¿Cuáles son los principales trabajos de un analista de datos? ¿Cuáles son las perspectivas de desarrollo? ¿Qué conocimientos relevantes se necesitan?
El puesto de analista de datos tiene características distintivas de la época y una gran demanda. A nivel universitario, los estudiantes de estadística exploran y cultivan activamente las capacidades de análisis de datos de los estudiantes universitarios y luego brindan estrategias efectivas para proporcionar datos calificados. talentos analistas para la sociedad tiene un importante valor de investigación y significado práctico.
1. La importancia de formar analistas de datos
(1) La formación de analistas de datos está en línea con las estrategias nacionales
Para adaptarse al proceso de la integración económica mundial, a fondo Para cambiar la actual escasez de talentos profesionales y técnicos en el "análisis de datos de proyectos" en nuestro país, en abril de 2005, se estableció la primera empresa de análisis de datos del país en Shaanxi. Hasta ahora, nuestro país se ha establecido sucesivamente. oficinas en Beijing, Shaanxi, Jiangsu, Xinjiang, Gansu, Shandong, alrededor de 80 instituciones profesionales de análisis de datos de proyectos de 14 provincias, municipios y regiones autónomas, incluidas Zhejiang, Shanghai y Heilongjiang, han entrado en la etapa de economía de mercado china. desde la industria de análisis y evaluación inicial y la industria financiera hasta contadores, instituciones de inversión y financiación, aprobación gubernamental y gestión empresarial y muchos otros campos. Con el advenimiento de la era de los big data, la construcción de plataformas de investigación de big data, la integración de recursos innovadores y la implementación de "planes especiales" se han convertido en una de las prioridades de varias provincias y ciudades.
(2) Las perspectivas de empleo de los analistas de datos son brillantes
En la actualidad, que se considera el "Año de los datos", los analistas de datos son famosos internacionalmente por su generosa remuneración y su respetado La revista Times la aclamó como una de las "cinco industrias emergentes más importantes del siglo XXI". Hoy en día, la cantidad de talentos profesionales en la industria nacional de análisis de datos está creciendo rápidamente en miles de dígitos cada año. Durante el mismo período, la cantidad de puestos vacantes en diversas industrias ha alcanzado casi 200.000 en el futuro, la demanda de analistas de datos en China. explotará.
En términos de capacitación de talentos de análisis de datos, los países extranjeros han considerado los talentos de los analistas de datos como una estrategia nacional. Según las estadísticas, más del 90% de las 500 empresas más importantes del mundo han establecido departamentos de análisis de datos. La enorme demanda de analistas de datos en la era del big data también ha estimulado en gran medida el entusiasmo de los colegios y universidades por la formación.
2. Cultivo de las cualidades profesionales de los analistas de datos
A través de la recopilación, organización y análisis en profundidad de información de contratación para analistas de datos, analistas de investigación de mercado y otros puestos en los principales sitios web de contratación. , exploraremos y analizaremos Los requisitos específicos de los empleadores sociales para el conocimiento, las habilidades y las cualidades morales de los analistas de datos se resumen a continuación:
(1) Connotación profesional de los analistas de datos
Los analistas de datos se refieren a profesionales de diferentes industrias que se especializan en la recopilación, clasificación y análisis de datos, y realizan investigaciones, evaluaciones y predicciones industriales o de mercado basadas en datos reales, estadísticas, análisis y el estado futuro del proyecto; Profesionales que predicen y transforman la información en toma de decisiones. Los analistas de datos pueden dominar una gran cantidad de datos de la industria, utilizar herramientas informáticas científicas y combinar principios económicos con modelos matemáticos para realizar análisis cuantitativos científicos y razonables. Los analistas de datos pueden predecir las ganancias y riesgos futuros de la empresa y proporcionar información para las decisiones comerciales. La base para el análisis científico cuantitativo.
Actualmente existen dos certificaciones principales para analistas de datos: una es la Certified Data Analyst (CDA), que es emitida por el Certified Data Analyst Institute (CDA) en cumplimiento de la tendencia del big data y la computación en la nube. La abreviatura de la ocupación iniciada y establecida; la segunda es Analista de datos de proyectos (CPDA), que es evaluada y certificada conjuntamente por el Comité Profesional de Análisis de Datos de la Cámara de Comercio de China y el Centro de Exámenes de Educación del Ministerio de Industria e Información. Tecnología. El certificado es una condición necesaria para solicitar el establecimiento de una empresa de análisis de datos de proyectos.
(2) Requisitos de conocimiento para analistas de datos
Dominar métodos de modelado estadístico, como análisis estadístico multivariado, análisis de regresión aplicado, análisis de series temporales, econometría e investigación de pronóstico económico, y comprender nuevos progreso en los métodos estadísticos en esta industria; clasificación, consulta, extracción y otros métodos de datos maestros en SQL/Oracle y otras bases de datos; ser competente en el uso de software estadístico relevante e interpretar con precisión los resultados de la operación del software; de industrias relacionadas.
(3) Requisitos de capacidad de los analistas de datos
Ser sensible a la información y los datos, tener sólidas habilidades de redacción y poder redactar informes de investigación de forma independiente y dominar el uso de SPSS/SAS; /Eviews y otro software de análisis estadístico, tienen capacidades integrales en análisis de datos o minería de datos; dominan la arquitectura de bases de datos y la arquitectura de datos, tienen habilidades y conocimientos en el uso de declaraciones de consulta de Excel/SQL o Access, y tienen buenas capacidades de procesamiento de datos y creación de modelos estadísticos.
(4) Responsabilidades laborales de los analistas de datos
Ser responsable de la investigación, recopilación, organización, análisis, investigación y publicación de información y datos relacionados con la industria y la empresa; participar en actividades especiales; investigación, proyectos e investigar proyectos de consultoría, escribir artículos de análisis de la industria e informes de investigación, realizar una extracción en profundidad de big data, establecer modelos relevantes para la predicción y el análisis, encontrar conexiones relevantes, revelar leyes internas y proporcionar bases para las decisiones de la industria y las empresas; haciendo.
3. Plan de formación de analistas de datos
El plan de formación es una expresión concentrada del pensamiento y la filosofía educativa de la educación superior. Para resaltar las características formativas del análisis de datos, las carreras de estadística deben. realizar un análisis en profundidad Sobre la base de las necesidades profesionales del análisis de datos, finalmente se formula un sistema curricular que cumple con los requisitos de capacitación de los analistas de datos.
(1) Objetivos de formación
Para que los estudiantes se conviertan en profesionales en el campo del análisis de datos en diversas industrias después de graduarse, los objetivos de formación para los estudiantes con especialización en estadística en la educación de pregrado Se han determinado las etapas: primero, tener buenos conocimientos básicos en economía, gestión y gestión financiera; segundo, comprender los conocimientos relevantes de la industria y los procesos comerciales de la empresa; tercero, dominar las teorías y métodos básicos de estadística y ser competente en el uso de SPSS/SAS y; otro software de análisis estadístico para análisis de datos o capacidad integral de extracción de datos, en cuarto lugar, dominar la arquitectura de la base de datos y la arquitectura de datos, tener habilidades y conocimientos en el uso de declaraciones de consulta de Excel/SQL o Access, y tener buenas capacidades de procesamiento de datos y creación de modelos estadísticos; , tener fuertes habilidades de redacción, capaz de escribir de forma independiente informes de investigación de análisis de datos.
(2) Principios para establecer el sistema curricular
En la etapa de educación universitaria, el plan de estudios para la formación de analistas de datos debe implementar el principio de "tres combinaciones".
1. Combinando múltiples disciplinas. El trabajo de análisis de datos es la aplicación integral de múltiples disciplinas y especializaciones en la toma de decisiones corporativas. Para convertirse en un excelente analista de datos, debe lograr el dominio de múltiples disciplinas. Debe estar familiarizado o comprender conocimientos relevantes en matemáticas, estadística, economía, finanzas, gestión, marketing y otras disciplinas.
2. Combinar la investigación teórica con la aplicación práctica. Los colegios y universidades generalmente tienen bases de práctica docente y de pasantías relativamente maduras. Después del estudio teórico, los estudiantes pueden ir a empresas e instituciones o industrias financieras, financieras, de seguros y otras industrias para realizar pasantías específicas para aprender sobre conocimientos y datos comerciales en industrias relacionadas. utilizar el conocimiento aprendido para realizar análisis de datos y completar informes de investigación de análisis de datos de forma independiente o cooperativa.
3. Integrar la educación profesional con la educación de calificación técnica. A través del estudio, los estudiantes pueden obtener una licenciatura en estadística o una licenciatura en economía; al participar en exámenes de calificación técnica en la sociedad, los estudiantes pueden obtener certificados de calificación técnica profesional como análisis de datos, estadístico y analista de encuestas. La combinación de ambos es más propicia para que los estudiantes pasen de un campus cerrado a una sociedad abierta, aumenten sus habilidades y se integren y se adapten mejor a la sociedad.
(3) Marco básico del sistema curricular
En todo el proceso de enseñanza, cada semestre se puede dividir en semestres largos y cortos. En el semestre corto, algunos temas relacionados con el empleo. Se organizan sesiones de enseñanza práctica concentrada de corta duración relacionadas con el trabajo destinadas al desarrollo de habilidades, principalmente cursos de formación en el puesto de trabajo. Los cursos de un semestre largo se dividen en 4 series: cursos básicos, cursos direccionales, cursos prácticos integrales y cursos de desarrollo profesional. El sistema curricular se construye integrando conocimientos relevantes, optimizando la estructura del curso, fortaleciendo las habilidades prácticas y destacando la capacitación en habilidades laborales para lograr el propósito de formar estudiantes con las habilidades básicas y la alfabetización de los analistas de datos.
IV. Estrategias en el proceso de formación de analistas de datos
(1) Estrategia de integración de contenidos docentes
Bajo la construcción general del sistema curricular y la configuración del curso, De acuerdo con La idea de modularización del plan de estudios reorganiza el contenido de la enseñanza, el progreso de la enseñanza y la profundidad del curso, elimina el contenido obsoleto y repetitivo, fortalece la conexión entre la teoría y el contenido práctico, agrega contenido para cultivar habilidades de aplicación integrales y logra la integración y optimización de contenidos didácticos.
Por ejemplo, los contenidos de "Análisis de regresión aplicado" y "Econometría" a menudo se superponen, y "Análisis de regresión aplicado" se pueden fusionar en "Econometría". Otro ejemplo es "Estadística descriptiva", "Estadística matemática" y "Cursos de econometría". como "Predicción estadística y toma de decisiones" y "Predicción estadística y toma de decisiones" tienen algunos contenidos repetitivos, a partir de una revisión cuidadosa de los conocimientos, se deben integrar los contenidos didácticos correspondientes y reformular los documentos didácticos.
(2) Estrategias para organizar sesiones experimentales
Descubra el punto de conexión entre los métodos de conocimiento profesional y los problemas prácticos, y analice y estudie temas actuales y difíciles para enriquecer y enriquecer la práctica. Contenido de enseñanza. Recopilar instrucciones experimentales y materiales de orientación con antecedentes de aplicación y efectos de capacitación práctica para aclarar los vínculos, propósitos y requisitos específicos del experimento. Cada proyecto experimental debe incluir la naturaleza experimental, el propósito experimental, los requisitos experimentales, el contenido experimental, los pasos experimentales y el análisis de resultados. El contenido experimental de todos los cursos avanza de lo más superficial a lo más profundo, paso a paso, para lograr la estandarización de la enseñanza práctica.
(3) Estrategia de organización de la enseñanza del software
Para permitir que los estudiantes dominen completamente el software estadístico relevante y sean competentes en el uso del software apropiado para organizar y analizar datos, la enseñanza del software estadístico se divide en tres niveles: primero, se ofrecen cursos separados de bases de datos de SPSS y SQL Server; segundo, se ofrecen en el aula Lingo, Eviews, SAS y otros experimentos de software; tercero, se ofrecen cursos de software como Latex y R en semestres cortos; Formación integral para lograr la enseñanza jerárquica del software.
(4) Estrategias prácticas de operación del curso
Con el fin de fortalecer la capacidad práctica de los estudiantes y la competitividad laboral, se ofrecen prácticas de comunicación y etiqueta en el lugar de trabajo, producción de PPT, modelos estadísticos y prácticas. semestres cortos brinda capacitación sobre métodos y prácticas de investigación estadística, capacitación en ofimática y otros proyectos. La capacitación integral en cada semestre incluye proyectos como procesos estadísticos y redacción analítica, software de práctica contable, casos de análisis estadístico, etc., para lograr la profesionalización de. práctica integral.
(5) Ampliar las estrategias de diseño curricular
Reclutar estadísticos, analistas de encuestas y empresarios con rica experiencia práctica como profesores a tiempo parcial o tutores fuera del campus para fortalecer la práctica fuera del campus; con el segundo En el aula, realizamos actividades extracurriculares ricas y diversas que se combinan con la docencia profesional, al mismo tiempo, utilizamos competencias de materias como la Competencia de Modelado Estadístico de Pregrado, la Competencia de Análisis de Encuestas de Mercado de Pregrado y la Competencia de Modelado Matemático de Pregrado; formar las capacidades integrales de los estudiantes y lograr un desarrollo profesional diversificado.
V. Medidas de salvaguardia para la formación de analistas de datos
(1) Integrar diversos recursos educativos y mejorar la eficiencia de la enseñanza
Sin garantía de financiación, los analistas de datos El cultivo de los estudiantes sólo se puede realizar en papel. Por lo tanto, se deben establecer escuelas y colegios secundarios para aumentar la inversión de capital y brindar un fuerte apoyo tanto en aspectos de software como de hardware para garantizar que los fondos se implementen de manera efectiva. Utilice los recursos existentes de la escuela para construir laboratorios abiertos y bases de pasantías para crear un buen entorno para la capacitación de analistas de datos.
La formación de analistas de datos debe implementar la integración de la industria y la academia, adherirse al método de educación de puertas abiertas y la capacitación conjunta con las empresas. Crear un nuevo mecanismo para que las universidades y las empresas industriales cultiven talentos conjuntamente y cambiar la desconexión actual entre la formación de talentos en las universidades y las necesidades de las empresas industriales. Utilizar recursos sociales para establecer bases experimentales y de pasantías mediante la gestión conjunta de escuelas, la construcción gubernamental, etc.
(2) Establecer un sistema de tutoría y fortalecer el papel rector de los profesores
Para mejorar el nivel de análisis de datos de los estudiantes, después de ingresar a su segundo año, las universidades de secundaria deben implementar un programa de pregrado. "sistema de tutoría" en su tercer año, los estudiantes universitarios que ya tienen ciertas capacidades de investigación científica pueden participar en diversas competencias profesionales y actividades prácticas innovadoras relacionadas con el análisis de datos bajo la guía de sus instructores, experimentar todo el proceso de las actividades de análisis de datos de primera mano; y mejorar sus habilidades básicas en análisis de datos con la conciencia de la innovación, bajo la plena participación y orientación del instructor, completar la capacitación práctica integral en el campus, la pasantía de graduación fuera del campus y el trabajo de redacción de tesis de graduación en la cuarta etapa. de manera que todo el proceso de formación práctica pueda ser objeto de un seguimiento eficaz para garantizar la calidad de la enseñanza.
(3) Aprovechar al máximo las organizaciones comunitarias de todos los niveles para realizar actividades en la segunda aula. La segunda aula es una extensión y complemento de la docencia presencial. Bajo la planificación y el despliegue de organizaciones comunitarias en todos los niveles, aumentar la inversión en mano de obra y recursos materiales, llevar a cabo una consideración y diseño sistemáticos e integrales de la segunda aula y la primera aula, implementar operaciones organizativas y de gestión estandarizadas y formular una serie de actividades. El programa proporciona más canales de capacitación y métodos para cultivar analistas de datos.
(4) Reformar el mecanismo de evaluación para estimular el interés de los estudiantes en el aprendizaje
La evaluación es el bastón que guía a profesores y estudiantes. La mayoría de los estudiantes y profesores siempre buscarán orientación bajo la guía de. el actual sistema de evaluación. Para formar futuros analistas de datos, es necesario potenciar la iniciativa de aprendizaje de los estudiantes y mejorar sus habilidades prácticas. El fortalecimiento del cultivo de las capacidades de los estudiantes a través de diversas actividades y diversos canales debe medirse mediante un sistema de evaluación científica. Con este fin, se establece el sistema de valoración y evaluación del proceso "N+2" para rastrear e investigar todo el proceso de desarrollo y formación de las capacidades de los estudiantes. Los resultados de las pruebas y la retroalimentación de la información se utilizan para reflejar y evaluar los efectos de la educación y la formación. Cambios en la creatividad de los estudiantes.
En resumen, las empresas de análisis de datos de proyectos están creciendo rápidamente en China y están proporcionando información de referencia cada vez más importante para la toma de decisiones de gobiernos, instituciones financieras y empresas, y tienen un buen espacio para el crecimiento y el desarrollo. Cómo encontrar información eficaz en el océano de información y cómo tomar decisiones científicas a través de datos eficaces se ha vuelto particularmente importante, por lo que el futuro de los analistas de datos seguramente será brillante.