- 电子商务协会颁发的大数据分析师证书有
- 29岁转行做大数据分析师晚不晚
- 软件测试和数据分析，选哪个工作比较好
- 电子商务数据分析证书有什么用
- 商务数据分析与应用专业怎么样好就业吗
- 项目数据分析师资格证含金量高吗
- 数据挖掘方向的图情专业硕士研究生好就业吗
- 电子商务大数据分析专业就业前景
- 商务数据分析与管理专业好就业吗
- 如何入门数据分析师行业，前景如何
电子商务协会颁发的大数据分析师证书有
境内所有协会均属于社会组织三种形式之一的社会团体，非营利性质民间组织，这种证书代表行业内的肯定是一种荣誉，但没有官方性质。
29岁转行做大数据分析师晚不晚
谢邀。如果你是29岁，你会觉得晚了。但是越往后一年，你会越觉得为什么29岁时不开始？
大数据分析师，需要的是数据库，编程语言，分析工具，数学理论，沟通表达，甚至是PPT能力。但其实这些都不是最重要的，它们只是辅助性的基本要求。最重要的是逻辑分析能力，敏锐的洞察力，抽象与分拆能力，行业与社会的见解力。这些最重要的东西是靠成熟的心智，丰富的经验堆积，量变到质变得来的。因此，29岁真的不晚，或许刚好是起步的年龄。
30岁时觉得20岁很年轻，40岁时觉得30岁很年轻，50岁时又觉得40岁很年轻……
可能有很多原因想让你在29岁转行，兴趣？赚更多钱？实现当初的梦想？无论何因，遵循内心，志存高远，脚踏实地，一切都可以重来。
谢谢大家。
软件测试和数据分析，选哪个工作比较好
我个人是做软件测试的，对于软件测试优缺点，我可以和你说说的，优点：第一：无性别歧视，一般情况下下，软件测试工作需要更多的耐心，心细，和沟通能力，这些方面对于女生来说是有优势，一般在找工作的时候不会有歧视；第二；需求量大，任何一款应用可以使用不同的语言开发，但是所有的软件都是需要经过测试才可以上线的；第三职业寿命长，一般做软件测试，做个十几二十年是没有问题的，并且越老越吃香。要说缺点吧，我还没有什么特别明显的感受，就是有时候项目上线的时候加班会比较多，但是我觉得这个所有it行业加班都会比较多吧，希望能帮到你。
电子商务数据分析证书有什么用
含金量非常高，
商务数据分析与应用专业怎么样好就业吗
电子商务常常被大家提起，商务数据分析与应用专业却很少有人听说过。随着网络与电商的进一步发展，尤其近些年大数据已经深入生活和工作，这个偏冷门的新兴专业也在快速扩张，就业前景也十分看好。
该专业主要学习商务数据搜集与整理、电商平台网店运营与管理、网络营销数据分析与应用等知识与技能。培养能够在企业电子商务活动中从事网站或平台店铺基本数据分析、网络营销流量分析工作的高级技术应用型专门人才。
排名前五的院校有浙江商业职业技术学院、无锡商业职业技术学院、广州东华职业学院、无锡科技职业学院、长沙民政职业技术学院。其中，无锡商业职业技术学院的《商务数据分析与应用专业教学资源库》入选职业教育专业教学资源库备选库。
数据来源于高等职业学校拟招生专业设置备案平台
项目数据分析师资格证含金量高吗
项目数据分析师资格证的含金量相对较高。
数据挖掘方向的图情专业硕士研究生好就业吗
数据挖掘是当前热门的技术领域之一，随着大数据时代的到来，数据挖掘专业人才需求量不断增加。因此，选择数据挖掘方向的图情专业硕士研究生就业前景非常好。
电子商务大数据分析专业就业前景
就业前景不错。
商务数据分析与管理专业好就业吗
相互数据分析与管理专业。就业前景很不错。商业分析师需求大。商务数据分析对综合素质的要求就高。又要较强的数据挖掘，信息整理和逻辑分析能力，商业数据分析也是数据分析师的一个方向。制作日常性的经营报表对公司或者行业KPI指标进行解析。
如何入门数据分析师行业，前景如何
在一个工作交流群里，一个朋友说想转行做数据分析师，随后很多人开始讨论，半路出家的能找到工作吗？做数据分析师需要哪些知识和技能？
今天我们就来说说商业数据分析师的7类岗位，以及基础技能。要知道数据分析这一行，入行容易，精通难。方法工具都要有。
一、商业数据分析的7类岗位
1.业务统计人员
理解企业数据，发现业务问题，开发预测模型，帮助企业更好地进行信息决策。
2.数据挖掘人员
进行知识发掘积累，需要熟悉各种数据挖掘算法，可以进行深层次的客户识别、画像，以满足营销、风控和客户关系管理方面的需要。
3.大数据分析人员
处理海量异构数据，借助其他工具进行数据的搜集、储存和清洗。同时与数据挖掘人员、报表制作人员、业务统计分析人员合作完成工作。
4.业务支持
创建业务报表或进行业务分析。
5.报表制作人员
撰写SQL程序进行查询并生成报表。
6.数据管理人员
为需求人员提供便捷的数据访问服务。
7.数据架构人员
流处理、模型开发和数据质量管理设计所需的架构和方法；平台架构人员：负责企业管理平台的安装、配置、管理和维护。
二、什么是数据分析？
数据分析是基于商业目的，收集、整理、加工和分析数据，提炼有价值信息，并指导实践的过程。数据分析的三大作用，主要是现状分析、原因分析和预测分析。过程主要包括：明确分析目的与框架、数据收集、数据处理、数据分析、数据展现、撰写报告6个阶段。
1、明确分析目的与框架
一个分析项目，它的数据对象是谁？商业目的是什么？要解决什么业务问题？数据分析师对这些都要了然于心，随后整理分析框架和分析思路。
例如，减少新客户的流失、优化活动效果、提高客户响应率等。每个项目对数据的要求不同，使用的分析手段也是不一样的。（本文第三部分将详细介绍4种常用分析框架。）
2、数据收集
数据收集是数据分析的基础，按照确定的分析框架，有目的的收集、整合相关数据。
3、数据处理
数据处理是指对收集到的数据进行加工、整理，它是数据分析前必不可少的阶段，也是整个数据分析过程中最占据时间的，耗费时间的程度取决于整个项目对数据仓库和数据质量的要求。
数据处理的常用方法有：数据清洗、数据转化等。
4、数据分析
在明确了分析目的与框架，收集处理好数据后，就可以开始着手进行数据分析了。我们需要通过特定手段、多种方法和行业技巧对数据进行探索，从中发现因果关系、内容联系和业务规律等，为商业目的提供参考。
到了这个阶段，要能驾驭数据、开展分析工作，就要使用工具和方法了。
在分析方法方面，最基本的要了解例如方差、回归、因子、聚类、分类、时间序列等概念，及他们的原理、使用范围、优缺点；在分析工具方面，数据分析师一般首选Excel，同时搭配一个专业的分析软件，如数据分析工具SPSS/SAS/Matlab等，便于进行一些专业的统计分析、数据建模等。
5、数据展现
俗话说：字不如表，表不如图。借助数据展现手段，能更直观的让数据分析师表述想要呈现的信息、观点和建议。一般情况下，数据分析的结果都是通过图表来呈现的。
常用的图表包括：饼图、折线图、柱形图/条形图、散点图、雷达图、金字塔图、矩阵图、漏斗图、帕累托图等。
6、撰写报告
最后阶段，就是撰写数据分析报告，这是对整个数据分析成果的呈现。通过分析报告，把数据分析的目的、过程、结果及方案完整呈现出来，以供商业目的提供参考。
Tips: 一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。结构清晰、主次分明可以让阅读者正确理解报告内容；图文并茂，可以令数据更加生动活泼，提高视觉冲击力，有助于阅读者更形象、直观地看清楚问题和结论，从而产生思考。
另外，数据分析报告需要有明确的结论、建议和解决方案，不仅仅是找出问题，后者是更重要的，否则称不上好的分析，同时也失去了报告的意义，数据的初衷就是为解决一个商业目的才进行的分析，不能舍本求末。
三、4种常用分析框架
从管理和业务的角度提出的分析框架，指导着后期数据分析工作的开展。
营销方面的理论模型有：4P、用户使用行为、STP理论、SWOT等。
管理方面的理论模型有：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。
本文主要说明：5W2H、逻辑树、4P、用户使用行为这4个比较实用的理论。
1、5W2H
定义：何因（Why）、何事（What）、何人（Who）、何时（When）、何地（Where）、如何做（How）、何价（How much）
适用范围：用户行为分析、业务问题专题分析、营销活动等。
优点：广泛应用于企业营销、管理活动，对于决策和执行性的活动措施非常有帮助，也有助于弥补考虑问题的疏漏。
2、逻辑树
定义：逻辑树，又称问题树、演绎树或分解树等。它将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。
适用范围：业务问题专题分析
优点：逻辑树的作用主要是帮你理清自己的思路，避免进行重复、无关的思考。逻辑树能保证解决问题的过程的完整性，能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。
缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。
使用逻辑树必须遵循以下3个原则：
要素化：把相同问题总结归纳成要素。
框架化：将各个要素组织成框架，遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不孤立。
3、4P
定义：4P，即产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）
适用范围：主要用于公司整体经营情况分析。
4、用户使用行为
用户使用行为，即用户为获取、使用物品或服务所采取的各种行为。
用户使用行为的完整过程
通常情况下，用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。在这个锅层中，我们可以利用用户使用行为理论，梳理产品分析的各关键指标之间的逻辑关系，构建符合公司实际业务的产品分析指标体系。
它的缺点是用途较为单一，就是用于用户行为的研究分析。
数据分析师的发展前景普遍如何？本文，我们收集了目前国内主流招聘网站的一些相关数据，通过可视化的来看看这一岗位的现状。
分析目的
基于招聘网站的相关数据，通过可视化分析，探究以下问题：
哪些行业对数据分析师需求量最大？
招聘企业普遍处于哪个阶段（融资情况，上市情况）？
数据分析岗位学历要求？
数据分析岗位工作经验要求？
数据分析岗位薪水情况？
数据整理
我们随机采集了目前较为主流的几个招聘网站有关“数据分析”岗位的数据，包括拉勾网、智联招聘、猎聘网以及BOSS直聘。
采集字段为：职位、公司、薪水、经验要求、学历要求、所属行业、企业融资情况
分析工具
首先使用八爪鱼数据采集工具（免费版，可从官网），添加搜索网址，并选择我们所需的字段，开始采集。对于新手来说，八爪鱼数据采集工具是不错的选择，可以没有任何代码基础，也不需要写正则等采集规则（火车采集器会复杂一点，需要写正则）。
然后我们将采集到的数据导出，导出格式为Excel，由于各招聘网站字段有出入，需要使用Excel工具进行简单的整理。
数据分析工具我们使用DataHunter数据可视化分析平台Data Analytics，同样也是因为Data Analytics相比于Excel等产品更为简单易用，拖拽式的操作即可完成分析过程。对于个人用户，Data Analytics完全免费，可通过在官网（）注册即可使用。
分析结果
这里并未把所有行业都显示出来，只选择了占比较高的一些。数据结果显示，金融行业、数据服务、游戏这三个行业对数据分析师的需求更为强烈，医疗、信息安全、生活服务、社交等行业也在招聘数据分析相关岗位。其它行业还包括了计算机硬件、广告营销、文化娱乐等。
与数据分析相关的岗位占比，可以看到，绝大部分企业在招聘数据分析师，其它岗位还包括数据分析工程师、数据分析经理、数据分析专家以及数据分析实习生，尽管都是与数据打交道，但不同岗位对技能的要求还是有一些区别的。
薪水方面，我们也只是显示了占比较多的薪水区间。可以看出，数据分析岗位的薪水普遍在10K-20K的区间，10K以下的岗位也有一定的占比，当然，从整体数据来看，数据分析岗位的薪水跨度区间还是很大的，实习生工资最低只有3K左右，而最高薪可以达到80K-100K。
我们可以看到，绝大部分岗位都需要有一定的工作经验，其中，3-5年占比最多，其次是1-3年。当然，还有部分企业要求有5-10年的工作经验。而学历方面，本科占比最多，有部分要求较高的职位，还要求具备博士、硕士学历。
在所有招聘数据分析相关岗位的企业中，可以看到不少互联网巨头对于数据分析师都有强烈的需求，提供的岗位也比较多，其中包括了京东、美团、饿了么、近日头条、58同城、搜狐、联想等。另外，可以看到，大部分企业均已拿到融资或上市，也有部分企业还处于未获得融资状态或不需要融资。
