㈠ 數據分析員是什麼職業，未來前景如何
數據分析師職位具有鮮明的時代特點和巨大的需求，在大學本科階段統計專業積極探索培養大學生的數據分析能力，進而為社會提供合格的數據分析師人才的有效對策，具有重要的研究價值和實踐意義。
一、數據分析師培養的意義
（一）數據分析師的培養符合國家戰略
為適應世界經濟一體化的進程，徹底改變我國「項目數據分析」專業技術人才緊缺的現狀，2005 年 4 月，全國第一家數據分析事務所在陝西成立，到目前，我國相繼已有北京、陝西、江蘇、新疆、甘肅、山東、浙江、上海、黑龍江等 14 個省、市、自治區約 80 家項目數據分析專業機構進入中國市場經濟舞台，涉及項目已從最初的分析評估業和金融業，擴展至會計師、投融資機構、政府審批和企業管理等眾多領域。隨著大數據時代的來臨，構建大數據研究平台、整合創新資源、實施「專項計劃」等成為各個省市的工作重點之一。
（二）數據分析師的就業前景光明
在被視為「數據元年」的今天，數據分析師以待遇優厚和地位尊崇而聞名國際，曾被Times時代雜志譽為「21世紀最熱門五大新興行業」。今天，國內數據分析行業專業人才每年以千位數非速增長著，同期各行業領域空缺崗位已達近二十萬，未來中國對數據分析師的需求更是呈井噴之勢。
在數據分析人才培養上，國外已經將數據分析師人才作為國家戰略。據統計，目前世界 500 強企業中，有90% 以上建立了數據分析部門。大數據時代對數據分析師的巨大需求也大大刺激了高等院校的培養熱情。
二、數據分析師職業素養的培養
通過對各大招聘網站數據分析師、市場調查分析師等職位招聘信息的搜集整理和深入分析，挖掘並歸納出社會用人單位對數據分析師職位的知識技能和道德素質等方面的具體要求如下：
（一）數據分析師的職業內涵
數據分析師是指在不同行業中，專門從事數據搜集、整理、分析，並依據數據做出行業或市場研究、評估和預測的專業人員；是以實際數據為依據，對項目現狀及遠期進行統計、分析、預測並轉化為決策信息的專業人才。數據分析師可以通過掌握的大量行業數據，運用科學的計算工具，將經濟學原理與數學模型結合，進行科學合理的定量分析，數據分析師可以預測企業未來的收益及風險，為企業經營決策提供科學量化分析的依據。
目前數據分析師的認證主要有 2個：一是注冊數據分析師（CDA），由CDA注冊數據分析師協會Certified Data Analyst Institute）在順應大數據、雲計算的潮流下發起成立的職業簡稱；二是項目數據分析師（CPDA），由中國商業聯合會數據分析專業委員會以及工信部教育考試中心共同考核認證，證書是申請成立項目數據分析事務所的必備條件之一。
（二）數據分析師的知識要求
掌握多元統計分析、應用回歸分析、時間序列分析、計量經濟學、經濟預測研究等統計建模方法，了解本行業統計方法的新進展；掌握 sql/oracle 等資料庫的數據整理、查詢、提取等方法；熟練使用相關的統計軟體，准確解讀軟體的運行結果；了解相關行業的業務知識和數據構成。
（三）數據分析師的能力要求
對信息、數據敏感，具備較強的文字功底，能獨立撰寫研究報告；能熟練使用 SPSS/SAS/Eviews 等統計分析軟體，具備數據分析或數據挖掘的綜合能力；掌握資料庫體系結構及數據架構，具備 Excel/SQL 或 Access 的查詢語句運用技能與知識，有良好的數據處理、建立統計模型能力。
（四）數據分析師的崗位職責
承擔行業、企業有關信息、數據的調查、搜集、整理、分析研究和發布工作；參與專項研究、課題和調研咨詢項目，撰寫行業分析文章和研究報告；對大數據進行深入挖掘，建立相關模型進行預測、分析，找出相關的聯系，揭示內在規律，為行業、企業決策提供依據。
三、數據分析師的培養方案
培養方案是高等教育辦學思想和辦學理念的集中體現，為突出數據分析的培養特色，統計專業應在深入分析數據分析職業需求的前提下，最終制定出符合數據分析師培養要求的課程體系。
（一）培養目標
為學生畢業後能夠成為各行業中數據分析領域的專門人才，確定了統計專業學生在本科教育階段的培養目標：一是具備良好的經濟學、管理學和財務管理等基本素養；二是了解相關行業知識、公司業務流程；三是掌握統計學的基本理論與方法，具備熟練使用 SPSS/SAS 等統計分析軟體進行數據分析或數據挖掘的綜合能力；四是掌握資料庫體系結構及數據架構，具備 Excel/SQL 或Access 的查詢語句運用技能與知識，有良好的數據處理、建立統計模型能力；五是具備較強的文字功底，能獨立撰寫數據分析研究報告。
（二）課程體系設立原則
在本科教育階段，培養數據分析師的課程設置應貫徹「三結合」的原則。
1. 多門學科相結合。數據分析工作是多個學科、多門專業在企業決策中的綜合應用，要成為優秀的數據分析師，必須做到多門學科的融會貫通。需熟悉或了解數學、統計學、經濟學、金融學、管理學、營銷學等學科的相關知識。
2. 理論研究與實踐應用相結合。高等學校一般都建有比較成熟的教學實踐基地和實習基地，學生在理論學習後，可以到企事業單位或財政、金融、保險等行業進行針對性的實習實踐，了解相關行業的業務知識和數據構成，運用所學知識進行數據分析，獨立或合作完成數據分析研究報告。
3. 專業教育與技術資格教育相結合。通過學習，學生可獲得統計學專業理學學士學位或者經濟學學士學位；通過參與社會上的技術資格考試，可獲得數據分析、統計師、調查分析師等專業技術資格證書。兩者的結合，更有利於學生從封閉校園走向開放社會，增加技能的同時，更好地融入社會、適應社會。
（三）課程體系的基本框架
在整個教學過程中，可以將每個學期分為長、短兩個小學期，短學期內設置一些與就業崗位相關的、以技能培養為目標的短期集中實踐教學環節，主要是崗位實訓課程。長學期課程分為4個系列：基礎課程、方向課程、綜合實踐課程、職業拓展課程。通過整合相關知識，優化課程結構，強化實踐技能，突出崗位技能實訓等手段構建課程體系，以達到培養學生具有數據分析師的基本技能和素養的目的。
四、數據分析師培養過程中的策略
（一）教學內容整合策略
在課程體系和課程設置的總體構建下，按照課程模塊化的思路，重新梳理課程教學內容、教學進度和深度，剔除陳舊、重復的內容，加強理論聯系實際內容，增添培養綜合運用能力內容，實現教學內容的整合優化。例如，《應用回歸分析》與《計量經濟學》的內容多有重復，可以將《應用回歸分析》並入《計量經濟學》；又如，《描述統計學》《數理統計》《計量經濟學》和《統計預測與決策》等課程有部分重復內容，必須在對知識的審慎梳理基礎上，整合相應的教學內容，重新制定教學文件。
（二）實驗環節設置策略
找准專業知識方法與實際問題的結合點，並分析研究當前的熱點和難點問題，充實和豐富實踐教學內容，編寫具有應用背景、切實達到鍛煉效果的實驗指導書和指導材料，以明確實驗的具體環節、目的與要求。每個實驗項目應包含實驗性質、實驗目的、實驗要求、實驗內容、實驗步驟和結果分析等部分。所有課程的實驗內容由淺入深，循序漸進，實現實踐教學規范化。
（三）軟體教學安排策略
為使學生充分掌握相關的統計軟體，熟練使用恰當的軟體從事數據的整理、分析，將統計軟體的教學分為三個層次：一是單獨開設 SPSS、SQL Server 資料庫課程；二是課堂內開設Lingo、Eviews、SAS 等軟體實驗；三是短學期和綜合訓練開設 Latex、R 等軟體課程，實現軟體教學層次化。
（四）實踐課程操作策略
為了強化學生的實踐能力和就業競爭力，在短學期實踐開設職場禮儀與溝通實、PPT 製作、統計模型、實訓統計調查方法與實務、辦公自動化實訓等項目；各學期綜合訓練分別開設統計流程與分析寫作、會計實踐軟體、統計分析案例等項目，實現綜合實踐職業化。
（五）拓展課程設計策略
聘任有豐富實踐經驗的統計師、調查分析師和企業家為兼職教授或校外導師，強化校外實踐；結合第二課堂，開展與專業教學相結合的、豐富多樣的課外活動；同時利用大學生統計建模大賽、大學生市場調查分析大賽、大學生數學建模競賽等學科競賽鍛煉學生綜合能力，實現職業拓展多樣化。
五、數據分析師培養的保障措施
（一）整合各種教育資源，提高教學效率
沒有經費的保證，數據分析師的培養只能紙上談兵。所以，學校、二級學院應設立加大資金投入，從軟硬體兩方面大力支持，保證經費落到實處。利用學校現有資源 , 籌建開放實驗室與實習基地，創造培養數據分析師的良好環境。
數據分析師培養必須實行產學結合，堅持開門辦學，與企業聯合培養的方式。創立高校與行業企業聯合培養人才的新機制，改變目前高校人才培養和行業企業需求脫節的現象。通過聯合辦學、共建等方式利用社會資源設立實習、實驗基地。
（二）建立導師制，強化教師的指導作用
為提高學生數據分析的水平，進入大二後 , 二級學院應推行本科「導師制」；到了大三 , 已經具備了一定的科研能力的本科生可以在導師的指導下參加各種與數據分析有關的專業競賽和創新實踐活動，親身體驗數據分析活動的整個過程 , 提高數據分析的基本技能與創新意識；在導師的全程參與和指導下，完成大四階段的校內綜合實訓、校外畢業實習和畢業論文的撰寫工作，使實踐鍛煉全程得到有效監控，保證教學質量。
（三）充分利用各級社團組織，
開展第二課堂的活動第二課堂是課堂教學的延伸和補充。在各級社團組織的規劃和部署下，加大人力、物力的投入，將第二課堂與第一課堂進行系統性、綜合性考慮與設計，實施規范化管理與組織運作，制訂好一系列的活動方案，為培養數據分析師通過更多的鍛煉途徑和方式。
（四）改革評價機制，激發學生的學習興趣
評價是引導師生的指揮棒，大多數學生和教師總會在現行的評價體系引導下來尋求「佳績」。要培養出未來的數據分析師，必須增強學生的學習主動性，提高學生的實踐能力。通過各種活動、各種途徑加強對學生能力的培養，必須要靠科學的評價體系來衡量。為此，建立「N+2」過程考核評價體系 , 對學生能力培養、訓練的全過程進行跟蹤調查，通過測試、信息反饋的結果來反映教育、培訓的效果和評價學生創造力的變化。
總之，項目數據分析（師）事務所在國內正迅速增長，並為政府、金融機構、企業的決策提供著日益重要的參考信息，具有良好的成長和發展空間。如何在信息海洋中找到有效的信息，如何通過有效的數據來科學決策變得尤為重要，因此數據分析師的前景必定輝煌。
㈡ 計量經濟學和空間計量經濟學的區別
計量經濟學和空間計量經濟學的區別為：
范圍不同：
空間計量經濟學是計量經濟學的一個分支，研究的是如何在橫截面數據和面板數據的回歸模型中處理空間相互作用（空間自相關）和空間結構（空間不均勻性）結構分析。計量經濟學包含范圍更廣。
空間計量經濟學與地學統計和空間統計學相似。從某種程度上而言，空間計量經濟學與空間統計學之間的不同和計量經濟學與統計學之間的不同一樣。由於對其理論上的關心以及將計量經濟模型應用到新興大型編碼資料庫中的要求，近年來這個領域獲得了快速發展。
(2)計量經濟學案例資料庫擴展閱讀：
計量經濟學研究對象：
計量經濟學的兩大研究對象：橫截面數據（Cross-sectional Data）和時間序列數據（Time-series Data）。前者旨在歸納不同經濟行為者是否具有相似的行為關聯性，以模型參數估計結果顯現相關性；後者重點在分析同一經濟行為者不同時間的資料，以展現研究對象的動態行為。
新興計量經濟學研究開始切入同時具有橫截面及時間序列的資料，換言之，每個橫截面都同時具有時間序列的觀測值，這種資料稱為追蹤資料（Panel data，或稱面板資料分析）。追蹤資料研究多個不同經濟體動態行為之差異，可以獲得較單純橫截面或時間序列分析更豐富的實證結論。
㈢ 數據分析師要學什麼
問題一：想考大數據分析師應該學什麼？ 數據分析師是為了適應大數據時代要求，加強正規化、專業化、職業化的數據分析師人才隊伍建設，進一步提升我國數據分析員師的職業素質和能力水平，經國家相關部委統一頒布實施，旨在通過掌握大量行業數據以及科學的計算工具，將經濟學原理用數學模型表示，科學合理的分析投資和運營項目未來的收益及風險情況，為做出科學合理的決策提供依據。
數據分析師由工業和信息化部教育與考試中心和中國商業聯合會數據分析專業委員會統一安排考核，考試共有三門《數據分析基礎》《量化經營》《量化投資》，每門100分，60分及格制
問題二：數據分析師需要掌握哪些能力，需要做哪些准備 不管是什麼行業的數據分析師，必須要掌握的技能是：
該行業的行業知識和經驗，不能低於行業專家的平均水平
必須具有的數學知識，例如統計分析、數理統計、模糊數學、線性代數、建模方法等等
IT技術：資料庫技術、大數據技術、離散數學演算法。甚至是編程技術，例如C、Fortran、Java、falsh等
我曾經作為銷售，在類似行當工作多年，一點點體會僅供參考。
-:(來自淘寶網的【京東藏寶齋】
問題三：想找數據分析的實習 應該學些什麼 我做過一段時間 不過是和推廣混著做的，個人覺得電商的數據分析沒什麼大的前途，如果真的想在數據分析行業發展的話，建議你找個有機會學建模的行業，那樣出去以後到哪都吃香，或者找個需要用到統計學軟體的行業，那樣也好，如果你只是准備階段建議你參加一下全國數學建模大賽，像多元統計分析，計量經濟學，數理統計，這些都挺重要的
問題四：想要做數據分析師應選擇什麼專業？ 統計（有統計理論）、計算機專業（會編程序實現）。其實專業關系不大，只要想做，都可以慢慢的做到
問題五：如何自學成為數據分析師 中文專業的前期要多花點功夫了啊，我是數學專業的，大學做過建模，所有統計學的東西還有一些軟體多少接觸過一點。建議你自學的話，excel軟體和spss先熟悉一下，找兩本書看看，《誰說菜鳥不會數據分析》是入門的，可以看一看，先了解一下吧，數據分析的東西還是要多實踐的。如果你現在工作跟數據分析沒有什麼關系的話，轉業工作可能有點困難，這種情況建議去考個證書吧，雖然現在國內數據分析剛起步，還沒有太有含金量的證書，不過你這種情況有肯定比沒有好，我就去考了一個，考CPDA吧，還有一個CDA，我選考的CPDA，說是CDA國外有機構什麼的，但是我找不到任何網站可以查到這個證書，問他們他們也不說，我怕找工作人家要查查不到，但是CPDA工信部網站能查詢證書信息的，所以對就業幫助可能會大一些，工作還是有參考作用的，不過指望靠班學到很多還是不可能，只是讓你了解入門，手上多個敲門磚。數據分析屬於技術類工種，要多實踐，數據採集和挖掘是基礎，這些工作門檻比數據分析崗相對低一些，好找，希望對你有幫助。
問題六：如果想成為一名數據分析師，需要具備哪些基本知識 一、 辦公軟體
1） 熟練使用excel， Access，Visio等MS Office辦公軟體，可以製作相關的原型； （MS即microsoft微軟，MS Office 是微軟提供的系列軟體，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath這7個辦公軟體中，常用的是前4個。） 2） 重點掌握EXCEL表，會使用高級功能，能快速製作報表，熟練使用EXCEL VBA；
二、 數據分析軟體及方法
1）熟練使用各種數理統計、數據分析、數據挖掘工具軟體，熟悉各種網站分析軟體的應用，如Google Analytics 、網路統計、Omniture等；
2）具備相關數據分析軟體的使用經驗SPSS\SAS\EVIEW\STATA\R\Weka……
3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常見數據挖掘軟體中的一個進行數據挖掘的 開發工作；
4）熟練使用至少一種網站流量分析工具（Google Analytics、Webtrends、網路統計等），並掌握分析工具的部署、配置優化和許可權管理；
5）精通一種或多種數據挖掘演算法（如聚類、回歸、決策樹等）； 6）熟悉維基編輯者優先； 7）使用軟體的要求；
（7.1）掌握數據分析、挖掘方法，具備使用Excel、SQL、SPSS/SAS、Powerpoint等工具處理和分析較大量級數據的能力；
（7.2）能夠綜合使用各種數理統計、數據分析、製表繪圖等軟體進行圖表、圖像以及文字處理；
（7.3）掌握常用的數據統計、分析方法，有敏銳的洞察力和數據感覺，優秀的數據分析能力；
（7.4）能夠綜合使用各種數理統計、數據分析、數據挖掘、製表繪圖等軟體進行具有基本數據美感的圖表、圖像以及文字處理 。
三、 資料庫語言
1）熟悉Linux操作系統及至少一種腳本語言(Shell/Perl/Python)；
2）熟練掌握C/C++/Java中的一種，有分布式平台（如Hadoop）開發經驗者優先； 3）熟悉資料庫原理及SQL基本操作；
（3.1）了解Mysql，postgresql，sql server等資料庫原理，熟悉SQL，具備很強的學習能力，寫過程序，會perl，python等腳本語言者優先； （3.2）熟練應用mysql的select，update等sql語句； 4）熟悉sql server或其他主流資料庫，熟悉olap原理； 5）熟悉Oracle或其他大型資料庫。
四、 思維能力等方面
1）具備良好的行業分析、判斷能力、及文字表達能力；
2）溝通、協調能力強，有較高的數據敏感性及分析報告寫作能力； 3）理解網站運營的常識，能從問題中引申出解決方案，提供設計改進建議；
4）具有良好經濟學、統計學及相關領域的理論基礎，熟悉數理統計、數據分析或市場研究的工作方法，具有較強的數據分析能力；
5）熟悉數據分析與數理統計理論，具有相關課程研修經歷。
五、 其他要求
1）較強的英文聽說讀寫能力，英語6級以上；
2）文筆良好；
3）了解seo,sem優先；
4）知識要求：同時具備統計學、資料庫、經濟學三個領域的基礎知識；英語四級或以上、熟悉指標英文......>>
問題七：學數據分析師有專業要求嗎？ 你好，是沒有專業要求的，只要你數據基礎不是太差，通過下面幾步就可以成為一名數據分析師。
第一步：統計概率理論基礎
這是重中之重，千里之台，起於壘土，最重要的就是最下面的那幾層。統計思維，統計方法，這里首先是市場調研數據的獲取與整理，然後是最簡單的描述性分析，其次是常用的推斷性分析，方差分析，到高級的相關，回歸等多元統計分析，掌握了這些原理，才能進行下一步。
第二步：軟體操作結合分析模型進行實際運用
關於數據分析主流軟體有（從上手度從易到難）：Excel，SPSS，Stata，R，SAS等。首先是學會怎樣操作這些軟體，然後是利用軟體從數據的清洗開始一步步進行處理，分析，最後輸出結果，檢驗及解讀數據。
第三步：數據挖掘或者數據分析方向性選擇
其實數據分析也包含數據挖掘，但在工作中做到後面會細分到分析方向和挖掘方向，兩者已有區別，關於數據挖掘也涉及到許多模型演算法，如：關聯法則、神經網路、決策樹、遺傳演算法、可視技術等。
第四步：數據分析業務應用
這一步也是最難學習的一步，行業有別，業務不同，業務的不同所運用的分析方法亦有區分，實際工作是解決業務問題，因此對業務的洞察能力非常重要，而這個能力是需要在工作之中一點一滴的積累，也許目前是做零售，會用到一些相關回歸方法，但轉行做電商，又會用到其他的挖掘等方法。業務雖千變萬化，但是分析方法卻萬變不離其宗，所以掌握好技術用到任何一個環境靠的只有是業務經驗的積累。
當然，考個CDA的數據分析師證書就更好了。
問題八：數據分析師學習方式是什麼，數據分析師課程內容包括什麼，數據分析師在哪裡培訓？ 一.數據分析師的學習方式是面授和遠程。
面授
項目數據分析師培訓課程涉及到經濟學、市場營銷學、財務管理學、計量經濟學、預測學、金融學等多方面知識，需要學員具備全面性理論基礎知識貯備。我們對各個學科中項目分析所要用到的知識點進行了深入分析，在講義中詳細說明，使學員可在相對准確的領域內迅速掌握知識並加以運用。做到能夠讓學員將課本上所學的東西真正變為可以利用的有效工具。
遠程學習
時間為一年整，採取先進的同步教學方式，保證學習質量，具體特點如下：
a、面授期間（8天面授），更新課程五次，通過每周的更新課程，讓學員不僅可以在面授前提前預習基礎知識，而且可以通過遠程學習中心提交作業、知識點自我測試、考試復習、習題解答、在線答疑、案例參與等綜合項目更好的掌握知識。
b、面授結束後，學員還有11個月的遠程學習時間，每月一次的課件更新，使學員不僅能順利適應項目數據分析師的認證考試，而且可以掌握各種數據分析的拓展知識和技能，為分析師在未來能夠勝任專業分析工作奠定深厚基礎。
c、遠程學習不僅有豐富的文字學習內容，而且大比例增加了音頻、視頻課件，使學員可以通過生動的課件完成階段性學習。
d、遠程學習中心為學員提供學習計劃制定、班級交流、繼續教育等功能，幫助學員自覺學習、實現更好的學習效果。
二.數據分析的課程有四本書：數據分析基礎、量化經營、量化投資、戰略管理
三、數據分析師在全國各地都有授權管理中心上課，北京、上海、廣東等都有，具體的要看您在哪裡。
問題九：數據分析師培訓，什麼人適合學數據分析 數據分析師需要學習以下幾個方面的課程：
（1）數據管理。
a、數據獲取。
企業需求:資料庫訪問、外部數據文件讀入
案例分析:使用產品信息文件演示spss的數據讀入共能。
b、數據管理。
企業需求:對大型數據進行編碼、清理、轉換。
案例分析:使用銀行信用違約信息文件spss相應過程。
1）數據的選擇、合並與拆分、檢查異常值。
2）新變數生成，SPSS函數。
3）使用SPSS變換數據結構――轉置和重組。
4）常用的描述性統計分析功能。頻率過程、描述過程、探索過程。
c、數據探索和報表呈現。
企業需求:對企業級數據進行探索，主要涉及圖形的使用。spss報表輸出。
案例分析:企業績效文件，如何生成美觀清晰的報告。
1）製作報表前對變數的檢查
2）製作報表的中對不同類型的數據處理
3） 報表生成功能與其他選項的區別
（2）數據處理
a、相關與差異分析。
案例分析:產品合格率的相關與差異分析。
b、線性預測。
企業需求: 探索影響企業效率的因素，並進一步預測企業效率。
案例分析:產品合格率的影響因素及其預測分析。
c、因子分析。
企業需求: 需要抽取影響企業效率的主要因素，進行重點投資
案例分析:客戶購買力信息研究。
d、聚類分析。
企業需求: 需要了解購買產品的客戶信息
案例分析:客戶購買力信息研究
e、bootstrap。
案例分析: bootstrap抽樣。
（3）SPSS代碼
SPSS代碼應用
問題十：大數據分析師 應該要學什麼知識？ 1、需要有應用數學、統計學、數量經濟學專業本科或者工學碩士層次水平的數學知識背景。
2、至少熟練SPSS、STATISTIC、Eviews、SAS等數據分析軟體中的一門。
3、至少能夠用Acess等進行資料庫開發；
4、至少掌握一門數學軟體：matalab，mathmatics進行新模型的構建。
5、至少掌握一門編程語言；
6，當然還要其他應用領域方面的知識，比如市場營銷、經濟統計學等，因為這是數據分析的主要應用領域。