大数据方向实习生该做些什么？

最近，我逃离了学校在一家大数据公司实习。虽然我不认为大数据像现在很多人说的那么邪恶，但我认为互联网时代带来的大量数据是非常有价值的。所以我在这家公司当实习生已经一个多星期了。我做了一些简单的搜索、排序和繁重的工作。excel完全完成了。每天需要找的东西没有技术含量，但是很费时间。不知道这是不是实习的融合期。大三逃离学校，冒着很大的风险。为了让未来走得更快，我应该学点什么，做点什么准备。北上广年薪10w的毕业目标 这一目标是否容易实现，需要具备哪些素质。那么，Excel2013年大数据方向实习生应该做些什么，目前可以支持104万行数据，即便如此，也远不是大数据。以下是华苑数据整理的2015年大数据相关公司排名。看看你的公司是否在里面。对于一个实习生来说，让你处理Excel是不合理的，因为Excel处理是数据分析的基础。拉数据透视表，写vlookup等函数，甚至用vb写一些自动化。一旦熟悉了，对你的数据分析会有很大的好处！更不用说，一般公司的数据分析师职位或一些市场调研公司只需要Excel和PPT。说到工资，北上广10W 这是应届毕业生程序员职位的起薪。如果你只知道Excel，去一些可靠的市场调研公司做数据分析，尼尔森、华通明略等大公司可以拿到6K左右的工资，6*13就是8W左右。如果你想去BAT这样的公司做数据分析，只知道Excel是不够的。你至少需要知道SPSS或R。当然，如果能进去的话，10W 是有的。如果你个人建议，最好不要为了钱而学习一些东西，这样内部驱动力就不会太大，让你走得比别人快，尽快确定一个感兴趣的方向。随着大数据概念的兴起和企业的日益*，与数据相关的岗位细分越来越多，每一个细分都足以让你努力学习10年 。看到评论区有人问SPSS是否可以进入BAT进行数据分析，答案是肯定的，不是说进入BAT必须滚动代码，因为随着数据职位的细分，互联网公司需要一些产品思维和稍微统计背景做数据分析，以下贡献图片。我喜欢根据业务端（如产品、运营、销售等）和技术端（开发部门）来描述职位，你可以看到不同位置的数据相关职位谈论市场研究，这个职位最接近业务，他们的工作主要是研究外部数据，如产品目标用户、竞争对手、整个行业等，为产品的每个修订提供数据支持，对于互联网公司来说，这种职位通常放在UED（用户体验部）或产品部门以下。日常工作，如在不同城市开设用户访谈会，以问卷调查的形式收集用户数据，打电话给用户研究电话，设计访谈问卷等。工作要求不涉及编程。一般要求是统计基础知识、EXCEL和PPT，SPSS了解一些更好，BAT等中小互联网公司都有招聘岗位。对于这类岗位，建议一开始就去咨询公司。市场上有很多好的咨询公司可供选择，如世界上最大的尼尔森、华通明略、易普索、盖洛普等。艾瑞、艾媒、易观等互联网行业都是不错的选择。从职业发展的角度来看，市场调研不仅是各行业的普遍职位（快速消费品行业对市场调研的需求很大）。在大公司的纵向发展中，我们可以成为市场调研总监，在横向发展中，我们可以成为互联网公司的品牌经理或产品规划经理。数据分析师，各行各业都有做数据分析的职位，但估计是在过去的1、2年里，互联网公司有数据分析师的职位。以前，产品经理或运营经理一直在做数据分析。细分的原因是随着数据量的增加和数据价值的突出，数据分析的门槛越来越高。例如，你需要从数据中获取数据进行数据分析，一般来说，你需要写SQL语句来获取数据。估计很难让产品经理或运营经理写SQL。当然，除了那些有技术背景的人。此外，在分析方面，如果数据量大，Excel总是很难分析。你必须能够点击SAS或R等可以处理大数据量的工具。如果是SASEG模块，也可以图形化操作。如果是R，则为纯编程，因此，我认为30%的数据分析职位在于技术，因为它需要在数据处理层面涉及大量的大数据操作。从业务方面来看，数据分析师的价值在于可以为公司建立数据流，通过数据反馈产品功能，支持日常业务部门数量，为产品修订提供数据支持，这样你需要从头到尾跟踪整个数据流的流程，产品开发数据埋点等源端，您需要与产品经理和开发沟通哪些功能需要报告哪些数据，有数据报告你需要跟进这些报告数据输入哪个数据库表，如何确定数据输入口径，数据存在数据库你需要让这些数据产生价值，除了业务部门与你的数据，你需要主动设置一些分析主题，用工具分析，最后写PPT呈现给业务部门，最终影响决策，如果业务部门的数据任务，你需要思考如何形成这些重复的数字工作报告，并自动呈现数据。此时，您需要与后端开发和数据仓库的人员进行沟通，并从头到尾跟进报告的实现。另一个职位是数据产品经理，这与数据分析师的职责重叠。不同的是，这个职位*的是数据分析的产品化。这是普通互联网公司数据产品经理的日常生活：数据产品经理和互联网公司的产品经理有什么区别？在大型互联网公司中，产品经理有各种细分和偏向功能界面设计的产品经理。这类产品经理注重产品界面的美观吸引力。他们应该能够用Axure绘制各种界面按钮，最好有绘画技巧，与数据相关的是需要通过数据反馈来改进产品界面；产品经理偏向于功能实现，这类产品经理*产品功能实现是否满足用户预期，效率足够高，实现步骤足够短，他们需要有技术背景，能够理解各种实现逻辑的开发，他们需要通过数据反馈来提高功能实现的成功率，降低崩溃率，提高实现速度；前两者都是前端产品经理，后端产品经理是数据产品经理，除了帮助各部门建立管理平台。从以上可以看出，产品经理有各种细分，数据产品经理也有不同的要求和*点。从以上可以看出，产品经理有各种细分，数据产品经理也有不同的要求和*点。这是智联公司数据产品经理的职位描述：职位描述：1）负责门户、APP数据统计产品开发和推荐算法迭代，独立负责产品线的日常迭代，以数据为导向的操作结果。2)对所有产品核心KPI数据进行监管，及时向运营团队输出价值数据。3）负责产品上线后的数据管理和运营，持续监控和分析相关数据，定期分析和评估自己的产品、整个行业和竞争对手，不断优化产品，完成产品生命周期管理。4)报告项目核心数据指标和项目进度，并对产品生命周期内的各项指标负责。5)负责产品的持续运行，不断优化、改进、迭代，深入挖掘用户需求。从以上描述可以看出，数据产品经理有三个*点：一是数据统计背景；二是推荐系统；三是产品数据的监控和分析。所以扩展这个职位的要求应该是对数据敏感，了解一定的数据挖掘算法，这样一个数学或统计学学位就会有帮助。下图简要区分了数据产品经理和其他产品经理：最后，数据挖掘工程师。在数据相关职位中，我认为数据挖掘和数据架构的门槛最高，也是最能反映数据价值的职位。大多数公司招聘数据挖掘工程师的门槛是数学、统计或计算机硕士以上，为什么大多数企业认为只有四年的本科学习不足以理解数据挖掘相关算法的推导和应用场景，做好数据挖掘，除了坚实的数学和统计基础，算法代码实现也是一个非常重要的地方。为什么数据挖掘的门槛这么高？他对企业真的有这么高的价值吗？如果他把它的应用场景搬出去，他就知道了。一家音乐公司A成立多年，一直以其出色的界面小巧清新的用户体验而闻名。不幸的是，多年来，它对音乐版权的*不够，导致用户因无法下载自己喜欢的歌曲而频繁流失。后来，公司从痛苦中吸取了教训，决定找到另一种方法，所以他雇佣了一个数据挖掘工程师团队，在音乐行业创建了最好的推荐系统，并立即恢复了大量用户。现在用户份额位居行业前三。是的，推荐系统可以说是数据挖掘中最重要的应用场景。最初来自电子商务网站的用户浏览了该产品，以及购买该产品的用户购买了该产品。现在它已经发展到各种复杂的特征程度提取，并从各个维度计算相关性。许多著名的数据挖掘算法，如简单的贝叶斯、神经网络、逻辑回归等，都需要坚实的统计基础和相关的项目经验来成熟地应用于业务实践。数据挖掘是随着大数据技术的发展而兴起的职业。过去，由于技术的局限性，培训数据只能通过抽样选择，最终算法的预测概率只有60%左右。大数据的成熟使工程师能够建模接近所有数据的数据，最终预测概率可以达到80%甚至90%，从而更好地反映数据挖掘的价值。从职业发展的角度来看，BAT是最适合数据挖掘的地方。巨大的数据、对技术的重视甚至崇拜以及成熟的应用场景使数据挖掘工程师如鱼得水。拥有1、2年硕士学位工作经验的数据挖掘工程师，在互联网行业很容易获得25K的月薪。