大一转专业建议转数据科学与大数据技术吗?

现普通双一流学生，女生，觉得自己的专业没什么前景，想转数据科学与大数据技术，以后打算考研，建议转吗？

数据科学与大数据专业是非常不错的，从就业的选择就可以看出。

数据分析的两个主要就业方向，一个是统计学方向，一个是运筹学方向，我们分别来看看这两者具体有哪些相应的岗位

首先是统计学方向。

这个方向的职位其实一直都有，只是说现在用的一些方法，技术手段得到了一定的提升。原来公司只有一些有限的经营数据或市场数据，基本上用 excel 就能解决了，现在我们有了很大的数据量，也有了更多的高级的分析软件，比如 SAS、R 等等。用这些软件，我们可以在大量的数据中，挖掘出一些核心的数据信息，来找出商业活动的驱动力。

从就业方向来说，最典型的是以互联网公司为代表的信息化程度比较高的企业。这些公司在日常业务中会产生大量的数据，数据分析人员必须从繁杂的数据中挖掘出有效信息，来给运营和决策提供支持。

典型的公司有 BATJ，其中一些相关的团队包括产品的运营团队、广告效果分析团队、游戏的用户数据处理团队等等。其他还有一些互联网公司，比如美团、携程、饿了么等等。

在这些互联网公司里面，数据分析工作主要分两个方向：

一个是做运营分析，就是前面讲的这类工作内容。

另一个就是产品开发的分析，比如把相关的数据抽象出来建模，做一些用于判断的模型，比如回归模型等，以 API 的形式，给到客户。客户只要把相关的数据导进去，就能通过这个模型作出一个判断。

比较典型的例子就是反诈骗的一些产品，背后是好人的行为数据，以及一些坏人的行为数据，做出一个「0」「1」的好坏判断模型。当你把一个不知道结果的数据，通过 API 接口输入进这个模型后，就会得出结论这个是好人还是坏人，从而对业务作出指导。

除了互联网公司以外，咨询公司也非常注重数据这块的工作。

比如麦肯锡，相关的数据分析已经成为公司的重要驱动力之一。

另外，四大咨询公司、一些 IT 咨询公司，比如埃森哲、印度的 Infosys 等，以及一些本土的咨询公司，比如久谦，还有老牌的基于数据分、市场分析的公司，比如尼尔森，也有相应的数据分析岗位。

那数据分析主要用于咨询公司的哪些业务呢？对于咨询公司来讲，通常业务分两大块，就是战略咨询和管理咨询。

战略咨询一般用到数据分析的情况比较少，因为战略咨询常常涉及到一个较长期的企业业务的未来规划，从有限的历史数据中很难判断出比较长远的未来走向。一般历史数据比较多用于当前或较短时间的未来预测。因此，在咨询公司中，数据分析主要运用在管理咨询业务中，作为决策的支持。比如说，我们经常做到的 CRM 这一类系统中，在我们拿到很多客户的数据后，会做一个用户画像，做完用户画像之后，我们知道了这个客户有什么特点，我们可以基于概率或者回归做一个推荐系统，把相关的广告或者产品推送给客户。

另外，我们还可以做一些行业的分析。比如说，我们在第三方网站上面拿到了一些基于地理位置的数据，例如在一个区域有多少餐馆，而客户是做零售饮料的，我们可以把这些餐馆的分布放到地图上，然后把客户的销售数据也放上去，我们就可以看出这些饮料在哪些地方卖得比较好，哪些地方卖得不好。如果卖得不好的地方，它本身又有跟卖得好的地方一样的潜力的话，我们就可以据此提出相应的一些提升建议。

还有一类常用到数据分析的公司呢，就是金融企业，尤其是现状互联网的银行、保险公司等为主，主要偏向于相关的零售业务和风控业务。比如像国有的四大行，以及其他的商业银行，比如招商银行，零售和风控这些数据分析驱动的业务已经非常成熟了。

比如当你打开招商银行的 APP 时，会发现根据你的使用行为和情况，它会做一些相关的推荐。另外一个比较典型的例子是在蚂蚁金服上面，你会发现你有一个芝麻分，这个芝麻分也是通过数据分析、建模打出来的，那根据不同的信用分，你会得到一些不同的待遇。

另外，在保险公司数据分析是怎样应用的呢？保险公司也会给客户做用户画像，这些画像都会有一个对应的组，不同组里的人，保费也是不同的。比如在车险中，某类人的车是红色的，而且长期跑长途，那么他们面临的风险是什么情况，根据这样的情况，保险公司会给这些人设定一个特定的保险费。总结来说，在保险公司中，用到数据分析比较多的就是做一个一般业务运营的分析，以及风控的方案。如果保险公司的方案做得非常成熟的话，有可能会对外输出成为一个产品。

第四类会用到数据分析的就是软件公司。软件公司一般通过将这些模型标准化、产品化，做好交互之后，将一个完整的产品卖给客户。客户拿到这类产品后，只要将自己的数据导进去，进行一定的操作，就能得到一些有价值的结论。

最后一类公司是传统企业。这些传统企业可能之前的信息化程度较低，比如制造型企业，制造业之前的一些销售数据，可能没有做到一个很好的累积，借着整个商业社会信息化的趋势，这些企业发现在这些数据中有许多发现 insights 的机会，所以逐渐开始重视。之前我在美国的 AMD 公司实习过，公司内部有一个很庞大的数据库，记载了公司许多年的销售数据，我们就会拿这些销售数据，做时间序列分析，发现它在某一个时间区间内的趋势，并拿这个趋势来用于未来销售情况的一个预测。对于这个公司的指导意义，在于知道在某一个时间段它的订单量会上升，会上升到哪个程度，那么就可以让它的生产部门提前做好生产准备，来应对销售的高峰

另外一个数据分析的就业方向是运筹学的方向。

运筹学方向的工作呢，主要是解决一些优化的问题，可能学过相关知识的同学会比较清楚。除了我们最简单的线性规划以外，也衍生了很多其他的优化方案，比如动态优化、随机优化、排队等等。就是说你在有限的约束条件下，能够得到一个最优或者局部最优的解。

这些方案在实际应用中也非常广泛。比如我们生活中用到的嘀嘀打车里面的路线规划的这类问题。这是个动态优化的问题，比如你拼车有多少个乘客，怎么给司机安排最优线路，保证能捞上所有乘客的同时，整个运行的路线最短最快捷。那在运筹学的方向，主要的就业公司还是咨询公司。对于咨询公司来讲，它会给客户提供优化方案。比如在制造企业里面，怎么去提升你的生产线的效率，这是一个排产的问题。你要先生产什么，再生产什么，能达到你总的用工时间较短，或者说中间产生比较少的堆积情况。这也是比较偏重运营分析，给运营工作提供一些决策支持相关的工作。

另外就是专门的作一些优化软件解决方案的软件公司，较典型的比如说 Aspen Tech，它的产品在石油行业里面也是优化排产比较有名的一个软件，全球 70% 以上的石油公司或者说炼油企业，都会用这个软件给自己的生产线做排产。因为石油企业的产品种类、原料种类都比较多，流程环节也比较复杂，这个软件解决了怎样排产能够在完成这个月生产计划的情况下，成本最低，利润最高的问题。

另外一个典型的公司是 LLamasoft，这个公司是专门做供应链优化的。在里面从事的主要是模型开发、产品开发这类工作。如果你能胜任的这类工作的话，也可以去这种公司做一下数据类工作，如果你将来想转行去做销售或者市场的工作的话，这边的工作背景会给你提供很大的支持。因为这家公司比较偏向于技术产品销售，如果你对产品的原理和优势不清楚的话，很难把你的产品很好地卖出去，因为买方会找一些相关的技术人员与你做对接，这些技术人员对这类知识了解得是比较清楚的。

除了这些第三方企业之外，还有一些直接会用到这些软件的企业，比如 Uber、滴滴，还有像顺丰等物流企业，肯定天天都会遇到这类问题。比如在上海这一个城市内的派件，你怎么去安排中转，用什么车，走什么路线，可以在一天内把派件都成功送达，或者让 delay 的情况最少。还有像 UPS 这一类国外的物流公司也是一样的，都比较多涉及到一些内部的产品开发工作。

使用 App 查看完整内容目前，该付费内容的完整版仅支持在 App 中查看
🔗App 内查看

一般这个专业出来最多干的就是数据分析师， 算法工程师， 或者大数据开发。

我自己是数据分析师，已经在这一行干了5年多了。你说这个专业的前景怎么样，建议不建议转这个专业。
我觉得我们都很难判断，我们只能做的就是告诉你这个专业能做什么，以及这个专业做的工作是否是有前途的
你先看看数据分析师的前景， 我自己是觉得目前数据分析师还是具有一定的前景的。
前景无非分为：
1.工作好不好找
2. 待遇方面
3. 发展前景等

• 工作好不好找
  

现在基本上所有的企业都需要数据分析,
比如传统国企行业, 三大运营商, 电信, 联通, 移动, 对数据分析的要求有绝对的干需,
还有银行业, 比如汇丰银行，招商银行, 广发银行,
外企: 宝洁, 领英, eBay， 微软, IBM， Airbnb, uber, facebook, google 等
互联网: 互联网的行业简直就是数据分析师的重大需求地， 为什么呢, 你想想淘宝， 微信， 百度， 微博是不是你经常在用的app, 这些经常被用户使用的就会拥有很大的用户体量, 这些就是我们所说的大数据， 这些大数据要想挖掘出数据的价值， 就很依赖 数据分析
传统零售业: 美的, 立白， 屈臣氏也是大批量在招数据分析
这些数据分析岗位可以去 拉勾网， Boss直聘, 脉脉， 领英上找
数据分析师, 市面上的岗位很多, 主要就是看你自己水平
2. 待遇方面
整个市面上的工资待遇不同的公司差距较大， 但总体来说, 基本上都是在10k 起步， 高的可以达到30k 以上， 根据你的背景以及工作年限而定的
从初级分析师到中级到高级到专家， 工资也会随之飞跃








3. 发展前景
数据分析师的发展总体来说, 后期主要有几条路线
(1) 数据分析师专业路线， 这种到后来基本就是成为数据分析专家， 成为一个专业方向的专家
(2) 转管理, 这种到后期基本是成为数据分析组长或者总监，来管理一个组或者一个部门
(3) 转其他方向, 数据分析因为是跟业务很紧密的一个工作, 所以就可以往产品运营方向来转,或者往数据产品方向来转
那么， 这么好的数据分析前景应该怎么学习呢，
经过多年的摸索以及工作经验， 我总结了以下这些数据分析需要学习的东西
总的来说数据分析需要的技能分成5个方面:

1.数据体系的搭建
什么是数据体系搭建呢， 简单来说比如我们天天用的微信, 我们要知道每天有多少人打开, 有多少用了朋友圈, 有多少发表情, 有多少发消息， 发的朋友圈中平均点赞数, 评论数等等有多少这些都需要用数据去看
我们搭建一套可以用来监控和评价产品或者功能的走势的东西就叫做数据体系
数据体系可以参考的文章
PM和DS必须懂得数据运营指标搭建
产品和数据应该懂得的AARRR

2. 数据分析方法和思维
在数据分析的工作中, 我们是不是经常会遇到拿到数据分析问题, 不知道从哪里开始, 这需要运用专业的方法去分析相对应的问题, 这些都需要专门的数据分析方法论去分析。
常用的数据分析方法论如下:
数据分析方法和思维—RFM用户分群
数据分析方法和思维—相关性分析法
数据分析思维和方法—用户画像分析
数据分析方法和思维—对比细分
数据分析方法和思维—拐点法和分位数法
数据分析方法和思维—5w2h
数据分析方法和思维—麦肯锡逻辑树分析法
数据分析方法和思维—漏斗分析
数据分析方法和思维—aha 时刻
----------可以参考我耗时2年出的数据分析书籍--------------




具体内容直达京东


3. SQL
在做数据分析之前, 我们必须从数据库或者数据仓库中取出我们需要分析的数据, 并进行加工处理, 这就需要我们熟练掌握sql 取数技能
学完以后能够了解 select from where group by 以及各种sql 函数的用法
<a href="http://link.zhihu.com/?target=https%3A//www.w3school.com.cn/sql/index.asp" class=" wrap external" target="_blank" rel="nofollow noreferrer">SQL 教程
SQL 教程 | 菜鸟教程
SQL数据库实战题_面试必刷+解析_牛客题霸_牛客网
4. Excel 技能
excel 主要是用来对数据进行汇总排序筛选等处理, 以及制作各种可视化的图来作为数据报告进行展示汇报等
学完能够了解excel 的数据处理的一些函数的用法以及排序， 筛选, 数据透视表, 作图(直方图, 折线图, 饼状图)等等
怎样用 Excel 做数据分析？
秦路：七周成为数据分析师—Excel实战篇
SYLVICE：Excel 数据分析案例分享

5. python等编程技能
学习python 的基础编程知识, 以及利用python 去做机器学习建模
为什么要学习python呢, 现在的岗位招聘已经开始要求我们能够利用python 进行建模来解决业务中的问题，常规的问题有:
（1）如何预测用户留存/流失
(2) 如何预测用户付费
(3) 销量预测/用户数预测/dau预测/mau 预测
(4) 如何对用户进行分群
python 学习的资料:
人工智能LeadAI：Python数据分析学习路径图（120天Get新技能）
李铭：机器学习与建模知识点总结及Python实现（二）
学习的过程是可能需要付出很多心血, 但坚持是成为一个优秀数据分析师必然要经历的过程。
数据分析的学习之路, 并不是学的越多越好, 而是要将学习的方向明确好, 再使正确的力, 这样才可以在正确的方向 做正确的事。
码字不易， 求个赞哈, 欢迎关注公众号【渔好学】

另外，我整理了一些数据分析相关的书籍打包好了送给大家，记得关注我
@渔好学
）


（点击下面链接，就可以获取上面资料啦）


错过了，需要再等一年的数据分析书籍​mp.weixin.qq.com/s?__biz=MzI1MDAxODkwOQ==&mid=2247484536&idx=1&sn=dd6a62cd4077a5ef5e5348be4a0ceb96&chksm=e989e94adefe605ca255439f6bf977e4e11eb92d817dabee285a8b5894b8efb74cd0f04d83d3&token=1298063658&lang=zh_CN#rd​mp.weixin.qq.com/s?__biz=MzI1MDAxODkwOQ==&mid=2247484536&idx=1&sn=dd6a62cd4077a5ef5e5348be4a0ceb96&chksm=e989e94adefe605ca255439f6bf977e4e11eb92d817dabee285a8b5894b8efb74cd0f04d83d3&token=1298063658&lang=zh_CN#rd​mp.weixin.qq.com/s?__biz=MzI1MDAxODkwOQ==&mid=2247484536&idx=1&sn=dd6a62cd4077a5ef5e5348be4a0ceb96&chksm=e989e94adefe605ca255439f6bf977e4e11eb92d817dabee285a8b5894b8efb74cd0f04d83d3&token=1298063658&lang=zh_CN#rd​mp.weixin.qq.com/s?__biz=MzI1MDAxODkwOQ==&mid=2247484536&idx=1&sn=dd6a62cd4077a5ef5e5348be4a0ceb96&chksm=e989e94adefe605ca255439f6bf977e4e11eb92d817dabee285a8b5894b8efb74cd0f04d83d3&token=1298063658&lang=zh_CN#rd​mp.weixin.qq.com/s?__biz=MzI1MDAxODk​mp.weixin.qq.com/s?__biz=MzI1MDAxODk​mp.weixin.qq.com/s?__biz=MzI1MDAxODkwOQ==&mid=2247484536&idx=1&sn=dd6a62cd4077a5ef5e5348be4a0ceb96&chksm=e989e94adefe605ca255439f6bf977e4e11eb92d817dabee285a8b5894b8efb74cd0f04d83d3&token=1298063658&lang=zh_CN#rd​mp.weixin.qq.com/s?__biz=MzI1MDAxODk

想要转数据科学与大数据技术专业，其实首先还是要结合自己的兴趣进行选择，毕竟有兴趣的话就会有一定的学习动力，兴趣是最好的老师，这永远不会差。
其次，你了解数据科学与大数据技术专业是什么吗？

数据科学与大数据技术：主要研究计算机科学与大数据处理技术等相关的知识和技能，从大数据应用的三个主要层面出发，对实际问题进行分析和解决。比如说淘宝、抖音可以根据你的浏览数据匹配你的喜好，并为你进行推荐，电子地图可以根据交通情况为车辆规划最有路线。

大数据岗位详情大数据专业做为交叉性比较强的专业，涉及的内容比较错综复杂，数学、统计学、计算机基础好的人学起来会有一定的优势，所以，你要考虑到自己的学习能力与接受能力。
最后，你对数据科学与大数据技术行业了解吗，其就业前景如何，你是否进行了全面的考量，如果以上几点都考虑过了，我觉得转专业学习数据科学与大数据技术也是可行的选择。


数据科学与大数据技术人才需求情况

有数据显示，大数据研发工程师、产品经理、人力资源、市场营销、运营、数据分析是互联网行业需求最旺盛的几大职位。
大数据人才的需求将持续的大幅度的增长，在未来的几年内，大数据人才市场的缺口会达到180万，而可用的大数据人才只用46 万左右，大数据高端人才如数据科学家的缺口在14-19万之间，可以利用大数据做决策的分析师和经理缺口达到150万，数据分析师的需求也变得越来越旺盛，并且其薪资待遇也是非常的可观，以北京为例，大专学历其月平均工资可拿到12.1k，本科学历可以拿到20,2k,硕士学历可拿到22.9k,有了工作经验后，会更加注重大数据技能，看重的是能力，能力越高，随之，工资越高。
数据科学与大数据技术学什么

作为一个交叉性比较强，较为复杂的学科，数学、统计学、计算机作为其支撑学科，医学、经济学、管理学等为辅助的学科，除此之外还要学习数据采集、分析、处理软件、计算机编程语言的学习，培养出来的是复合型的跨界人才。
课程以中国人民大学为例：
基础课程：数学分析、高等代数、数据结构、程序设计导论；
必修课程：离散数学、概率与统计、算法分析与设计、数据计算智能、计算机系统基础；
选修课程：数据科学算法导论、数据科学专题、数据科学实践、统计学习；

我觉得大数据是未来仍然一个方向，虽然未来5G的普及，万物互联产生的海量数据是蕴含着大量的信息的，包括大数据挖掘，人工智能都是需要大数据技术为基础的，建议做计算机行业的同学想做的话，可以及早学习。
说说我的经历吧，我的专业名字很多人可能没人听过，叫做“信息与计算科学”，乍一听，这是个计算机专业，其实不是的，这个专业隶属于数学学院下面的一个专业，该专业是数学与计算机的结合体，所以我们专业有很多人都转行做了计算机，我是转行做了大数据，还有做C#、C++的。
要学习大数据，主要还是靠的经验，对分布式的理解，对各个组件的灵活使用，对各种大数据场景下面的解决方案。
可以说，需要涉及的知识点非常多。
你以为学习大数据，你就只需要学习hadoop生态圈的组件就行了吗，你还得学习Java，mysql，redis等等。随着新技术的出现和应用，docker，k8s也得学，因为同行都在用，是有应用场景的。
先说说hadoop生态圈 的组件，官网列出的组件有很多，但是实际上主流的大数据组件可能不超过十个：hadoop，Hbase，Hive，Spark，Flink，Kafka。学习建议，大数据组件那么多，可以重点学习这几个。 - 柯广的网络日志
这些组件如果能熟练使用，了解一些底层实现和源码，找到一个差不多的工作应该是没问题的。

你好！

就我的个人经历来看，女生学习大数据还是有一定优势的，但是学习大数据的女生相对于男生少很多
1、一个大数据班级中女生数量一般不超过2个
2、一个大数据开发团队中女生数量平均为1个
可以看出，女生不论是在学习过程还是工作工程中都是国宝级别
那么，女生到底适不适合学习大数据呢？
1、相对于男生来说，女生学习大数据会吃力一些（女生多为感性思维），当然也有相当多的女生是可以学好大数据的。
2、目前就女学员的就业情况，就业率100%，就业薪资平均15K左右
女生学习大数据相对于男生来说还是比较少的，要选择大数据前一定要考虑清楚自己的职业规划，大数据的工作状态是否可以接受等等情况！
希望的我答案能够帮助到你，知乎专栏从头学习大数据 可以供你自学参考，尝试一下自己能不能看懂！