数据分析小白入行,金融/咨询/科技大厂哪个更有前途?
Offer帮官网:offerbang.io
大数据时代的到来,无论是老牌资深投行还是新兴科技公司,都展现出了对数据分析师人才的青睐。那么作为一名初入职场的毕业生,打算从事数据分析行业,金融、咨询、科技大厂,又该作何选择呢?
01
知己知彼,百战不殆
金融投行
金融行业越来越强调数据分析的重要性,因此,越来越多的数据分析师涌入金融行业。通过分析数据,数据分析师在盈利决策的制定和计划风险承担方面发挥了重要作用。
Goldman Sachs , Barclays ,J.P. Morgan等投行,其数据分析师通常会处理金融交易数据。平均薪资也非常可观。
那么,作为一名薪资不错的金融数据分析师,日常工作都干什么呢?我们来根据其岗位职责了解一下:
◽ 收集战略数据,并设计、工程并记录复杂的数据基础设施。
◽ 使用数据建模技术,结合使非结构化和半结构化数据。
◽ 使用自然语言处理 (NLP) 和计算机视觉,来分析非结构化和半结构化数据。
◽ 与各个团队紧密合作,识别问题,并针对这些问题设计数据驱动型解决方案。
◽ 进行定量分析来获得见解,并将这些见解发展成可行的解决方案,然后关注这些方案,直至成功交付(并评估结果)。
◽ 现有数据和原型系统训练机器学习模型,用于测试新的方案。
◽ 从零开始设计和编写新的算法,帮助管理数据分析和机器学习过程。
咨询公司
咨询公司的数据分析师,一个高大上的职位 。以其高强度,高成长性、高收入深受无数求职者的青睐。其中,以 MBB为例,数据分析师薪资平均为92K美金左右。
在咨询行业工作,数据分析师需要用数据来帮客户解决具体的问题。也就是通过接触到各种形式的数据,来帮助各行各业的客户实现业务改善,从而实现利润增长。具体日常工作如下:
◽学习客户业务。在咨询公司工作,通常会遇到各种各样的项目,并且每个行业都有自己的规则和商业模型。所以,搜集各种资料,并且快速熟悉客户的业务。
◽ 了解客户数据的构成。主要了解在客户整个的业务流程中,哪些部分会产生数据以及产生哪些数据。
◽ 构建数据收集(分析)平台。了解各个业务中产生的数据之后,则需要有效充分利用数据。主要包含数据收集是否遗漏以及数据的整合。
◽ 了解当前形势寻找突破点和增长点。项目初期,由于客户的需求通常很宽泛,数据分析师则需要进一步细化问题,进而整理出解决问题的框架。
◽ 整理汇报分析成果。把自己的分析结果汇报给客户。
科技公司
以Amazon为例,其数据分析和金融公司相比,将更加注重于用户的行为数据分析,包括聚类、分类分析,去解析用户的行为习惯。
科技公司对数据分析师的要求会比投行、咨询的更高,更加专业,同时因为不同的岗位需求,平均薪资也相对不同。初级的Data Analyst的年薪平均在$76K/y。做到Data Scientist,年薪平均则能达到$150K/y。
这类数据分析岗位实际上向算法方向靠拢,因此对编程、计算机基础、算法基础的要求也会更高,难度相对较大。主要日常工作如下:
◽ 运用数据分析和规划方法,为相关业务提供分析支持和业务思考;
◽ 对现有业务数据进行分析和监控,通过数据分析发现问题,探索机会,通过模型的建立优化现有业务;
◽ 参与业务的优化、提升的过程,并通过数据评估业务目标是否达成及下一步策略的制定;
◽ 持续观察互联网领域相关业务的变化、模式、新产品,优化数据分析方法及模式
海外数据分析师需求大,同样在国内,数据分析专业的人才更是就业市场的热门人选。例如,字节跳动招聘官网,数据分析师职位就有277个!
在国内,数据分析师薪资普遍较高,并且经验及工作年限越高,薪资越高。例如,看准网调查显示,数据分析师平均薪资为¥24768,薪资中位数为¥24209。
此外,不同Level的数据分析师工资待遇差距较大,从初级分析师到中级到高级,工资也会随之飞跃。
02
提前准备,小试牛刀
不管进入哪个行业做数据分析,在简历和面试两个环节中,同学们需要展现自己的优秀的基本功。一般来讲,面试官都非常看重Coding能力、项目经验、沟通能力以及思维能力。
Coding能力
编程能力是数据分析师的基本功。在真正的工作中,并不会有人为数据分析师准备好完整现成的数据,数据分析师则需要基于自己的理解与判断从复杂的原始数据中获得提炼有价值的信息。整个过程需要不错的编程能力作为保证,因此,良好的编程能力是开始数据分析工作的基础。核心的编程主要要求 SQL 和 Python。此外,由于不同职位需求,算法和算法复杂度分析的知识也有考察。
项目实操经验
随着大数据分析时代的到来,越来越多的人更加努力地涉足这一领域,那么,在众多面试者中,有项目实操经验的求职者则更能够脱颖而出,从而受到面试官的关注。
因此,求职者可以根据大厂实战项目,选择高含金量热门实战项目进行项目实操,丰富经历,进而提高自身竞争力。比如:房产定价模型的搭建与分析项目和股票市场投资组合数据分析项目。
数据分析思维
对于数据分析师来说,除了掌握一些必备的硬技能,比如:Excel、SQL和Python等,还需要具备一个最重要也是最容易被我们忽略的软实力——数据分析思维。
◽ 对比思维。对比一般有两种方式,横向对比和纵向对比。横向对比也就是与同类对比;纵向对比是指同一类型不同时间的对比。
◽ 细分思维。简言之,就是层层细分。在数据分析的工作中,细分的纬度主要包括时间、地区、渠道、产品、员工、客户等。比如,杜邦分析法、麦肯锡的 MECE 分析法本质上都属于细分思维。
◽ 相关思维。这也是数据分析的核心思维能力。如果数据分析师能够熟练灵活的将相关分析运用到工作中,就能从仅仅知道数据分析的结果是什么进阶到知道呈现这个结果的原因是为什么。著名的啤酒与尿布的故事,在业界是一个相关分析的经典案例。
◽ 假设思维。在数据分析中,假设思维的专业术语叫假设检验,一般包括四个步骤,即:提出假设、抽取样本、检验假设、作出判断。数据分析师可以充分利用这一思维模式。
◽ 归纳思维。数据分析的过程,往往是先接触到个别事物,而后进行归纳总结,推及一般。
出色的沟通能力
成为一名数据分析师,除去必备的工作技能以外,掌握一定的沟通技巧也是不可或缺的职场技能之一。这里总结了四个实用的沟通技巧,请大家保存一键保存!
◽ 结论先行,直入主题。在工作中,需要简洁明了得讲清问题,短时间内将必要信息传达给对方。常用的有PREP方法:Point(结论),Reason(依据),Example(具体事例),Point(重申结论后结束)。
◽ 直截了当,沟通提效。在与同事及上级沟通中,讲话不要拐弯抹角,力求直率、简单、明确。
◽ 用数据和逻辑说话。作为一名数据分析师,数据是唯一的武器。在沟通中,将凭感觉想到的问题落实在“数据”上,并辅以一定的逻辑性,则更容易让人理解和信服。
◽ 做好预期管理。在日常合作中,首先了解对方的期望目标和期望程度。所以,这一期间,与业务方充分沟通尤为重要,事先沟通比事后返工效率高出数倍。
总之,技能提升和职业拓展要同时抓起,熟练掌握SQL 和Python等硬性技能,同时不断学习数据分析思维,从而提升自己个人竞争力,早日入职大型公司的数据分析师。
《数据/商业分析求职实战营》
名企项目+面试刷题+Technical提升一站搞定
///
专业导师团队带你学习数据/商业分析求职必修课,华丽转身为集万千宠爱的大数据人才
关于课程
无论是金融,咨询,还是科技大厂,掌握核心技能,解锁职场更多潜能!
Offer帮DA/BA精品实战集训营带你绝地求生,突出重围。由咨询名企,投行和FLAG招聘官教研组,用心研发,以知识学习为导向,分为核心技能、实战项目和真题实训全覆盖3部分,高效学习求职必备Technical,帮你掌握核心技能,占领人才缺口,高效拿Offer!
课程收获
✅ 从0到1,全面掌握Python编程基础、数据处理包及机器学习
✅ 快速掌握数据库基础知识及必备SQL数据库查询筛选语句
✅ 快速掌握实用R语言,进阶Excel,VBA等分析工具
✅ 名企实战项目,为简历加分
适合人群
商科/文科转数据/商业分析的
零基础宝宝
希望提升数据/商业分析背景的
丰富简历经历的求职者
希望拥有业界认可的技能的
职场新人
《数据/商业分析求职实战营》以全面提升技能为导向,带你从0到1全面掌握Python, SQL, R, Excel, VBA等必备分析语言及工具。DA/BA求职极其看重相关经历,集训营含海内外知名公司的真实项目,可以有效提高简历含金量,增加通过初筛概率!
Technical部分老师会深入浅出地讲解,再讲题,手把手一步步带着做项目,确保同学掌握。
扫码了解课程详情
Dianna
Offer帮课程顾问
名企导师天团
名企招聘官教研组,阅人无数,拥有丰富的招聘和辅导经验,对数据岗位面试知识点和考点有深刻的理解和把握。数据集训营由教研组结合咨询和数据分析岗位多年工作经验研发,倾囊相助。课上同学可以和导师互动,确保实时答疑。
Tong
麦肯锡数据分析师
Chris
FLAG数据分析师
Kevin
纽约九大投行基金数据分析师
Jack
JP Morgan结构化产品
每周我们都安排了相应的答疑时间,大家可以在答疑课上和老师互动,及时解决问题。如果课前有将问题整理好,也可以发在交流群或发给班主任/助教,我们会整理后反馈给老师课上答疑。
行业名企实战项目
不同于学校的纯知识性课程,Offer帮求职集训营以求职为导向,全面覆盖必备行业知识,Technical方面以必备知识为依托,全面结合实际应用,用大厂实战项目提升技能,丰富经历。
同时,课程会详细讲解求职方方面面及技巧,让同学对求职整个过程有清晰的目标和规划。
Offer帮
扫描二维码免费试听
Dianna
Offer帮课程顾问
课程大纲
数据分析技能全覆盖,带你掌握数据分析必备的知识技能,熟练掌握面试问题。同时通过海内外知名企业实战项目提高简历通过率,助你拿到大厂Offer!
第一讲 | Python重点语句及知识点详解(选修) |
第二讲 | 课后实操 – Python典型考题精析,Q&A |
第三讲 | 常用数据分析 Python Package 使用技巧 – NumPy |
第四讲 | 常用数据分析 Python Package 使用技巧 – Pandas |
第五讲 | 时间序列处理及数据可视化 - Datetime & Matplotlib |
第六讲 | Machine Learning基础及相关Package介绍 |
第七讲 | 名企项目实操 - McKinsey商业分析实战,房产定价模型的搭建与分析,Q&A |
第八讲 | 数据库基础知识及 SQL 常用数据查询与数据筛选语句解析 |
第九讲 | 课后实操 – SQL典型考题精析,Q&A |
第十讲 | R语言常用语句及应用技巧 |
第十一讲 | Excel Macro & VBA 基础及应用 |
第十二讲 | 名企项目实战 - Morgan Stanley数据分析实战,量化交易投资组合数据分析,Q&A |
创新自主学习平台
课程由录播与直播相结合,课程有效期内,Offer帮为你提供免费无限次课程回放,帮助你补课或者反复复习,满足你的时间弹性和多次学习需要。
现在报名还可获得
冬季限时特惠
$100优惠
报名单门课程即可享受
$500优惠
报名2门及以上课程可享受
💎现在报名还有额外惊喜福利
0元领原价$199求职入门课
限时优惠 名额有限
赶快扫描小助手二维码
咨询活动&课程详情吧
Offer帮
近期学员Offer榜
金融、咨询、数据等多个领域的Offer展示
能展示出的Offer只是冰山一角,这一份份实打实、沉甸甸的Offer,让我们团队的每一个人都倍感自豪。在未来的道路上,Offer帮会继续脚踏实地,用专业、诚信、用心的原则,助力所有学员的求职之路!
(点击图片即可查看大图)
微信扫码关注该文公众号作者