数据分析在各行各业的应用

数据分析在各行各业的应用
计算机、金融、财务会计、医药专业、艺术专业、语言类专业、法律专业、设计、电商
相信很多人都听到过不少次数据分析这一词，而数据分析这个次近几年来随着互联网的快速发展，成为商业世界中的流行语
很多具有远见卓识的公司很早就已经开始去“智能地使用数据”，来收集用户行为画像，对业务进行风险分析或者是对企业进行更有效地管理
一般来说越是大型的，数据丰富的公司，尤其是那些会有严格监管的大型公司，多年来一直从事以数据为主导的决策
企业为更好地了解其客户而进行的数据分析先驱-随后的数据分析被用于开展针对性强的目标有影响力的营销活动，来引导企业进行更快速的成长，
下面开门见山带大家看一下数据分析岗位所在的典型行业
在这里插入图片描述互联网、金融、电商、内容文娱、数据服务等行业是重点，占行业岗位的57%

企业需要通过数据分析、信息管理以及信息技术等方面的能力，同时还要培养这些方面的优秀骨干人才，才能避免核心人员断层，这样才能拥有长久的核心竞争力，从而立于不败之地

接下来依次带大家了解一下，各个行业，数据分析相关岗位的要求

一、电商行业

电商数据分析业务流程（相对）简单，容易理解。各岗位职能联系比较紧密，整体入门门槛比较低
敲重点：电商行业数据分析指标就是“人”“货”“场”三个维度
在这里插入图片描述

二、金融行业

金融行业一般业务比较错综复杂，各岗位所需的专业知识水平都比较高，会比较看重毕业专业
因此金融专业的同学，从事数据分析相关的岗位，还是非常对口以及有优势的
咱们先看一下金融行业的典型岗位
在这里插入图片描述
我们再来看看，具体可以从事的岗位以及岗位要求
风控领域，比如银行信用卡中心、各公司经营有贷款产品（花呗、京东白条等等），都是有风控业务，且是一个非常重要的部门
保险行业，收入来源主要是用户支付的保费，但利润是保费和用户申请的理赔金额之间的差额
在这里插入图片描述券商数据分析师，包括了所有在金融平台交易背后，对债券、股票、基金、期货等金融工具的交易数据进行分析和预测的分析师
我们来看看具体岗位

当然不一定要做数据分析师，可以去其他岗位，但是要会数据分析
掌握数据分析的能力是关键

三、内容文娱行业

内容文娱行业可以分为两类内容平台
UGC平台（即用户生产内容），典型的代表如抖音、快手、微博、A站B站
OGC平台（即组织生产内容），典型的代表如爱奇艺、优酷等
这个行业，使用数据分析的大部分是UGC平台，且以短视频平台居多，比如抖音
抖音已经成了很多人消磨时间的一个常用工具了吧
平常大家有在玩抖音感觉收益挺可观的当个副业还是不错的
我们看看这些平台，招聘数据分析，这些分析师会在做什么？
UGC内容平台的运营，可以从用户、内容、生产内容的用户、以及促活活动四个方面着手，在平台发展的不同阶段，公司可能会采用不同的策略
在这里插入图片描述
内容审核方向的数据分析岗位

没有想到吧，连公司的广告审核，都是要做数据分析，以及通过数据支撑决策的

四、实体行业

一、针对生产线，通过分析企业内部生产工艺参数、大宗原材料质量指标、产成品质量等，找出不同原料质量下的最优操作参数，为企业生产操作提供支持
二、分析各大宗原材料供应商供料质量及企业对其的考核数据，优化供应商及考核指标，保证公司与优质供应商的双赢局面

五、医药行业

由于中国社会结构逐渐进入老龄化的水平，加上疫情的推进、智慧医疗的研究和发展，使得医药板块得到了很大的上升
所以医学专业的同学，也可以把自己本专业的知识，跟互联网技能相结合，让自己的就业方向能有多种选择，让自己的专业真正为自己的职业加持
简单看一下相关岗位的要求吧
在这里插入图片描述

六、法律行业

作为法律从业者，大家其实都知道，网络平台上发现侵权行为的，网络平台应当在收到通知后，在合理的时间内删除侵权内容，否则需和侵权内容发布者承担连带责任
Python在信息检索（爬虫）和信息整理方面有独到的优势，对于法学专业的同学帮助是非常大的
律师还可以从在线系统中存储和组织的应用程序中收集遭受类似事故的信息

七、设计行业

设计方面的小伙伴应该都听说过鹿班
在这里插入图片描述
阿里人工智能作图的，就是一个AI的程序可以一天内做很多的海报和页面
设计师确实需要多看别人的优秀作品才能更好的提升自己的能力，现在国内的素材很多已经满足不了设计师了，很多翻墙去国外去看
Python爬素材大致就是解析整个html页面，然后获取每个元素对应的外链的链接。收集到这些外链之后，批量下载保存到本地就行了

八、数学统计学专业

数学专业与分析关联性大。欠缺的是实践经验，数学专业对数据更敏感，而且思维能力强，适合学习数据分析
目前直招数学专业的岗位普遍较少，大部分同学都会学习数据分析，数据挖掘等其他和目前岗位需求结合密切的技术
实操案例都体现在我们的正式课上，基础理论练习到项目实战，为了降低大家学习难度，学习平台使用云平台可以让大家免安装mysql和hive，提高学习效率

九、计算机行业

其实咱们班计算机相关专业的同学也不少
在IT类企业中，该类专业毕业生的主要就业岗位有管理类：如项目经理、软件架构师、硬件架构师等；研发工程师、算法工程师、数据分析、测试类
可选择的方向不少，但是不同岗位的优劣势还是非常明显的
比如我们常说的程序猿，秃头是大家最担心的一个问题了吧
再加上近几年，大量的学生涌入开发岗，这个岗位的竞争也越来越大，公司需要的也不再仅仅是只会埋头写代码的人，而是能够懂业务，更能促进公司前进的人
当前比较火热的，当然是机器学习、深度学习、大数据分析相关岗位

在这里插入图片描述
所以计算机相关专业的同学，如果不想从事纯开发的工作，又想要谋求一个好的职业发展，完全可以考虑大数据、数据分析岗位

数据分析之数据思维

互联网的伟大之处在于，通过技术为我们创建了一个全新的数据时代。所有的行业每天都会产生海量的用户数据。数据逐渐成为公司的一个极为重要的核心资产。而数据积累和数据分析贯穿于公司的不同发展阶段

有句话说“未来没有一家不是数据公司，未来没有一个人不是数据分析师”
我们应该建立数据思维，从内心里将数据采集、数据分析和数据应用重视起来

如下图，我将数据在公司发展各阶段的核心价值做了一个梳理以便于你更清晰了解
在这里插入图片描述

各行各业有关数据分析的工作内容：

【数据分析师】
在这里插入图片描述
【财务】

【地理信息】

在这里插入图片描述
【生物】

【运营】

【产品经理】

【游戏行业】

数据分析师-运营工作内容

看完你是否已经意识到：数据是一家公司的核心，是岗位招聘的硬需求
关于数据分析的常见问题：

“以后想做数据分析师，需要掌握什么内容呀？”
“以后想从事财务，必须会数据分析才行吗？”
“以后想做运营需要具备什么能力呀？”

那么我们今天就来以运营岗位举例说明：
数据的应用价值对公司来说是核心，对想从事运营工作的同学来说，也是极其重要的，具体可以从两个方面来看

利用数据做关键性决策
利用数据做效果复盘

数据对运营的重要程度，就像“大海航行靠舵手，万物生长靠太阳”，精准的数据能够为运营工作指引方向。很多大学生在做运营工作的第一天，就开始和数据打交道，看到各类庞杂的数据。大部分新人都叫苦连天，别说分析数据了，就连看懂数据都很难
但是！一旦我们具备了正确的数据思维，掌握了数据获取和分析的方法论，这些问题就迎刃而解了

📌所以那么问题来了，作为新手的你们准备好启航了嘛！

数据分析师工作流程

我们来举例看下数据分析的日常工作流程，以及工作方法、需要具备的能力吧

建立数据思维的第一步：数据采集

在这里插入图片描述

1、掌握SQL语句
数据分析在工作中会经常遇到数据采集的要求。数据的来源一般是公司建立的数据平台
公司一般需要的都是一些有个性化的数据需求，这种需求没有现成的数据，所以需要数据分析去采集。采集数据的一个非常高效的办法就是掌握SQL（Structured Query Language，结构化查询语言）语句，通过编写程序查询数据
SQL并不是一门编程语言，而是一个数据库查询和程序设计语言。使用SQL语句现在逐渐成了一项职业必备技能
要想掌握SQL语句需要完成以下2步：

第一步：学会常用的SQL语句，如select、from、where等指令，之后进行结构化数据表导出

第二步：尽量全面地了解公司有哪些数据库和数据表，以便快速熟悉及熟练工作

当你可以熟练使用SQL语句后，基本上，你可以直接去应聘一份入门级的数据分析工作了，别小看这个工作，很多数据分析都是在做简单的数据提取，但薪资却很可观哦，就是这么简单~

建立数据思维的第二步：数据分析

数据采集过来之后，下一步就是做数据分析了，数据分析的方法论其实特别多，作为一个初学者，并不需要世界上所有的分析方法，都通通掌握，才能找工作。我这里简单列举常用且简单的方法：对比分析法和目标锚定法

1、对比分析法
数据分析的方法有很多种，最常见的是对比分析法
对比分析法的应用场景有很多种，常用的场景是做活动效果评价，以及通过数据对比找到数据波动的“诱因”。在数据报告中，我们最常看到的是同比、环比、均值对比、竞品对标等对比性数据
同比：

一年中相同时间周期内的数据对比，多用来与大促活动和销售类数据对比；

环比：

指对比前一段时间的数据情况，通常用于用户增长、活跃度等维度的数据对比；

均值对比：

是对比一定时间或一定范围内大盘的平均值，通常来看个别日期/渠道的数据情况；

对标：

通常是指对标竞品的产品数据或销售数据，在电商行业做数据分析比较常用到

做数据对比分析的最终目的是分析出导致数据异常背后的因素，这样才是有意义的

2、目标“锚定”法
几乎我们通过互联网掌握的所有数据，都是对实际业务的映射，在实际业务中，我们通常会设定一个目标值。道理的确是这样，但我们在做数据运营工作时，时常会没有对比的对象，这个时候就需要设定一个对照数据，即给每个运营项目设定一个“锚定”值，这个值会让我们做数据分析时拥有目标感。对于一切偏离目标的数据，要保持警惕，对异常数据进行分析，研究其背后真实的业务情况

在做目标值设定时，我常用到的SMART法则，如下：
在这里插入图片描述

通过SMART法则，制定的运营对照目标相对可实现、可拆解和可量化

通过这两种数据分析方法可以看出，数据分析更考察新人的逻辑思维能力，而不是某项工具。有人问，“女生能学数据分析吗”“文科生能学数据分析吗”，明眼人一看便可以得出，数据分析对性别和文理科的几乎没有限制，可以说人人皆可学

建立数据思维的第三步：数据可视化

分析完数据了，下一步该做什么？当然是展示分析结果了
在数据的展示上，为了方便、直观地研究出数据的变化情况，尤其在汇报的时候，我们一般需要将数据转化成图表的样式
所以到了数据可视化这一步，这一步也是做数据分析必备的一项技能
1、柱状图
柱状图用于展示数据分布，如用户年龄分布、用户付费金额分布、流量来源渠道分布等
在这里插入图片描述