数据分析类专业的成长之路
大数据分专业及行业发展概况
大数据出现时间基本十几年左右，被人们广泛了解并应用就是这短短几年，大数据呈爆炸式增长态势，在各个领域的身影无处不在。
什么是大数据？
举例一：医疗健康领域
首先这个领域会产生大量数据，包括诊疗数据，比如病历，影像资料（X光片、B超等），都可作为大数据分析的广阔数据来源。
其次医疗健康领域是一个广大的市场规模，以万亿级计算。最关键的是，有很多之前历史上依赖人工、专家帮助做出决策诊断，这些方面恰好是机器学习以及大数据分析可以发挥余地的领域。
医疗健康领域目前比较成熟的应用，包括医学影像的智能识别，病历数据的智能诊疗。
举例二：金融领域
在这个领域里，比较成熟的是大数据风控。在金融借贷中，许多金融机构需要去了解如何识别出高风险的客户，要求提供更多的抵利信息，然后来调整他们的贷款额度，甚至可能拒绝他们的贷款，从而帮助这些金融机构降低风险。
事实上金融行业可以理解为data-rich的行业，用这些数据帮助人们做决策。但是在历史上所提供的、企业能获得的数据，可以理解为是小规模的数据。进入大数据时代后，这些企业可以利用大数据获得更多维度的信息，来帮助他们进行计算，得到客户。C端这些贷款申请者或者放贷机构，去得到他们各个维度的特征以及风险指数曲线（风控模型）。比如新客户在申请贷款的时候，可将这些客户的特征代入曲线，找到客户对应的风险指标，可对客户风险进行刻画。根据自动分析策略给出这些用户应该放款额度，还款期限，以及未来确保更大程度还款等等。
数据分析需要具备的三大能力
数据处理，报告分析，业务管控
数据处理：
数据分析中，拿到一个数据，你知道要做怎样的处理（human effort），包括数据清理，数据转换，数据聚合，然后才进入到建模阶段（目前数据分析师也会慢慢具备一些基础建模能力）。进入工作岗位之后，会做一些业务上的数据监控，包括可能存在的异常分析，比如突然某一个时间节点，发现某一些商品在上一个季度销量是增长的趋势，在这个季度断崖式下跌，就需要回到数据本身寻找原因，为什么会发生这样的状况。
报告分析&业务管控：
拿到数据，分析后将个人insight转化为business商务人士能够理解的语言；帮助雇主搭建分析框架，策略引擎的体系；评估分析自己的工作在实际生产环境的效果，在此基础上改进策略建议等等。
