微信扫一扫
从公元前2000年文字诞生起
人类就开始采集数据
到1998年正式提出“大数据”这一概念
数据的发展已经横跨了
上下4000多年的时间
互联网时代，数据量激增
它们渗透到生产生活的方方面面
医疗、通信、金融、游戏、交通等
各行各业都离不开大数据
大数据也从采集、传输、存储、分析等各个环节
产生巨大的经济价值，推动发展
未来不是IT时代，而是DT(Data Technology)时代
最大的能源就是数据！
数据分析——比你想象的更高端
数据分析的起点是获取一份数据，终点是发现业务价值。数据不是数字，数据除了数字本身之外，还必须包含数字的来源、度量方式、单位、代表的业务场景。
分析的过程也是归纳总结的过程，并且从这些数据中得出有用的信息，这就是数据背后的意义。
比如你的老板需要你选择一个公司最匹配的明星代言人，这位代言人需要具备的特质是身高180+，粉丝量2000万以上，一年至少登过20次热搜，粉丝中女粉丝数量居多，你就可以通过对一些平台的明星商业数据进行分析，找到最合适的idol成为品牌大使。
实际上，数据分析并不是一项孤立的工作，因为未来的趋势就是“数据挖据+数据分析”
什么是“数据挖据+数据分析”
数据分析（狭义）
-
定义：简单来说，数据分析就是对数据进行分析。专业的说法，数据分析是指根据分析目的，用适当的统计分析方法及工具，对收集来的数据进行处理与分析，提取有价值的信息，发挥数据的作用；
-
作用：它主要实现三大作用：现状分析、原因分析、预测分析（定量）。数据分析的目标明确，先做假设，然后通过数据分析来验证假设是否正确，从而得到相应的结论；
-
方法：主要采用对比分析、分组分析、交叉分析、回归分析等常用分析方法；
-
结果：数据分析一般都是得到一个指标统计量结果，如总和、平均值等，这些指标数据都需要与业务结合进行解读，才能发挥出数据的价值与作用。
数据挖掘
-
定义：数据挖掘是指从大量的数据中，通过统计学、人工智能、机器学习等方法，挖掘出未知的、且有价值的信息和知识的过程；
-
作用：数据挖掘主要侧重解决四类问题：分类、聚类、关联和预测（定量、定性），数据挖掘的重点在寻找未知的模式与规律；如我们常说的数据挖掘案例：啤酒与尿布、安全套与巧克力等，这就是事先未知的，但又是非常有价值的信息；
-
方法：主要采用决策树、神经网络、聚类分析等统计学、人工智能、机器学习等方法进行挖掘；
-
结果：输出模型或规则，并且可相应得到模型得分或标签，模型得分如流失概率值、总和得分、相似度、预测值等，标签如高中低价值用户、流失与非流失、信用优良中差等。
综上，数据分析（狭义）与数据挖掘的本质一样，都是从数据里面发现关于业务有价值的信息，从而帮助业务运营、改进产品以及企业更好决策。所以数据分析（狭义）与数据挖掘构成广义的数据分析。
为什么我建议你学大数据？
专业人才紧缺
当今这个大数据时代，任何行业、任何岗位都在大量接触数据，企业对数据分析的重视程度也是空前的，逛下招聘网站，随便点开10个岗位，有9个都要求有数据分析能力：
根据UN中国商业联合会数据分析专业委员会汇统计算，未来中国基础性数据分析人才缺口将达到1400万，而在BAT招聘职位中60%以上是在招大数据方向的人才。数据分析师成为大数据时代的宠儿，需求占比超过四成。
就业薪资可观
在各大领域都在囤积大数据处理人才的今天，从业人员的整体薪资待遇也一直呈上升趋势。
Robert Walters的最新数据表明，香港所有银行科技相关的职位平均薪酬较一年前增加了5%以上。而最显眼的数据是，大数据架构师的薪酬增长了27%！
以下是数据挖掘和数据分析相关岗位的工资收入水平，大家自行感受~
就业方向广泛
大数据的就业领域是很宽广的，不管是互联网科技行业，咨询行业，医疗行业还是食品产业、零售业等等，全都需要相关人才进行大数据的处理，以提供更好的用户体验和产品优化。
每天面对这样的“大”数据
枯燥吗？难度高吗？
首先，任何一份工作都有枯燥的一面
其次，0基础也不是学习大数据的限制
如果你真的热爱它
开始了解数据并且有自己发现
甚至能做出自己喜欢的图表时
就会有满满的成就感……
