㈠ 数据分析员是什么职业，未来前景如何
数据分析师职位具有鲜明的时代特点和巨大的需求，在大学本科阶段统计专业积极探索培养大学生的数据分析能力，进而为社会提供合格的数据分析师人才的有效对策，具有重要的研究价值和实践意义。
一、数据分析师培养的意义
（一）数据分析师的培养符合国家战略
为适应世界经济一体化的进程，彻底改变我国“项目数据分析”专业技术人才紧缺的现状，2005 年 4 月，全国第一家数据分析事务所在陕西成立，到目前，我国相继已有北京、陕西、江苏、新疆、甘肃、山东、浙江、上海、黑龙江等 14 个省、市、自治区约 80 家项目数据分析专业机构进入中国市场经济舞台，涉及项目已从最初的分析评估业和金融业，扩展至会计师、投融资机构、政府审批和企业管理等众多领域。随着大数据时代的来临，构建大数据研究平台、整合创新资源、实施“专项计划”等成为各个省市的工作重点之一。
（二）数据分析师的就业前景光明
在被视为“数据元年”的今天，数据分析师以待遇优厚和地位尊崇而闻名国际，曾被Times时代杂志誉为“21世纪最热门五大新兴行业”。今天，国内数据分析行业专业人才每年以千位数非速增长着，同期各行业领域空缺岗位已达近二十万，未来中国对数据分析师的需求更是呈井喷之势。
在数据分析人才培养上，国外已经将数据分析师人才作为国家战略。据统计，目前世界 500 强企业中，有90% 以上建立了数据分析部门。大数据时代对数据分析师的巨大需求也大大刺激了高等院校的培养热情。
二、数据分析师职业素养的培养
通过对各大招聘网站数据分析师、市场调查分析师等职位招聘信息的搜集整理和深入分析，挖掘并归纳出社会用人单位对数据分析师职位的知识技能和道德素质等方面的具体要求如下：
（一）数据分析师的职业内涵
数据分析师是指在不同行业中，专门从事数据搜集、整理、分析，并依据数据做出行业或市场研究、评估和预测的专业人员；是以实际数据为依据，对项目现状及远期进行统计、分析、预测并转化为决策信息的专业人才。数据分析师可以通过掌握的大量行业数据，运用科学的计算工具，将经济学原理与数学模型结合，进行科学合理的定量分析，数据分析师可以预测企业未来的收益及风险，为企业经营决策提供科学量化分析的依据。
目前数据分析师的认证主要有 2个：一是注册数据分析师（CDA），由CDA注册数据分析师协会Certified Data Analyst Institute）在顺应大数据、云计算的潮流下发起成立的职业简称；二是项目数据分析师（CPDA），由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证，证书是申请成立项目数据分析事务所的必备条件之一。
（二）数据分析师的知识要求
掌握多元统计分析、应用回归分析、时间序列分析、计量经济学、经济预测研究等统计建模方法，了解本行业统计方法的新进展；掌握 sql/oracle 等数据库的数据整理、查询、提取等方法；熟练使用相关的统计软件，准确解读软件的运行结果；了解相关行业的业务知识和数据构成。
（三）数据分析师的能力要求
对信息、数据敏感，具备较强的文字功底，能独立撰写研究报告；能熟练使用 SPSS/SAS/Eviews 等统计分析软件，具备数据分析或数据挖掘的综合能力；掌握数据库体系结构及数据架构，具备 Excel/SQL 或 Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力。
（四）数据分析师的岗位职责
承担行业、企业有关信息、数据的调查、搜集、整理、分析研究和发布工作；参与专项研究、课题和调研咨询项目，撰写行业分析文章和研究报告；对大数据进行深入挖掘，建立相关模型进行预测、分析，找出相关的联系，揭示内在规律，为行业、企业决策提供依据。
三、数据分析师的培养方案
培养方案是高等教育办学思想和办学理念的集中体现，为突出数据分析的培养特色，统计专业应在深入分析数据分析职业需求的前提下，最终制定出符合数据分析师培养要求的课程体系。
（一）培养目标
为学生毕业后能够成为各行业中数据分析领域的专门人才，确定了统计专业学生在本科教育阶段的培养目标：一是具备良好的经济学、管理学和财务管理等基本素养；二是了解相关行业知识、公司业务流程；三是掌握统计学的基本理论与方法，具备熟练使用 SPSS/SAS 等统计分析软件进行数据分析或数据挖掘的综合能力；四是掌握数据库体系结构及数据架构，具备 Excel/SQL 或Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力；五是具备较强的文字功底，能独立撰写数据分析研究报告。
（二）课程体系设立原则
在本科教育阶段，培养数据分析师的课程设置应贯彻“三结合”的原则。
1. 多门学科相结合。数据分析工作是多个学科、多门专业在企业决策中的综合应用，要成为优秀的数据分析师，必须做到多门学科的融会贯通。需熟悉或了解数学、统计学、经济学、金融学、管理学、营销学等学科的相关知识。
2. 理论研究与实践应用相结合。高等学校一般都建有比较成熟的教学实践基地和实习基地，学生在理论学习后，可以到企事业单位或财政、金融、保险等行业进行针对性的实习实践，了解相关行业的业务知识和数据构成，运用所学知识进行数据分析，独立或合作完成数据分析研究报告。
3. 专业教育与技术资格教育相结合。通过学习，学生可获得统计学专业理学学士学位或者经济学学士学位；通过参与社会上的技术资格考试，可获得数据分析、统计师、调查分析师等专业技术资格证书。两者的结合，更有利于学生从封闭校园走向开放社会，增加技能的同时，更好地融入社会、适应社会。
（三）课程体系的基本框架
在整个教学过程中，可以将每个学期分为长、短两个小学期，短学期内设置一些与就业岗位相关的、以技能培养为目标的短期集中实践教学环节，主要是岗位实训课程。长学期课程分为4个系列：基础课程、方向课程、综合实践课程、职业拓展课程。通过整合相关知识，优化课程结构，强化实践技能，突出岗位技能实训等手段构建课程体系，以达到培养学生具有数据分析师的基本技能和素养的目的。
四、数据分析师培养过程中的策略
（一）教学内容整合策略
在课程体系和课程设置的总体构建下，按照课程模块化的思路，重新梳理课程教学内容、教学进度和深度，剔除陈旧、重复的内容，加强理论联系实际内容，增添培养综合运用能力内容，实现教学内容的整合优化。例如，《应用回归分析》与《计量经济学》的内容多有重复，可以将《应用回归分析》并入《计量经济学》；又如，《描述统计学》《数理统计》《计量经济学》和《统计预测与决策》等课程有部分重复内容，必须在对知识的审慎梳理基础上，整合相应的教学内容，重新制定教学文件。
（二）实验环节设置策略
找准专业知识方法与实际问题的结合点，并分析研究当前的热点和难点问题，充实和丰富实践教学内容，编写具有应用背景、切实达到锻炼效果的实验指导书和指导材料，以明确实验的具体环节、目的与要求。每个实验项目应包含实验性质、实验目的、实验要求、实验内容、实验步骤和结果分析等部分。所有课程的实验内容由浅入深，循序渐进，实现实践教学规范化。
（三）软件教学安排策略
为使学生充分掌握相关的统计软件，熟练使用恰当的软件从事数据的整理、分析，将统计软件的教学分为三个层次：一是单独开设 SPSS、SQL Server 数据库课程；二是课堂内开设Lingo、Eviews、SAS 等软件实验；三是短学期和综合训练开设 Latex、R 等软件课程，实现软件教学层次化。
（四）实践课程操作策略
为了强化学生的实践能力和就业竞争力，在短学期实践开设职场礼仪与沟通实、PPT 制作、统计模型、实训统计调查方法与实务、办公自动化实训等项目；各学期综合训练分别开设统计流程与分析写作、会计实践软件、统计分析案例等项目，实现综合实践职业化。
（五）拓展课程设计策略
聘任有丰富实践经验的统计师、调查分析师和企业家为兼职教授或校外导师，强化校外实践；结合第二课堂，开展与专业教学相结合的、丰富多样的课外活动；同时利用大学生统计建模大赛、大学生市场调查分析大赛、大学生数学建模竞赛等学科竞赛锻炼学生综合能力，实现职业拓展多样化。
五、数据分析师培养的保障措施
（一）整合各种教育资源，提高教学效率
没有经费的保证，数据分析师的培养只能纸上谈兵。所以，学校、二级学院应设立加大资金投入，从软硬件两方面大力支持，保证经费落到实处。利用学校现有资源 , 筹建开放实验室与实习基地，创造培养数据分析师的良好环境。
数据分析师培养必须实行产学结合，坚持开门办学，与企业联合培养的方式。创立高校与行业企业联合培养人才的新机制，改变目前高校人才培养和行业企业需求脱节的现象。通过联合办学、共建等方式利用社会资源设立实习、实验基地。
（二）建立导师制，强化教师的指导作用
为提高学生数据分析的水平，进入大二后 , 二级学院应推行本科“导师制”；到了大三 , 已经具备了一定的科研能力的本科生可以在导师的指导下参加各种与数据分析有关的专业竞赛和创新实践活动，亲身体验数据分析活动的整个过程 , 提高数据分析的基本技能与创新意识；在导师的全程参与和指导下，完成大四阶段的校内综合实训、校外毕业实习和毕业论文的撰写工作，使实践锻炼全程得到有效监控，保证教学质量。
（三）充分利用各级社团组织，
开展第二课堂的活动第二课堂是课堂教学的延伸和补充。在各级社团组织的规划和部署下，加大人力、物力的投入，将第二课堂与第一课堂进行系统性、综合性考虑与设计，实施规范化管理与组织运作，制订好一系列的活动方案，为培养数据分析师通过更多的锻炼途径和方式。
（四）改革评价机制，激发学生的学习兴趣
评价是引导师生的指挥棒，大多数学生和教师总会在现行的评价体系引导下来寻求“佳绩”。要培养出未来的数据分析师，必须增强学生的学习主动性，提高学生的实践能力。通过各种活动、各种途径加强对学生能力的培养，必须要靠科学的评价体系来衡量。为此，建立“N+2”过程考核评价体系 , 对学生能力培养、训练的全过程进行跟踪调查，通过测试、信息反馈的结果来反映教育、培训的效果和评价学生创造力的变化。
总之，项目数据分析（师）事务所在国内正迅速增长，并为政府、金融机构、企业的决策提供着日益重要的参考信息，具有良好的成长和发展空间。如何在信息海洋中找到有效的信息，如何通过有效的数据来科学决策变得尤为重要，因此数据分析师的前景必定辉煌。
㈡ 计量经济学和空间计量经济学的区别
计量经济学和空间计量经济学的区别为：
范围不同：
空间计量经济学是计量经济学的一个分支，研究的是如何在横截面数据和面板数据的回归模型中处理空间相互作用（空间自相关）和空间结构（空间不均匀性）结构分析。计量经济学包含范围更广。
空间计量经济学与地学统计和空间统计学相似。从某种程度上而言，空间计量经济学与空间统计学之间的不同和计量经济学与统计学之间的不同一样。由于对其理论上的关心以及将计量经济模型应用到新兴大型编码数据库中的要求，近年来这个领域获得了快速发展。
(2)计量经济学案例数据库扩展阅读：
计量经济学研究对象：
计量经济学的两大研究对象：横截面数据（Cross-sectional Data）和时间序列数据（Time-series Data）。前者旨在归纳不同经济行为者是否具有相似的行为关联性，以模型参数估计结果显现相关性；后者重点在分析同一经济行为者不同时间的资料，以展现研究对象的动态行为。
新兴计量经济学研究开始切入同时具有横截面及时间序列的资料，换言之，每个横截面都同时具有时间序列的观测值，这种资料称为追踪资料（Panel data，或称面板资料分析）。追踪资料研究多个不同经济体动态行为之差异，可以获得较单纯横截面或时间序列分析更丰富的实证结论。
㈢ 数据分析师要学什么
问题一：想考大数据分析师应该学什么？ 数据分析师是为了适应大数据时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平，经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。
数据分析师由工业和信息化部教育与考试中心和中国商业联合会数据分析专业委员会统一安排考核，考试共有三门《数据分析基础》《量化经营》《量化投资》，每门100分，60分及格制
问题二：数据分析师需要掌握哪些能力，需要做哪些准备 不管是什么行业的数据分析师，必须要掌握的技能是：
该行业的行业知识和经验，不能低于行业专家的平均水平
必须具有的数学知识，例如统计分析、数理统计、模糊数学、线性代数、建模方法等等
IT技术：数据库技术、大数据技术、离散数学算法。甚至是编程技术，例如C、Fortran、Java、falsh等
我曾经作为销售，在类似行当工作多年，一点点体会仅供参考。
-:(来自淘宝网的【京东藏宝斋】
问题三：想找数据分析的实习 应该学些什么 我做过一段时间 不过是和推广混着做的，个人觉得电商的数据分析没什么大的前途，如果真的想在数据分析行业发展的话，建议你找个有机会学建模的行业，那样出去以后到哪都吃香，或者找个需要用到统计学软件的行业，那样也好，如果你只是准备阶段建议你参加一下全国数学建模大赛，像多元统计分析，计量经济学，数理统计，这些都挺重要的
问题四：想要做数据分析师应选择什么专业？ 统计（有统计理论）、计算机专业（会编程序实现）。其实专业关系不大，只要想做，都可以慢慢的做到
问题五：如何自学成为数据分析师 中文专业的前期要多花点功夫了啊，我是数学专业的，大学做过建模，所有统计学的东西还有一些软件多少接触过一点。建议你自学的话，excel软件和spss先熟悉一下，找两本书看看，《谁说菜鸟不会数据分析》是入门的，可以看一看，先了解一下吧，数据分析的东西还是要多实践的。如果你现在工作跟数据分析没有什么关系的话，转业工作可能有点困难，这种情况建议去考个证书吧，虽然现在国内数据分析刚起步，还没有太有含金量的证书，不过你这种情况有肯定比没有好，我就去考了一个，考CPDA吧，还有一个CDA，我选考的CPDA，说是CDA国外有机构什么的，但是我找不到任何网站可以查到这个证书，问他们他们也不说，我怕找工作人家要查查不到，但是CPDA工信部网站能查询证书信息的，所以对就业帮助可能会大一些，工作还是有参考作用的，不过指望靠班学到很多还是不可能，只是让你了解入门，手上多个敲门砖。数据分析属于技术类工种，要多实践，数据采集和挖掘是基础，这些工作门槛比数据分析岗相对低一些，好找，希望对你有帮助。
问题六：如果想成为一名数据分析师，需要具备哪些基本知识 一、 办公软件
1） 熟练使用excel， Access，Visio等MS Office办公软件，可以制作相关的原型； （MS即microsoft微软，MS Office 是微软提供的系列软件，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath这7个办公软件中，常用的是前4个。） 2） 重点掌握EXCEL表，会使用高级功能，能快速制作报表，熟练使用EXCEL VBA；
二、 数据分析软件及方法
1）熟练使用各种数理统计、数据分析、数据挖掘工具软件，熟悉各种网站分析软件的应用，如Google Analytics 、网络统计、Omniture等；
2）具备相关数据分析软件的使用经验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等等常见数据挖掘软件中的一个进行数据挖掘的 开发工作；
4）熟练使用至少一种网站流量分析工具（Google Analytics、Webtrends、网络统计等），并掌握分析工具的部署、配置优化和权限管理；
5）精通一种或多种数据挖掘算法（如聚类、回归、决策树等）； 6）熟悉维基编辑者优先； 7）使用软件的要求；
（7.1）掌握数据分析、挖掘方法，具备使用Excel、SQL、SPSS/SAS、Powerpoint等工具处理和分析较大量级数据的能力；
（7.2）能够综合使用各种数理统计、数据分析、制表绘图等软件进行图表、图像以及文字处理；
（7.3）掌握常用的数据统计、分析方法，有敏锐的洞察力和数据感觉，优秀的数据分析能力；
（7.4）能够综合使用各种数理统计、数据分析、数据挖掘、制表绘图等软件进行具有基本数据美感的图表、图像以及文字处理 。
三、 数据库语言
1）熟悉Linux操作系统及至少一种脚本语言(Shell/Perl/Python)；
2）熟练掌握C/C++/Java中的一种，有分布式平台（如Hadoop）开发经验者优先； 3）熟悉数据库原理及SQL基本操作；
（3.1）了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，具备很强的学习能力，写过程序，会perl，python等脚本语言者优先； （3.2）熟练应用mysql的select，update等sql语句； 4）熟悉sql server或其他主流数据库，熟悉olap原理； 5）熟悉Oracle或其他大型数据库。
四、 思维能力等方面
1）具备良好的行业分析、判断能力、及文字表达能力；
2）沟通、协调能力强，有较高的数据敏感性及分析报告写作能力； 3）理解网站运营的常识，能从问题中引申出解决方案，提供设计改进建议；
4）具有良好经济学、统计学及相关领域的理论基础，熟悉数理统计、数据分析或市场研究的工作方法，具有较强的数据分析能力；
5）熟悉数据分析与数理统计理论，具有相关课程研修经历。
五、 其他要求
1）较强的英文听说读写能力，英语6级以上；
2）文笔良好；
3）了解seo,sem优先；
4）知识要求：同时具备统计学、数据库、经济学三个领域的基础知识；英语四级或以上、熟悉指标英文......>>
问题七：学数据分析师有专业要求吗？ 你好，是没有专业要求的，只要你数据基础不是太差，通过下面几步就可以成为一名数据分析师。
第一步：统计概率理论基础
这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。
第二步：软件操作结合分析模型进行实际运用
关于数据分析主流软件有（从上手度从易到难）：Excel，SPSS，Stata，R，SAS等。首先是学会怎样操作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。
第三步：数据挖掘或者数据分析方向性选择
其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。
第四步：数据分析业务应用
这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要，而这个能力是需要在工作之中一点一滴的积累，也许目前是做零售，会用到一些相关回归方法，但转行做电商，又会用到其他的挖掘等方法。业务虽千变万化，但是分析方法却万变不离其宗，所以掌握好技术用到任何一个环境靠的只有是业务经验的积累。
当然，考个CDA的数据分析师证书就更好了。
问题八：数据分析师学习方式是什么，数据分析师课程内容包括什么，数据分析师在哪里培训？ 一.数据分析师的学习方式是面授和远程。
面授
项目数据分析师培训课程涉及到经济学、市场营销学、财务管理学、计量经济学、预测学、金融学等多方面知识，需要学员具备全面性理论基础知识贮备。我们对各个学科中项目分析所要用到的知识点进行了深入分析，在讲义中详细说明，使学员可在相对准确的领域内迅速掌握知识并加以运用。做到能够让学员将课本上所学的东西真正变为可以利用的有效工具。
远程学习
时间为一年整，采取先进的同步教学方式，保证学习质量，具体特点如下：
a、面授期间（8天面授），更新课程五次，通过每周的更新课程，让学员不仅可以在面授前提前预习基础知识，而且可以通过远程学习中心提交作业、知识点自我测试、考试复习、习题解答、在线答疑、案例参与等综合项目更好的掌握知识。
b、面授结束后，学员还有11个月的远程学习时间，每月一次的课件更新，使学员不仅能顺利适应项目数据分析师的认证考试，而且可以掌握各种数据分析的拓展知识和技能，为分析师在未来能够胜任专业分析工作奠定深厚基础。
c、远程学习不仅有丰富的文字学习内容，而且大比例增加了音频、视频课件，使学员可以通过生动的课件完成阶段性学习。
d、远程学习中心为学员提供学习计划制定、班级交流、继续教育等功能，帮助学员自觉学习、实现更好的学习效果。
二.数据分析的课程有四本书：数据分析基础、量化经营、量化投资、战略管理
三、数据分析师在全国各地都有授权管理中心上课，北京、上海、广东等都有，具体的要看您在哪里。
问题九：数据分析师培训，什么人适合学数据分析 数据分析师需要学习以下几个方面的课程：
（1）数据管理。
a、数据获取。
企业需求:数据库访问、外部数据文件读入
案例分析:使用产品信息文件演示spss的数据读入共能。
b、数据管理。
企业需求:对大型数据进行编码、清理、转换。
案例分析:使用银行信用违约信息文件spss相应过程。
1）数据的选择、合并与拆分、检查异常值。
2）新变量生成，SPSS函数。
3）使用SPSS变换数据结构――转置和重组。
4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。
c、数据探索和报表呈现。
企业需求:对企业级数据进行探索，主要涉及图形的使用。spss报表输出。
案例分析:企业绩效文件，如何生成美观清晰的报告。
1）制作报表前对变量的检查
2）制作报表的中对不同类型的数据处理
3） 报表生成功能与其他选项的区别
（2）数据处理
a、相关与差异分析。
案例分析:产品合格率的相关与差异分析。
b、线性预测。
企业需求: 探索影响企业效率的因素，并进一步预测企业效率。
案例分析:产品合格率的影响因素及其预测分析。
c、因子分析。
企业需求: 需要抽取影响企业效率的主要因素，进行重点投资
案例分析:客户购买力信息研究。
d、聚类分析。
企业需求: 需要了解购买产品的客户信息
案例分析:客户购买力信息研究
e、bootstrap。
案例分析: bootstrap抽样。
（3）SPSS代码
SPSS代码应用
问题十：大数据分析师 应该要学什么知识？ 1、需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。
2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。
3、至少能够用Acess等进行数据库开发；
4、至少掌握一门数学软件：matalab，mathmatics进行新模型的构建。
5、至少掌握一门编程语言；
6，当然还要其他应用领域方面的知识，比如市场营销、经济统计学等，因为这是数据分析的主要应用领域。