发信人: Roburite (郭大路), 信区: M.S.S

    标 题: 谈谈与数据打交道的工作

    发信站: 珞珈山水 (Wed Jul 7 00:04:28 2010), 站内

    一直想写点什么，希望分享一些关于工作的事情，能够对学弟学妹们有所帮助。这时节，又有一批毕业生奔赴东西南北，走上工作岗位。两个多月后，新一季的校园招聘又将开始。关于求职面试，范围太大，谈起来恐怕够写几本书了。我这里废话就不说了，我只谈一个方向。对于我们数学出身的毕业生而言，比较合适的一个方向。希望能够抛砖引玉，让已经毕业的同学们都多做一些分享，给学弟学妹们指指路。

    就我看这几届数院学生（主要指硕士；本科生的就业好像不是很好；博士生基本上都是在高校当老师了），就业大致上有3类，一是中学或高校教师，二是金融行业，三是IT行业。 我要说的是与数据相关度比较大的就业方向，包括数据库、数据仓库、统计、数据分析、数据挖掘等。基本上涵盖了BI（Business Intelligence）的各个环节，简单点说，这些职位都围绕一个中心：体现和挖掘数据的价值。当前这类职位主要在银行、电信及互联网行业。

    我们数院的学生从事这方面工作的优势大致有以下几个：数学基础好（起码看到有些模型上的公式不会头疼吧）、统计学知识掌握较好、对数字相对更敏感。还有几点，这个方向主要是属于IT类，从业人员很多是计算机电信出身，所以有时候老大们会倾向于招点不同专业的调剂一下，好比全是男人的小组有时候会倾向于招几个女生过去。这也是有一定道理的，不同性别不同背景的人，其思维方式会有一定差异，如果能够磨合好，最后效益应该更大一些。当然，我们不能依赖这一点。另外，数学是理工科最基础的学科，不少人会认为数学系出身的人是很值得培养的。当然，我们同样不能去依赖这一点。

    大家可以留意下此类职位的招聘信息，一般的IT类职位对专业的要求可能是：计算机相关专业，或计算机、应用数学等专业，此类职位则一般是：数学、统计学、计算机等专业。这也说明我们去应聘此类职位还是很对口的。

    下面谈最重要的。现在社会化分工非常细致，BI的每个环节都可以对应一个职位。按专业族来分，有技术类、产品类、运营类、市场类等，甚至每个具体职位都可以属于不同的类别，比如技术类和产品类都有做数据分析的，技术类和市场类都有做数据挖掘的，而且各个公司相同名称的职位可能在实际工作内容会有较大差异。关键的问题来了：这些职位需要什么样的人，应聘者需要具备哪些基本素质和技能？

    先看技术类，有DBA、数据仓库、OLAP、数据分析、数据挖掘等方向，不同方向的要求当然不同。这方面的技能包括但不限于：数据库基本原理、统计学基础知识、数据建模方法、回归分析应用、人工智能、机器学习和数据挖掘常用算法，常用工具包括但不限于：linux、shell、awk、perl、 sql（主要是 oracle 和 mysql）、一两门编程语言（主要是 c/c++）、access、excel、spss、sas base、cognos 、datastage、sas em、clementine等。太多了吧？不要害怕，这里列出的是所有技术类职位相关技术要求的汇总。对于特定职位，你必须很熟悉你应聘方向的相关技能和工具，同时对相近方向的技能和工具应该有所了解。上述基本技能有不少在数院的选修课中是有涉及的，常用工具也有一些是我们在学校就用到过的。原理是关键，工具其实用一两个星期就熟悉了。对于应届生而言，公司更希望大家具有良好的基本功。

    如果是非技术类，比方说产品经理或负责市场或运营分析的职位（这里主要指数据分析方面），上述技术要求就会降低很多，基本上你只要用好excel就行（当然，excel其实也是个很强大的工具），顶多再要求下熟悉spss。但对于这类职位，在业务、产品和市场方面的要求就更高一些。常见的要求有：熟悉该行业的相关产品、商业触角敏锐、对产品细节和数据足够敏感、分析问题和输出报告的能力，有些甚至会要求对消费者行为学和心理学有所了解。

    包括技术类和非技术类，上述职位均会要求：数据敏感、逻辑严谨、思维缜密、实事求是。更一般的，适合于所有职位的基本素质：快速学习能力、沟通能力、执行力、团队精神、分享和总结的习惯。

    那怎样培养这方面的能力呢？细说起来，又是个很大的话题。我只简单讲几句。总体而言，都是一个长期积累的过程。技术类的，自然需要勤加苦练，产品和业务方面，平时也要多留心。至于基础素质，那更不能速成。但是，假如现在只有两三个月时间，怎么办？虽然学好很难，但速成一下，了解个大概，应该是不成问题的。我们想一下，院里每个学期开的专业课最多的时候至少有三四门吧，只要你不是打酱油过来的，那我估计在两个月内熟悉某一个细分方向上的技术知识，时间应该足够了。至于非技术方面，起码可以找些行业报告和分析来看看，不光是看，更要去想，去思考。另外如果是互联网行业，那还可以对产品方面作出更多思考，毕竟这个行业的大部分产品都是面向普通网民的。在使用产品时多思考，它的目标用户群，它如此设计的原因，包括一些竞品分析，如果能够给出一些数据支撑就更好了。

    在学校里面学到的都是基础知识，一方面我们是在掌握知识本身，更重要的另一方面，则是在培养学习能力，包括独立思考、学以致用等。数院的学生从事这个方向的工作，会有一定的优势，但最终还是靠自己。大家都知道，武大包括我们数院一向是很松散的，本科研究生很多都是放羊过去的。你想怎么过，决定权在自己手上。最后，用一句话作结，与大家共勉：纸上得来终觉浅，绝知此事要躬行！

建议继续学习：

1. 数据分析中常用的数据模型    (阅读：6327)
2. 五个免费开源的数据挖掘软件    (阅读：5109)
3. 如何对统计数据进行分析    (阅读：3842)
4. 页面停留时间和网站停留时间详解    (阅读：3643)
5. 浅析十三种常用的数据挖掘的技术    (阅读：3475)
6. 音乐智能推荐    (阅读：3117)
7. 使用Weka进行数据挖掘    (阅读：3120)
8. WEB数据挖掘相关术语整理    (阅读：2633)
9. 如何萃取海量数据的价值    (阅读：2277)
10. 网络数据的背后――网络日志的分析指标    (阅读：2034)