对统计学从业方向的一点思考

       在大数据时代，计算机，信息科学，统计学，数学与应用数学等涉及到数据结构及计算的专业被推上了风口浪尖。在校园招聘中，尤其是计算机专业，在众多信息科技类的公司中，招聘数目占去所有招聘名额的半壁江山，而统计学，数学则相对逊色，社会招聘中提供的岗位相对多一点，然而要求相对较低。总的来说，对于统计学本科学生而言，如果想从从事数据挖掘与数据分析，毕业求职相对处于一个比较尴尬的地位。

      自2013年起，统计学专业的地位得到了不同程度的提升。从一个二级学科变为一级学科。统计学在各个领域也得到了不同程度的重视，经济统计学、数理统计学、生物统计学、卫生统计学、社会统计学，除数理统计学对数学、计算机要求较高之外，其他专业，统计知识只是专业学科的一枚工具而已，所以专业软件的学习深度，学生计算机应用能力应该都处于一个基础性的水平，所以校园招聘中，除一些基础性的岗位（使用excel或者中小型数据库）外面向统计学专业学生，涉及到真正的大数据项目或者说数据分析，企业更倾向于计算机专业人才或者更愿意在社会招聘中招聘有经验工作人员。

      目前，针对应届生，海投网应该是校园招聘的一个平台，企业对统计学专业毕业生需求相对较少，社会招聘中，知名网站如猎聘网，前程无忧，中华英才网，51job，智联招聘，涉及到数据分析的岗位相对多一点，然而在我看来，所谓的数据分析师，其实干的却是大多数毕业生都可以做的事情，工具依然是excel，sql server，能够使用R、SAS专业分析软件的公司几乎是少之又少。python，spark，hadhoop这些都是计算机专业的专利，统计学专业学生如果想掌握这些内容，只有在工作中通过自我学习，不断积累。

      从理论上来说，数据挖掘工程师更应该做一些数据获取，数据架构搭建等工作；数据分析师应该结合具体业务，借助统计思想和方法，进行深入的数据分析，为业务决策和业务导向提供依据。在我看来，社会对一名优秀的数据分析师的要求远远高于数据挖掘工程师，具体原因如下：

       第一：统计学是一门应用型学科，专业的理论知识相对复杂，如聚类分析，主成分分析，时间序列分析等分析方法使用条件较为苛刻。而普通本科统计学专业学生实践经验相同缺乏，对这些分析方法停留在理论认知层面，一旦付诸实践应用，诸多应用方法的限制，现实数据的多变性，这些都是制约数据结论有效性的因素。

       第二：对于刚刚毕业的学生，对宏观社会把握不够，尤其是对于研究社会类的学生来说，缺乏社会认知，写出来的报告难免具有片面性，

       第三：在校的理论学习，是针对大众化的，放置四海而皆准。然而，每个公司的业务，都具有自己的特殊性，这就需要将普遍性的原理和特殊性的业务结合起来。众所周知，理论联系实际，说起来容易，做起来可能就比较难。此外，公司业务范围，人员，政策导向多变，只有在公司工作一定年限，对公司了解比较深刻的员工，才可以更好的将理论联系实际。

       综合以上三点，我觉得任何一家优秀专业数据分析人士，一定具有良好的统计专业素养，丰富的业务实践，可以将数据与业务很好的结合，进行数据清洗，数据分析。只有真实准确的数据来源，正确的分析方法，才能对事物进行科学合理的认识，这样我们做出来的分析报告才有价值。当投入大于产出的时候，企业才愿意去投入时间，金钱，安排专业人士做专业的分析报告。而数据挖掘只是数据分析的一个基础性环节，只要具有基本的计算机水平，任何人都可以按照公司的要求，提取需要的数据信息。

       在我看来，要向成为一名优秀的数据分析师，最好从数据挖掘做起。对于统计学专业学生而言，计算机专业知识是我们的软肋，那么我们需要在工作中不断的去提升自己的计算机应用水平，学习编程语言，进一步应用。深入掌握一门数据挖掘工具，对文本挖掘，声音，图像等信息挖掘有基本的认知，然后可以做可视化的报表，图形，尽量将数据呈现自动化。再加上在公司业务能力的提升，做数据分析才会更具优势，这个阶段，应该深入研究R，SAS等专业软件，将统计分析常用方法植入软件，实现常规分析报告自动化，而后，结合实际，进行一些特殊性的分析。这样，我们的数据分析才会做的越来越好。