据教育部数据显示，目前，全国已有35所高等院校开通了大数据专业。也就是说，高考报志愿可直接报大数据专业的学校了。

　　2017年大数据专业就业前景

　　据数联寻英发布《大数据人才报告》显示,目前全国的大数据人才仅46万,未来3-5年内大数据人才的缺口将高达150万。

　　据职业社交平台LinkedIn发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。其中研发工程师需求量最大，而数据分析人才最为稀缺。领英报告表明，数据分析人才的供给指数最低，仅为0.05，属于高度稀缺。数据分析人才跳槽速度也最快，平均跳槽速度为19.8个月。

　　根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而在BAT企业招聘的职位里，60%以上都在招大数据人才。

　　大数据主要的三大就业方向：大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。

　　在此三大方向中，各自的基础岗位一般为大数据系统研发工程师、大数据应用开发工程师和数据分析师。

　　北京数据分析平均工资：10630/月，取自15526份样本，较2016年，增长9.4%。

　　数据分析师岗位职责

　　工作职责:

　　1.根据公司产品和业务需求，利用数据挖掘等工具对多种数据源进行诊断分析，建设征信分析模型并优化，为公司征信运营决策、产品设计等方面提供数据支持；

　　2.负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对运行数据进行分析挖掘背后隐含的规律及对未来的预测；

　　3.参与数据挖掘模型的构建、维护、部署和评估；

　　4.整理编写商业数据分析报告，及时发现和分析其中变化和问题，为业务发展提供决策支持；

　　5.独立完成项目需求管理、方案设计、实施管理和项目成果质量的把控；

　　6.参与编写项目相关文档。

　　北京大数据开发平均工资：30230/月。

　　大数据开发工程师/专家岗位指责（引自滴滴出行）：

　　职位描述：

　　1、构建分布式大数据服务平台，参与和构建公司包括海量数据存储、离线/实时计算、实时查询，大数据系统运维等系统；

　　2、服务各种业务需求，服务日益增长的业务和数据量；

　　3、深入源码内核改进优化开源项目，解决各种hadoop、spark、hbase疑难问题，参与到开源社区建设和代码贡献；

　　北京hadoop平均工资：20130/月，取自 1734份样本。

　　Hadoop开发工程师岗位职责（引自新浪网）：

　　职位描述：

　　1.参与优化改进新浪集团数据平台基础服务，参与日传输量超过百TB的数据传输体系优化，日处理量超过PB级别的数据处理平台改进，多维实时查询分析系统的构建优化；

　　2.分布式机器学习算法在数据平台的构建与优化（包括常见的LR、GBDT、FM、LDA、Word2Vec及DNN等）；

　　3.深入源码改进各种开源大数据项目（包括Hadoop、Spark、Kafka、HBase等）。

　　北京数据挖掘平均工资：21740/月，取自 3449份样本，较2016年，增长 20.3%；

　　北京算法工程师平均工资：22640/月，取自 10176份样本。

　　算法工程师招聘要求（引自美团点评数据平台部）：

　　职位描述：

　　互联网公司背景优先

　　A、广告算法

　　岗位职责：

　　1.负责点击率预估等主要广告算法的技术选型；

　　2.负责核心算法的开发；

　　3.负责广告大数据处理流程的建设及相关工具的研发；

　　4.负责广告技术研究项目的推进与管理；

　　B、推荐算法

　　职位描述：

　　1.参与各个产品线的个性化推荐系统的研发；

　　2.分析用户行为数据，并设计合理的推荐算法模型及策略，并优化推荐排序；

　　3.通过对用户行为数据的挖掘，对用户进行建模，精准刻画用户各种属性；

　　C、算法工程师

　　岗位职责:

　　1、开发和优化用户行为数据挖掘，文本分类和语义理解，社交网络分析，网页搜索，推荐系统等领域的特定算法

　　2、能够很快学习和利用state-of-the-art的算法解决实际产品问题，提升产品用户体验

　　最后一个问题，哪些公司需求大数据人才？

　　答：所有的公司。大到世界500强，BAT这样的公司，小到创业公司，他们都需求数据人才。

　　马云爸爸说“我们已从IT时代进入了DT时代，未来我们的汽车、电灯泡、电视机、电冰箱等将全部装上操作系统，并进行数据集成，数据将会让机器更“聪明”。DT时代，数据将成为主要的能源，离开了数据，任何组织的创新都基本上是空壳。”

随着大数据产业的兴起，不少行业小白也动起了学习大数据与云计算的念头。大数据与云计算好学吗?查了一圈资料之后，小白们就犯了愁。大数据与云计算真的好难啊!没有一点基础不用说精通了，入门都困难。怎么办?

大数据与云计算好学吗?

首先我们需要明白什么叫做大数据。通俗的讲，大数据就是指的海量数据。包括海量数据的收集、处理、分析等过程。而所谓的海量数据仅仅靠企业内部以及有限的收集渠道是远远达不到的，这就需要互联网的共享资源了。

而“云”既是互联网、网络的一种比喻手法。对于云计算，目前最为广泛的一个定义是美国国家标准与技术研究院所定义的，即：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络，服务器，存储，应用软件，服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。

从上述定义中，我们可以了解到，云计算能为我们提供海量的数据资源。正是有了云计算，大数据技术才随之应运而生。而正是有了大数据，云计算才有了更深层次的价值。两者之间相辅相成，关系密不可分。

不止是行业小白，即便是从事大数据与云计算多年的职场精英也会时常遇到许多棘手的问题。大数据与云计算，学习是一回事，工作经验的积累又是另外的一回事。如果是0基础的小白的话，坦白地讲，学习大数据与云计算确实有很大的难度。与其在那里寸步难行，不如报名一个专业的大数据培训班进行系统的学习。南京华信智原就是最适合行业小白的选择。

南京华信智原的0基础大数据与云计算培训班，对学员门槛要求低。会从最基础的Java编程语言开始教起。让你0基础顺利起步，开启大数据与云计算的行业成长之路。

同时，南京华信智原还为学员准备了真实的大数据学习环境，让学员虽然处于低起点，却能在真实的大数据环境中得到快速的成长。

南京华信智原的0基础大数据与云计算培训班之所以十分适合行业小白，是因为它拥有十分合理的学习安排。每日课程过后，都有很长的自习时间，供学员们对所学内容进行消化吸收。并全时段都有讲师陪同，随时为学员解答疑问，让学员们有一个快速而扎实的提升过程。南京华信智原还会针对学员的学习情况进行阶段性测试，根据测试结果调整课程安排，让每个学员都能充分掌握大数据与云计算的精髓。

学如逆水行舟，不进则退。既然已经发现了这个发展潜力巨大的大数据与云计算技术，就不要再有犹豫，选择适合自己的学习方式，学起来吧

在回答“从事数据分析师学什么专业”这个问题之前，小编想先给大家介绍下数据分析这师的就业现状！

一个优秀的数据分析师可以帮助企业根据现有数据做出科学、合理的分析，在前行中准确定位，为企业排除干扰，创造价值。数据分析师这个岗位的可以从事相关数据的职位有很多，如业务数据分析师、数据挖掘师、数据科学家、数据工程师等等。

业务/商业数据分析师（BA）是完全的咨询师设定，核心价值在分析框架+报告；

数据科学家是完全的算法设定，核心价值在算法+数学；

数据工程师是完全的程序员设定，核心价值在程序；

其他还有建模分析师、数据架构师、数据产品等等；

可以说数据分析师的就业面非常之广，在公司产生的价值与被重视程度不言而喻。

小编从各大招聘网站找到国内三家大企业的招聘，从中可以发现企业对数据分析人才专业要求是怎样的。

可以看到职责描述里，第七条，数学、统计学、信息管理、计算机专业等。

岗位要求里，第一条：本科以上学历，统计学、数学、电子商务、计算机、市场营销等相关专业。

任职要求，第一条可以看到数学、统计学、数量经济学、计算机、营销学等相关专业。

这几条招聘启事专业要求有数学、统计学、信息管理、计算机、电子商务、市场营销、数量经济学专业。这些专业具体都学些什么内容呢？

数学

随着科技事业的发展，数学专业和其他专业的联系也越来越紧密，所以数学专业知识也得广泛的应用。

数据分析师需要有专业的数学功底和严密的逻辑思维，而严密的逻辑思维则来源于扎实的数学功底。 学数学的同学更注重理论的完备性和逻辑链的完整性，即对于在分析过程中出现的任何一些命题，都要能证明它是正确的还是错误的。

统计学

统计学贯穿数据分析的全过程，没有统计学基础，很难有专业的数据分析。数据分析的 各个步骤，都要用到统计学的知识。

信息管理

信管专业主要对各种“系统”进行分析、设计与实现，技术与管理的有机结合。学习内容：财务、系统数据分析、IT技术，可以说信管专业非常对口数据分析师职位，从信息中 发掘财富。与计算机结合，使计算机作为工具， 信息管理更加有效和实用，随着企业经营规模的现代化，对信息管理 的要求越来越强烈。

例如铁路订票系统，就是对车票这种信息的查询和管理系统。可以说软件开发的最主要面向的客户就是 帮助企业制作良好的信息管理系统。

计算机

学习计算机专业同学可以从事数据研发/开发工程师，数据挖掘/机器学习工程师，对编程技术上的要求高一些。

电子商务

电子商务专业培养具备管理、经济、法律及网络技术、计算机技术、市场营销、电子商 务技术以及电子商务管理等方面的知识和基本技能，现在各大交易都在网站等网络平台 交易完成，数据分析在电商行业的应用非常广。

市场营销

数据分析师常要为企业的营销决策提供支持，这就要求懂营销。

具有营销背景的数据分析师思路会更清晰、更开阔。当让他做竞争分析时，他会想到波 特五个力；让他做环境分析时，他会想到PEST、让他做消费者偏好分析，他会想到科 特勒用户决策流程。

数量经济学

数量经济学是运用统计学、经济计量学、投入产出分析、最优规划方法、经济控制论和计算技术等各种手段，对各种经济问题进行理论分析、经验检验和政策分析的一门应用经济学科。数量经济学更偏技术类，相比其他经济学金融类专业，数经的优势是统计软件够独立编程。

近期收到微博中收到很多家长发来询问信息，那就是大学专业的选择。有的家长和学生为了挤进那些名牌大学，甚至在当时选着了一些冷门的专业，或者分值第一点的专业。毕竟现在的社会还是看学历的，拥有哪些名牌大学的毕业证，就像是镀了一层金，身份也会高出一大截。2018年度高考已经落幕一段时间了，虽然部分报考二本和专科的考生还未收到录取通知书。

今天小编依据网络调查，发现这样一科专业是家长们备受欢迎，从就业平均水平来看，这也证实了他们的就业非常高，对于这样的专业你知道是什么吗？那就来看看以下几位网友的观点吧！

医学行业吃香的因素

网友一：医生是高薪行业

10个网友家长中，有9个认为“医生高薪行业，金饭碗”。那么就有一位家长站出来透漏“实情”了，她的一个朋友或者亲戚，在某某医院是什么主治大夫，月入多少多少，还有什么医药分成，反正就是不低，都超过大部分公务员平均水平。

好了，在这位家长口中，我们得出了：医生平均工资高！

网友二：有个医生，看病方便

很多人都喜欢家里（或者不太远的亲戚关系里）有个医生，看病方便。但是作为医生，我绝不让自己的孩子以医学为专业，我会教自己的孩子一些基本医学常识，碰到亲人出现情况，会紧急处理（非亲人请直接打120），但作为职业就算了。

网友三：荣誉的身份，医生行业高大尚

有的家长将“有个医生，看病方便”看成了荣誉，不管你多大的官都会生病，不管你多有钱也会生病，你只要生病，就会来求医。成为名医的家长就被荣誉加身了，成为万众瞩目的

网友四：毕业工作有保证，医保系统完善，医疗队伍扩大

医学高校的分数不是很高，但毕业后就业有保障，有些分数低的，报了医学，希望将来分配父母有些人脉，好分配工作。目前国家的医保系统逐步完善，医疗队伍还有很大的职位空缺。这也是医科专业，好就业的最大的原因之一，家长们认为的”金饭碗“

医学行业的苦水

一点：中国普通的人和专业的人观念薪酬反差最大的一个行业

作为医生还得养很多行政闲人，自己工资水平却被这些人控制的死死的，什么医保超标了，什么病历上交晚了，什么任务没达到，还得被扣钱，真是呵呵了，我们本职工作是治病救人，这些任务没完成是对病人的健康造成影响了？真是本末倒置，所以主要是那些家长不了解医学，以为能发财，比如拿回扣啥的，能不破产就已经很好了。

二点：医生地位愈来愈低，列入高危行业

医生比较辛苦，节假日少，风险还大，社会偏见多。一般人不生病是想不到医生的，有的人生了病找医生还疑神疑鬼，总觉得医生与回扣是划等号的。殊不知医改了，医生想多开药也开不成的，电脑软件设置死了。现在有医保限额和各种占比问题，医生不好当，突破限额要自己掏腰包。这不是干一行怨一行的问题。

三点：人情世故冷淡，各种情被淡薄

医生自己和小家庭付出太多，方便所谓亲戚，还不一定会落好，经典台词是“是亲戚我才找你……”、“看在亲戚面上……”、“你怎么对自家人也这样……”、“上次那个事，我看在我们这么近的关系上没说什么，这次……”。其实所谓医患矛盾，就是过高的期望值与现实的落差太大，找认识的医生就是因为怕没交情说不上话（提要求），本质并没有变，期望值甚至更高。

四点：累，成了他们的宗旨。

急诊室，想来很多家长没有去过，谁会没事去那个地方呢？在那里你可以看到很那种群的病人，都急切的等着求救。再看看那些医疗人员，面临这么多的病人，急切的心情让他们顾不上自己身体。在这里”累“，成了他们的宗旨。

看了这么多，那你们还感觉学习医学好吗？那选择什么专业好？你有空看看今年的几所医科大学就知道现在学医有多火了。

总评：医学是个技术活，并且当医生太辛苦，上班时间长，夜班多，加班多。没周末，没假期，精神紧张，工资也不一定很丰厚。

不过小编还是希望大家越来越多的人加入医生行列，为社会做贡献，造福更多的人，也让医生护士们轮流休息。毕竟每个人的身体最重要！欢迎各位读者评论交流。

大数据时代，数据科学家们是新一代的超级英雄。

麦肯锡公司（McKinsey）所做的一项研究预计，“到2018年，仅美国一国在深度分析类人才方面的供需缺口可能就将高达50%-60%。”此类人才奇缺的现状目前在各行各业都能够感受到。

*麦肯锡公司是世界级领先的全球管理咨询公司。

2014年4月，咨询公司埃森哲（Accenture）对客户做大数据策略方面的调查时，超过90%的客户表示，他们计划聘用更多的具备数据技术专长的员工，而且多数计划一年内就进行。而在1000多家回应调查的客户中，有41%的客户表示，这方面人才匮乏是一个主要障碍。

*埃森哲是全球最大的管理咨询、信息技术和业务流程外包的跨国企业。

数据分析是什么？

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。

在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如，一个企业的领导人要通过市场调查，分析所得数据以判定市场动向，从而制定合适的生产及销售计划。因此数据分析有极广泛的应用范围。

数据分析类岗位目前就业形势？

不管是中国还是国外，大数据相关的人才都是供不应求的局面。根据麦肯锡报告，仅仅在美国市场，2018年大数据人才和高级分析专家的人才缺口将高达19万。此外美国企业还需要150万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才。

根据Linkedin《2016年中国互联网最热职位人才库报告》，数据分析人才被列为Top6的热门职位。

可以看出，这些职位都是当下任何互联网公司要建立发展必不可少的岗位，尤其是数据分析人才，伴随着大数据在互联网行业更多的应用而愈加重要。

在这份报告中，数据分析人才的供给指数最低，仅为0.05，相当于20个职位同时在竞争一个求职者。这在一定程度上反映了行业现状，很多互联网公司都逐渐意识到了数据的重要性，但却缺乏相关的专业人才来分析和管理数据。

很多学习数据分析的人会有一种困惑：“为什么学了那么多工具，还是不会数据分析？”，原因无外乎两个，一是只学到了碎片的知识，没有建立知识之间的连接，无法形成自己的知识体系，二是缺乏实践，导致无法形成“知行合一”的工作技能。

对于【UCSC Extension 位于硅谷中心地带，拥有得天独厚的地理位置，不但提供电子工业和计算机业的前沿科技动态和创新，而且为学生们创造了大量学以致用的工作机会】这一点就不需要再赘述了，除此之外，UCSC同样值得关注的是其数据库和数据分析证书课程，是真正意义上“知行合一”的教育方式。

UCSC数据库和数据分析证书课程

就读UCSC的数据库和数据分析证书课程可以学习处理业务数据和分析的原则，参与实践的过程，为希望将分析应用于商业决策的数据科学家、分析师、管理员和管理人员提供最新的培训，这个课程适合于寻求增强对最新数据库系统的理解的数据从业人员，以便适应当前的行业变化和不断变化的企业环境。

巨详细的课程介绍

（就算不仔细看全部，也一定要仔细看第11点）

1 、关系数据库设计和SQL编程

Relational Database Design and SQL Programming | 3 Units

关系数据库借助于集合代数等概念和方法来处理数据库中的数据，同时也是一个被组织成一组拥有正式描述性的表格，该形式的表格作用的实质是装载着数据项的特殊收集体，这些表格中的数据能以许多不同的方式被存取或重新召集而不需要重新组织数据库表格。UCSC的关系数据库设计课程就是教你如何设计这种表格。

SQL是结构化查询语言(Structured Query Language)，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。

UCSC本课程内容包括创建和操作表格的制作方法、使用SQL技能的管理方法以及在个人计算机上安装软件或数据库的能力。

2、商业智能解决方案

Business Intelligence Solutions | 2 Units

商业智能（Business Intelligence，简称：BI）指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

本课程以微软为例，对商业智能的基本原理进行了实践。学生将通过了解数据透视表、Power Pivot的特性，包括如何从SQL服务器加载数据并创建Powe View仪表盘、图表和地图。

*PowerPivot 指的是一组应用程序和服务，使用 PowerPivot 加载项可以更快速地在桌面上分析大型数据集，能以极高的性能处理大型数据集。处理数百万行和几百行的性能基本相同。

3、预测分析：机器学习的应用

Predictive Analytics: Applications of Machine Learning | 3 Units

机器学习的应用专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能并运用到实际生活中。

本课程介绍了机器学习方法，包括回归、分类和推荐系统，以及它们在实际中的应用。构建预测模型所涉及的步骤，包括数据收集、特征选择、算法和评估。

这是一种统计或数据挖掘解决方案，可为预测、优化、预报和模拟等许多其他用途而部署，也可为规划流程提供各种信息，并对企业未来提供关键洞察。

4、数据分析概述

Introduction to Data Analysis | 3 Units

本课程介绍了数据分析项目的不同方法，并组织学生进行分析实践。采用流行的数据分析工具进行分析，学习如何获取和操作原始数据。它涵盖了基本的探索性分析和常见的数据分析技术，如回归、模拟和估计。

5、大数据：概述、工具和案例分析

Big Data: Overview, Tools and Use Cases | 3 Units

这是一个用于处理大数据的数据库管理系统，从中可以学习如何获取、清理和规范化大数据。探索NoSQL的关键概念、模式、数据访问和方法，在大数据中学习技术基础设施。

*NoSQL，泛指非关系型的数据库。

6、数据建模简介

Data Modeling, Introduction | 3 Units

数据建模学习的是如何对现实世界各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。将经过系统分析后抽象出来的概念模型转化为物理模型后，在VISIO或ERWin 等工具建立数据库实体以及各实体之间关系的过程（实体一般是表）。

* VISIO一般指Microsoft Office Visio，是一款便于IT和商务专业人员就复杂信息、系统和流程进行可视化处理、分析和交流的软件。

* ERWin 的全称是ERwin Data Modeler，是数据建模工具，支持各主流数据库系统。

本课程提供了在数据建模和设计中的知识和实践操作，学生将研究事务系统、数据集市和企业数据仓库的数据模型的真实实例。

7、NoSQL数据库概述

Introduction to NoSQL Databases | 3 Unit

本课程介绍了NoSQL数据库的特性，以及为什么它们适合大数据，包括流行的NoSQL数据库的类型和类别。NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，是一项全新的数据库革命性运动，早期就有人提出，发展至2009年趋势越发高涨。NoSQL的拥护者们提倡运用非关系型的数据存储，相对于铺天盖地的关系型数据库运用，这一概念无疑是一种全新的思维的注入。UCSC Extension十分重视培养学生的全新思维能力。

8、机器学习&数据挖掘概述

Introduction to Machine Learning & Data Mining | 3 Units

在所有类型的数据中，机器控制自动识别复杂的模式。这个实践课程涵盖了各种数据挖掘方法的概念和原理，并包括用统计语言编写的机器测试示例。

学生可以在本课程学习如何从大量的数据中通过算法搜索隐藏于其中信息。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

9、Oracle PL / SQL概述

Oracle PL/SQL, Introduction | 2 Units

Oracle公司（甲骨文）是全球最大的信息管理软件及服务供应商，该公司开发的关系数据库产品因性能卓越而闻名，许多大型网站也选用了Oracle系统，是世界最好的数据库产品。研究其产品成为了数据库与数据分析专业的重点课题。

PL/SQL也是一种程序语言，叫做过程化SQL语言（Procedural Language/SQL）。PL/SQL是Oracle数据库对SQL语句的扩展。在普通SQL语句的使用上增加了编程语言的特点，所以PL/SQL就是把数据操作和查询语句组织在PL/SQL代码的过程性单元中，通过逻辑判断、循环等操作实现复杂的功能或者计算的程序语言。

这门课程适用于不同版本的Oracle 系统比如Oracle8i、Oracle9i、Oracle 10g和Oracle 11g用户。它向学生介绍了PL / SQL，并深入解释了这种编程语言的优点。

10、仪表盘和数据可视化

Dashboards and Data Visualization | 2 Units

学生在本课程可以学习仪表盘相关知识，了解一般商业智能都拥有的实现数据可视化的模块，学会运用这种向企业展示度量信息和关键业务指标（KPI）现状的数据虚拟化工具。

与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。学生需要掌握图形、图像处理、计算机视觉以及用户界面的使用，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。

这门课程将让学生懂得如何选择数据源、提取所需数据、使用示例工具执行数据分析，以及在仪表盘上直观地显示结果。

11、无薪实习

Internships (unpaid) | 3 Units

UCSC数据库与数据分析专业的学生每季度至少参加90个小时的实习，把课堂上学习到的理论知识真正运用到实际中。同时，UCSC的实习指导员也会对学生实习公司、岗位等等进行指导，以便学生获得最好的实习机会。

*美国大学与雇主协会”的官方数据统计表明，56%雇主的偏好那些通过实习的方式积累经验的求职者。这就非常直接地证明了，实习机会对每一个要找工作的人而言，实在是太重要了！

显然，UCSC Extension的职业资格证书课程，是学习数据库与数据分析专业最好的选择之一，所有的课程设置都是紧跟行业发展的步伐，甚至站在行业的前沿。

问题中可以看出来，题主算是真有心思投资1家餐饮业项目，思考了很久，感觉关于这个问题应该好好说一说，算是建议吧。说到餐饮项目1000个人有1000种直观印象，比如我受自身条件限制，最为直观印象便是时效、便捷，所以每个人的见解是不同的，所处的现实客观条件也是不同的，选择项目的看法也存在差异，很难再特性上满足题主的要求，但是在共性问题上还是能够给出一定的参考。

闲话少说，先来了解一组官方大数据：2017年中国餐饮服务市场总收入达3.96万亿元，各类饮食业各自分化，其中，中式正餐占比百分之57左右，休闲简餐占百分之17左右，快餐占百分之10左右，小吃占也是百分之10左右，其他餐饮占比8%。结合市场分析，现在外卖行业比较乐观，这个行业的规模超过2000亿元了，比起上一年增长了百分之23，现在可以说饮食行业前景还不错，有很好的前景，可以考虑。

在选择餐饮行业项目之前，我们讨论一下关于餐饮业的目前急需要解决的几个问题

1.时间限制方面：可销售的时间固定并且有限，仅限于早、中、晚三个时间点，毕竟按时吃饭的人还是占绝大部分的；

2.营收面积比方面：如何确定最优的店面经营面积，做到充分的利用每一平方米，如面积大客流少时便是浪费，面积小高峰期时满足不了消费，这个问题需要仔细考虑；

3.多元化标准方面：如中式正餐强调厨艺和口感，追求艺术感，休闲简餐强调客户体验及用餐环境，快餐小吃要凸显速度、便捷性、特色等，西餐讲究美感等。

4.质量保障方面：饮食业不同于其他产业那么好，如果他们在质量上或者是服务上出了问题，那么对他们无疑是重大的打击，所以他们需要特别的谨慎。

现在我根据我们国家居民生活水平的需要，将饮食类餐厅分为三种，每种饮食项目的建议如下

高级热度餐饮市场：高成熟度的饮食餐厅主要分布于一线城市和二线城市。

该消费市场内消费群体可支配收入较多，对生活品质有一定的追求，消费意愿较强，支出较多。建议选择高端中式正餐、西餐等项目。

中级热度餐饮市场：中成熟度餐饮市场主要包括二、三线城市、部分四线城市，该消费市场内消费群体意愿、支出等要低一点。建议选择普通中式正餐、价格定价在承受范围内的西餐、快餐小吃项目。该餐饮市场内需要特别注意外卖行为，也可以越级而为之。

低级热度餐饮市场：低成熟度餐饮市场主要包括四线城市、县乡地区，该消费市场异常复杂，既存在因市场消费能力不足而存在的低端中式正餐、快餐，也存在因乡村振兴、旅游开发而存在的休闲简餐、特色小吃等。

以上的这些就是我根据现在市场数据分析得出来的结果，这里信息内容你可以自行需要参考了解一下，基本大概的情况差不多都是这样，也会可能出现一些偏差，市场行为变化无常，项目的选择也是一项异常复杂的项目工程，需要考虑的因素很多，建议题主多做市场调查，慎重选择项目，有经验了解的小伙伴们也可以评价一下，多一些人就有多一些的意见，谢谢大家。

数据分析：毕业大学生就业有多难，悔恨当初那几年“享受”的生活

文|幸福

近期收到微博中收到很多家长发来询问信息，那就是大学专业的选择。有的家长和学生为了挤进那些名牌大学，甚至在当时选着了一些冷门的专业，或者分值第一点的专业。毕竟现在的社会还是看学历的，拥有哪些名牌大学的毕业证，就像是镀了一层金，身份也会高出一大截。2018年度高考已经落幕一段时间了，虽然部分报考二本和专科的考生还未收到录取通知书。

对六个城市300名学生当街走访小调查数据

这里几名社会学科的网友，用了三天时间在被北京、沈阳、上海、合肥、杭州、广州六个一线城市，在每个城市大街上随机走访了50位今年毕业的大学生，300名刚走向社会工作的大学生。他们的话语中透露出了一个话题，一个老到掉牙的话题“学校学的专业，毕业不一定会用的到。”在采访这300名新毕业大学生中，在家待业人员出现了53%，其中这159人中有87名准备参加公务员考试和老师在编。49人继续参加考研大军继续深造，只有23人还没想好要干什么，他们之中的专业普遍是些冷门。

而剩下的47%中，只有38%已经找到工作，还有9%已经在办出国手续，他们有的是参加工作或者留学。

这次的数据调查可见今年的毕业大学生的社会生存意识比起往届提升了很多，生活价值和个人成长能力提到了很高的水平。

找到工作的38%大学生，再细致调查得出结论

300人中有114人已经找到工作，甚至短短一个月的实习期，已经有很二十几名已经转正成为正式职员。面对这114人，当问起对口专业时，有相当一部分人露出无奈的表情。据了解他们之中只有30多人是对口专业，其他都不再从事自己所学专业。这些专业大多数属于一些烧钱的专业，和一些技术单一的专业。

不管这些学生专业如何，这些大学生经过大学的洗礼，已经由幼稚转变成了成熟，成长的成熟才是最重要的。明白了正确的社会价值，如何做人、做事，立足社会不被淘汰。

回到文章主题：专业真的那么重要吗？进入大学可以调换吗？

如今大学的学科非常多，据网络统计，有506个专业，分为13个学科和61个专业大类，当然，因为学科不同，每个专业学习起来的难度也并不相同，有些专业每天几乎没什么课，有种度假感觉，但这些专业毕业证的“含金量”不高，这些专业的毕业生，因缺乏应用技能，就业优势不明显，那就面临一个问题，毕业后选择的只能是一些技术低门槛的行业，也就出现了很多大学生口中说的“学校学的专业，毕业不一定会用的到”。甚至有学生幡然醒悟，悔恨当初那几年的“享受”大学生活。

面对这样的学生，只能很抱歉的对你说声“青春已经不再有，面对现实生活，激发奋进还为时不晚”

大学中选什么专业想来读者们心中已经有了概念，不可能因为一些报道而改变，只是小编提醒广大学生们，大学生活很美好，学习生活可能会更苦，因为社会的发展已经将竞争更激烈的一步。在大学中可以选修几门课也是不错的注意，还可以学习一点技术性更强的专业。学历和名牌大学的证明已经在社会中有了衰弱，技术型人才已经成为主流。不是小编吹，已经有很多大学生为了生活，走进了企业和工厂车间工作。他们又是什么原因造成的呢？欢迎各位读者评论交流。

2018届毕业生已经走上工作岗位，在新的转折点开始打拼。2018年2月份，梧桐果出炉2018届中国校园招聘蓝皮书，历数了2018届校园招聘秋招的行业、专业、地区招聘现状。现今，在2018届校招全面结束，梧桐果再次用数据为大家解读2018届校招之最，带领大家一起来看哪些毕业生荣登榜首？

企业所属城市分布，北上深招聘需求最大

从招聘企业所属区域来看，东南沿海和北上广招聘需求最大，其中北京企业招聘需求最多，占比9.47%；上海和深圳企业招聘需求分别位列二、三名，占比为7.81%、6.24%；杭州企业招聘需求排名第四，超越了一线城市的广州。北上广深地区作为一线城市，经济实力强，企业数量多，招聘需求也相对较大。一线城市人才争夺比较激烈，在抢人大战之中更多企业开始展开校招补充人才储备，为组建人才梯队提前抢人。

毕业生求职之最，新一线城市实力冲刺

根据2018届校招毕业生就业流向分析，北京和上海最受毕业生求职青睐，占据第一、二的位置，其次武汉位居第三，再次是深圳和南京。毕业生对一线和新一线城市比较喜爱，大城市经济发达，工作机会多，符合毕业生到大城市实现自身价值的追求。

武汉和南京对毕业生的吸引力超越了深圳和广州，一线城市不再是求职首选。近两年各大城市开始抢人大战，新一线城市更是出台各种给钱、给房、给户口的政策，显示出了城市包容性和吸纳力，受到毕业生求职青睐。

学历就业之最，硕士成最难就业群体

学历是永不褪色的话题，硕士就业难也成了热点新闻。根据梧桐果样本数据计算，硕士成最难就业学历，就业难度指数为3.21，平均3个人抢夺一个职位；其次是本科学历，就业难度指数为1.78；博士生就业难度指数为0.87，成最容易就业的岗位。现在大专院校注重校企合作，毕业生直接输送企业进行实习、就业，就业难度指数大大降低。硕士学历毕业生拥有高等学历，属于社会精英，而企业需求高等学历的岗位较少，因此出现硕士就业难的状况。

行业就业之最，互联网行业成毕业生求职首选

互联网成为2018届毕业生求职最青睐行业，投递量占全部行业的11.83%；建筑/建材/工程和教育行业分别位列于二、三名，占比分别为10.68%、9.01%。近几年互联网+模式不断开启，信息化带动传统化的发展，互联网行业的人才需求量也在不断的增加，为毕业生迎来了更多的就业机会。90后成长在互联网时代下,其思维和行为深受网络影响,对互联网行业更加熟悉喜爱，因此毕业生在找工作时更倾向于互联网行业。

专业就业之最，医学、军事、教育学专业最易就业

2018届校园招聘毕业生就业暗度指数中，经济学成最难就业专业，就业难度指数为2.16；工学作为供需最多的学科，其就业难度指数为1.28，排名第五；医学就业难度指数为0.39，成最容易就业学科。

医学作为最易就业专业，其原因有两个，一方面：近年来医患关系紧张，学生普遍不愿报考临床医学等学术学科，导致企业需求供不应求；另一方面，现在人们更加注重养生，进而医药公司和疗养保健类企业兴起，也加大了对医学类相关人才的需求。

专业薪资之最高，计算机类专业拔得头筹

互联网行业成最受青睐的行业同时，计算机类专业也成为了高薪专业，2018届校招薪资排名前五的专业均为计算机相关专业，软件工程以平均薪资7210元荣登榜首；信息安全平均薪资为6764元，排名第二；网络工程平均薪资为6639元，排名第三。金融学作为金融行业必选专业，其平均薪资为6389，不敌计算机相关专业薪资。IT业属于高新技术行业，符合经济转型升级的方向，相关人才相对来说供不应求，因而其工资水平和增速能保持较快增长；另一方面，金融业近两年来处于整顿和调整之中，业绩总体不太理想。总体来看，IT业工资超金融业是一种好的变化，凸显了收入分配重点转移到高新技术和实体经济中的正确导向。

高考试卷已经结束，大多数考生将面临与高考同等重要的问题：填报志愿。今年，一个被认可的新专业吸引了许多人的注意——数据科学和大数据技术。“大数据”的概念再次流行起来。学生和家长在填写志愿者时应该冷静下来。

当前的大数据产业真的是人才稀缺吗？

几年后，大数据产业会出现产能过剩吗？

大数据产业需要什么样的人才？

“热门专业”的重点是什么？

接下来的大量数据将显示分析结果。

当前的大数据产业真的是人才稀缺吗？

对的!未来人才缺口为150万，数据分析人才匮乏。

大数据和人才之间的差距有多大？

据2017中国互联网最热门的人才报告，大数据交流学习群：72268o25o不定期分享学习资料，有兴趣的朋友欢迎加入，LinkedIn，研发，研发工程师、产品经理、人力资源、市场营销、运行和数据分析是六个最苛刻的中国互联网行业的人才。

其中，数据分析人才最稀缺，供给指数最低。同时，跳人才的速度在数据分析上也是最快的，平均跳速是19.8个月。

吴永薇，在清华大学计算机系的一名教授，透露的一组数据。去年，在未来3-5年内，中国需要180万个数据的人才，但只有约30万的人。

未来大数据产业会出现产能过剩吗？

提供大数据技术和应用服务的第三方公司正面临着调整，未来的发展将是重点。

讨论大数据的概念是过度投机”，在2013达沃斯的夏天。与此同时，支持“炒作”观点的观众达到了54.5%。在这方面，光华管理学院副教授Su Meng以三个理由反对北京大学。

在不同的机构之间仍然没有真正的数据流，而数据只是一个“孤岛”。

一个完整的生态产业链尚未形成。尽管行为数据分析已经能够区分消费者的偏好，但从供应到购买的链条尚未建成。

数据分析人才还很匮乏。

4年后，舆论热点逐渐从大数据转向人工智能，大数据产业也得到了整合。在过去的一年里，一些大数据公司被裁员，他们的业务也被调整了。有些公司一直亏损。公司面临的危机是什么？

基于数据属性，涉及大数据的公司有两类：一类是拥有数据的公司，如Amazon和阿里巴巴，另一类是集成数据资源的第三方公司，提供大数据技术和应用服务。目前，大多数行业整合中存在利润问题的公司都集中在第三方服务提供商中。

在这方面，LinkedIn，王迪，技术副总裁说，在中国，第三方供应商提供更多的技术或平台。

王迪认为，大型数据服务必须产生规模经济，至少有三点：算法、计算平台和数据本身。第三大数据初创公司的算法和计算能力实际上是在一个特定的线统一水平，如果传统企业，大数据初创公司没有区别，甚至更多的计算能力，数据采集，在许多传统行业的数据是不共享的，得到这个数据第三大数据公司更难，谁有最后的数据。谁有更高的价值，“它是白色的，而数据是金的。”。

2017，有10多家大型数据企业进行一次性融资，已有30多家企业获得了1000万以上的横向融资。互联网资本寒冬，大数据产业的投资热度有所下降。大数据产业是否存在产能过剩？

王迪认为，当前行业整合是一种常态现象。市场优胜劣汰后，第三方服务领域将出现一些优秀的企业。其他公司可能会被淘汰或转变成若干垂直产业。从社会的角度来看，总需求一定会增加。对于供应方来说，在行业自然洗牌之后，它最终将集中在几家优秀的行业公司。

随着大数据时代的到来，各个行业对数据价值越来越重视，他别是近两年，数据分析师岗位的需求激增，数据分析师已成为当今最具发展潜力的职业，人才缺口达到150万，在生活中很多想转行数据分析师培训的从业人员纷纷报名数据分析师培训机构，来增强自己的技能因此转行高薪行业。那么数据分析师的就业方向是什么，一位过来人的职业规划之路告诉你！

数据分析师作为一个出现时间不长的工种，大数据时代下，成为螺丝钉还是成为龙头，需要尝试新的可能。

数据分析师的职业规划

数据分析师手中拥有一座宝藏。作为滴滴出行数据分析团队的负责人，刘普成发现了数据分析师通往卓越的秘诀：视野。数据分析提供了这样一种可能：它不是简单的技术工种，它是最具有潜力的一项工作，背后蕴藏着相当多的机会。刘普成是中国最懂互联网数据分析的人之一。北大ccer硕士出身，做过公务员，这位业界资深的大牛，曾先后任职于百度、豆瓣、豌豆荚，对产品、设计、运营等互联网业务有着深刻的理解。现在，他担任滴滴出行数据分析团队的负责人，统筹这家体量巨大的公司随时产生的海量数据。作为一个成长经历颇为不同的资深大牛，他认为，推动一个人进步的本质原因是开放的心态和兴趣。硕士毕业后，他没有像大多数同学那样出国读博，或顺理成章进入金融业，而是选择在中国互联网界进行数据方面的探索，寻找一些“新”的东西。随着专业能力的提升，又开始深入学习互联网行业的其他技能，拓展自己的知识领域。

在八年时间，从一名普通的数据分析师，成长为精通技术和业务的数据科学家，刘普成发现，数据分析师在不同阶段需要掌握不同的能力，本质上，是让自己的视野更开阔。

数据分析师不能只成为一个技术专家，要成为可以影响公司运作的人。结合自身经历，刘普成认为数据分析师在进阶的道路上有如下选择：

1、成为数据技能超强的产品经理

2、成为数据指导业务的运营VP

3、成为管理或战略

4、成为博学广识的数据科学家

而关于数据分析师的职业规划，小编认为主要是从两个方面表现，一个方向是偏文一些（即运营分析），另一个方向则偏理一些（即挖掘分析）。不管是文的还是理的，可能你都需要掌握一些入行的行规，例如Excel技能、数据库操作（MySQL/SQL Server/Oracal/Hive等）、Tableau可视化、R或Python的编程能力等。这些都是用人单位在招聘数据分析师时提到最多的“任职资格”，其实这也都是技能门槛。如果这些你还没有接触过，可以在准备入行前花3~6个月去充充电，可以选择闭关修炼、或观看学习视频、甚至可以挑选口碑比较好的数据分析师培训班。而不管是数据运营分析师和数据挖掘工程师，它们在企业中都属于技术岗。根据工作人员的能力，会匹配相应的段位，一般来说，较高的技术段位，也可以对标到相应的管理岗。最后，就看你希望往哪个方向去发展，然后在这个方向上去努力，如果顺利的话你可以成为高级总监。

以上有关数据分析师的就业方向，一位过来人的职业规划之路告诉你的内容介绍，到这里就结束了，更多数据分析师相关信息可关注容大教育。