證券IT數據分析師

① 數據分析師以後前景怎麼樣

從職位薪水來看，數據分析行業的高薪主要分布在長三角、珠三角和京津地區。北京、上海和深圳的薪水位列第一方陣，均薪在10k+；杭州、寧波和廣州位列第二方陣，均薪在9k+；其他沿海及內陸區域中心城市，如南京、重慶、蘇州、無錫等位於第三方陣，均薪在8k左右。
從職位量來看，北京、上海、深圳和廣州位列第一方陣，職位量在30000+，杭州、成都、南京和天津位列第二方陣，職位量在20000+，武漢、西安、鄭州等區域中心或省會城市對數據分析職位的需求也相對較高，職位量在10000+。
從行業需求來看，互聯網金融、O2O、數據服務、教育、電子商務、文化娛樂領域對數據分析師需求量相比其他行業更大。
不管是在企業還是社會，數據都已經開始扮演越來越重要的「角色」。在這種大勢之下，數據分析思維已經不只是數據分析師的「專業」了，包括銷售、市場、運營、策劃、產品等等前端的職位都需要通過數據分析來幫助自己的工作，甚至連後台的財務、法務、人事等也開始需要通過數據分析來提升效率。可以這么說，如果你在企業之中工作，你未來會開始越來越多的和數據打交道，這個時候數據分析已經成為工作的必要條件。
這里給大家舉幾個例子：
現在的產品，由於銷售渠道開始開始網路化，所以基本上每個產品在做客群劃分、競品分析、銷售預測等等工作時都必須基於數據來進行建模並分析。以前那樣只要寫寫產品分析書，畫畫產品原型，做做產品交互的「好日子」已經過去了。這么說吧，越來越多的公司里，如果產品不能拿數據出來支撐自己的工作，是基本上獲取不到什麼資源的支持。
再拿運營來說，更加離不開數據了。大到做一個活動，目標人群如何劃分，不同人群的方案是什麼，預計投入多少產出多少，這些都需要數據支持；小到一個營銷話術，也需要切分不通人群進行對照實驗來決定。可以說，現在不依靠數據分析的運營已經越來越少。
最後再舉一個後台部門的例子。現在的HR在做人力規劃時，從人員結構分析到配置策略分析再到成本分析，無論哪一項都需要使用到數據。除了本公司的人力數據外，還需要業務數據，競對公司數據乃至於整個行業數據。通過大量數據的分析，可以更加精確的制定公司的人力資源戰略。

② 數據分析師主要做什麼

簡單理解就是：對業務的改進優化；幫助業務發現機會；創造新的商業價值。具體如下：

改進優化業務方面，就是讓業務變得更好。體現在兩大方面：

1. 對企業用戶體驗的改進方面，優化原有業務流程，為用戶提供更好的用戶體驗。

2. 對企業資源的合理化分配利用上，更合理的優化配置企業資源，達到效益最大化的目的。

其次是利用數據查找人們思維上的盲點，進而發現新的業務機會的過程。

最後是在數據價值的基礎上形成新的商業模式，將數據價值直接轉化為金錢模式。

數據分析的工作內容

1、分析什麼數據

分析什麼數據與數據分析的目的有關，通常確定問題後，然後根據問題收集相應的數據，在對應的數據框架體系中形成對應的決策輔助策略。

2、什麼時候數據分析

業務運營過程全程數據跟蹤。

3、數據獲取

內部數據主要是網路日誌相關數據、客戶信息數據、業務流程數據等，外部數據是第三方監測數據、企業市調數據、行業規模數據等。

4、數據分析、處理

使用的工具取決於公司的需求。

5、如何做數據分析

數據跟著業務走，數據分析的過程就是將業務問題轉化為數據問題，然後再還原到業務場景中去的過程。

③ 數據分析師主要做什麼

一是幫助企業看清現狀（即通常見的搭建數據指標體系）；

二是臨時性分析指標變化原因，這個很常見，但也最頭疼，有時還沒分析出原因，指標可能又變了，注意識別這裡面的偽需求（數據本身有波動，什麼樣的變化才是異常波動？一般以[均值-2*標准差，均值+2*標准差]為參考范圍，個別活動則另當別論）；

三是專題分析，這個專題可大可小，根據需求方（也有可能是數據分析師自己）而定，大老闆提出的專題分析相對更難、更有水平一些；

四是深層次解釋關系和預測未來，這個技術難度和業務理解水平要求相對更高一些。如，影響GMV的關鍵因子是什麼？這里當然不是顯而易見的付款用戶數和客單價，而是需要探索的隱性因素；再如，預測下一個季度甚至是一年的GMV，以及如何達成？

④ 數據分析師是做什麼的

數據分析師主要工作是在本行業內將各種數據進行搜集、整理、分析，然後根據這些數據進行分析判斷，在分析數據後對行業發展、行業知識規則等等進行預測和挖掘。數據分析師是數據師其中的一種，另一種是數據挖掘工程師，兩者都是專業型人才。

(4)證券IT數據分析師擴展閱讀

數據分析師和數據挖掘工程師的區別

1、「數據分析」的重點是觀察數據，而「數據挖掘」的重點是從數據中發現「知識規則」。

2、「數據分析」得出的結論是人的智能活動結果，而「數據挖掘」得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則。

3、「數據分析」得出結論的運用是人的智力活動，而「數據挖掘」發現的知識規則，可以直接應用到預測。

4、「數據分析」不能建立數學模型，需要人工建模，而「數據挖掘」直接完成了數學建模。

5、相對而言，數據挖掘工程師對統計學，機器學習等技能的要求比數據分析師高得多。

6、很多情況下，數據挖掘工程師同時兼任數據分析師的角色。

參考資料來源：網路--數據分析師

參考資料來源：網路--數據師

⑤ 證券行業，統計行業，項目數據分析師，調查分析師，哪個工作好

都差不多吧，你還是學證券吧，將來可以學會投資理財不是，統計的話，進統計局是很難的，不要有想法？

⑥ 數據分析師的就業前景如何

要了解數據分析師的前景可以根據以下的方式來判斷：

一、數據分析師通常分兩類：

一類是在專門的挖掘團隊裡面從事數據挖掘和分析工作的。如果你能在這類專業團隊學習成長，那是幸運的，但進入這類團隊的門檻較高，需要扎實的數據挖掘知識、挖掘工具應用經驗和編程能力。該類分析師更偏向技術線條，未來的職業通道可能走專家的技術路線。

另一類是下沉到各業務團隊或者運營部門的數據分析師，成為業務團隊的一員。他們工作是支撐業務運營，包括日常業務的異常監控、客戶和市場研究、參與產品開發、建立數據模型提升運營效率等。該類型分析師偏向產品和運營，可以轉向做運營和產品。

二、數據分析師的理想行業在互聯網，從行業的角度來看：

1）互聯網行業是數據分析應用最廣的行業，其中的電商企業，更是目前最火的，而且企業也更重視數據分析的價值，是數據分析師理想的成長平台。

2）其次是咨詢公司（比如專門的數據挖掘公司Teradata、尼爾森等市場研究公司），他們需要數據分析人才，而且相對來說，數據分析師在咨詢公司成長的速度更快，專業也會更全面。

3）再次是金融行業，比如銀行和證券等行業，該行業對數據分析的依賴需求，越來越大。

4）最後是電信行業（中國移動、聯通和電信），它們擁有海量的數據，在嚴峻的競爭下，也越來越重視數據分析，但進入這些公司的門檻比較高。

⑦ 數據分析師工資收入多少

從職位薪水來看，數據分析行業的高薪主要分布在長三角、珠三角和京津地區。北京、上海和深圳的薪水位列第一方陣，均薪在10k+；杭州、寧波和廣州位列第二方陣，均薪在9k+；其他沿海及內陸區域中心城市，如南京、重慶、蘇州、無錫等位於第三方陣，均薪在8k左右。
從職位量來看，北京、上海、深圳和廣州位列第一方陣，職位量在30000+，杭州、成都、南京和天津位列第二方陣，職位量在20000+，武漢、西安、鄭州等區域中心或省會城市對數據分析職位的需求也相對較高，職位量在10000+。
從行業需求來看，互聯網金融、O2O、數據服務、教育、電子商務、文化娛樂領域對數據分析師需求量相比其他行業更大。
不管是在企業還是社會，數據都已經開始扮演越來越重要的「角色」。在這種大勢之下，數據分析思維已經不只是數據分析師的「專業」了，包括銷售、市場、運營、策劃、產品等等前端的職位都需要通過數據分析來幫助自己的工作，甚至連後台的財務、法務、人事等也開始需要通過數據分析來提升效率。可以這么說，如果你在企業之中工作，你未來會開始越來越多的和數據打交道，這個時候數據分析已經成為工作的必要條件。

⑧ 證券公司負責數據分析的部門是什麼部門 是叫信息部門嗎

呵呵，你想幹嘛知道內幕信息？ 如果從范疇上講是後台部門，後台部門分兩個比較大相對獨立的部門一個是計算機部門 主要負責收發維護交易系統 以及交易信息 還有一個就是財務部 主要是根據計算機部提供的交易所反饋的數據結算 營業部裡面沒有單獨的數據分析部門 如果是總部，那我就不知道了！ 希望能夠幫到你