析岗位的工作包括：
- 理解公司业务存在的问题、发现需求
- 数据采集、清洗及建模
- 数据可视化，生成分析报告、图表，为企业决策提供参考和指导
然而，目前标榜自己会数据分析的人中，70%只会用excel做个简单的数据图表而已。 大部分人没有数据思维，就算有了数据也不知道分析什么？
数据分析的课程一般可以分为以下六大类：
1.描述性分析﹙eiveanalysis﹚，主要通过分析数据描述过去发生过的事情以及将要发生的事情，例如运用计算机与数据管理技术分析公司过往的营业数据并基于此进行预测。这类课程包括了分析编程、数据管理等课程，从中会学习到数据挖掘、提取、储存、建模、优化等知识以及一系列软件和工具的运用，比较常见的包括了python、r、sql、sas、tableau等。
2.预测性分析﹙preictiveanalysis﹚，主要通过检测数据分析特定的趋势是否会在未来得以延续。这一部分课程包括了统计分析学、随机分析、时间序列分析、数据管理等，它们对学生的数理能力要求较高，会涉及到统计学、概率论、不定量与双变量模型、条件平均模型、回归与拓展模型等随机分析内容、时间序列分析与预测、决策树、群集分析、关联分析等内容，也会涉及到一定的软件使用，例如sas。
3.规范性分析﹙preiveanalysis﹚，主要通过分析数据评估机构未来的最佳决策方案。这类课程包括了优化方法与建模、决策与风险分析等，会学习到优化所需的技能、工具和分析知识，如建模、风险管理、决策树、蒙特卡罗方法等技术内容。由于分析最终的目标是更好地决策，所以会涉及到一点商务知识。
4.应用课程与选修课﹙applicationsanelectives﹚，主要涉及分析在各个行业的应用。这类课程包括了投资分析、市场分析、定价管理、社会网络分析、运动分析等，学生可以根据自己的职业规划和需求进行选修。
5.实践课程﹙practicum﹚，为了让学生能够更好地联系理论和实际，很多学校和企业合作，安排学生和企业代表做商业项目，增强对知识理解的同时还获得了一个很好的社交机会。例如悉尼科技大学uts和一些公司进行合作，学生将在两个学期通过三门实习课和合作公司的人员组队去完成一个建模和分析项目，并向负责人呈现他们的战略和解决方案。另外实践课程还可能包含了fieltrip，学生有机会到纽约和硅谷参访企业进行社交，但这部分职业类内容更多学校是交由careerservice负责。
6.沟通课程﹙communications﹚，分析等量化技能是数据分析的基础，然而沟通、领导、合作能力依然是项目的重心之一，这类课程包括了商务沟通、管理沟通等课程。因此建议同学学习课程的同时要注意提升相关的软实力。
数据分析师的进阶之路
数据分析师不能只成为一个技术专家，要成为可以影响公司运作的人。
1 、成为数据技能超强的产品经理
产品经理的工作非常综合，既考验创意创新，也需要对用户行为和产品的逻辑进行深入的研究，经验丰富的数据分析师往往视野开阔，容易站在宏观层面去思考内在的联系。
优秀的数据分析师有好的产品感觉。以超强的数据分析能力作为背书，向产品经理发展，思维方式的优势，很容易让一个对数据敏感的产品经理脱颖而出。
2 、成为数据指导业务的运营vp
数据分析师常常需要通过挖掘数据背后的信息，解答市场运作的问题，指导高层的业务决策，进行精准的数据挖掘或广告投放。事实上，这也是越来越多对大数据有需求的公司招聘数据分析师的原因。
心理学、经济学和统计学加持的数据分析师，拥有普通运营人无法拥有的利器，以此作为切入点做运营工作，具有后来居上的潜能。
3 、成为管理或战略
事实上，除了公司高层，数据分析师是唯一站在高处俯视全局的人。一家互联网公司的各项工作，几乎都可以在数据上直观体现出来。
强大的分析和思辨能力，使数据分析师拥有鹰一般的眼睛。深度参与公司的管理和商业行为，成为一个谋划者甚至决策者，是数据分析师可以上演的逆袭。
4 、成为博学广识的数据科学家
随着商业的发展，越来越多的行业需要处理数据的专家，互联网 + 正渗透到广告、量化金融等各种各样的领域。数据分析师应保持开放的心态，多多学习视野之外的领域，成为既懂技术又懂业务知识的专家。
数据分析师不要只站在岸边看业务岗位的同事们游泳。半年都不懂业务的数据分析师是没有进入状态的。从技术人员到公司核心，数据分析师需要用开放的好奇心不断拓宽知识的疆界。
更多留学专业选择问题，请关注申老师的专业系列专题，或是联系申老师为你指导。
