員工職工個(gè)人職業(yè)生涯發(fā)展規(guī)劃書

　　員工個(gè)人職業(yè)生涯規(guī)劃(三)

　　我小時(shí)候的理想是將來做一名數(shù)學(xué)家，可惜長(zhǎng)大了發(fā)現(xiàn)自己天賦不夠，理想漸行漸遠(yuǎn)，于是開始考慮現(xiàn)實(shí)，開始做一些人生規(guī)劃，我一直在思考將來從事何種職業(yè)，專注什么樣的領(lǐng)域，重新定義著自己的職業(yè)理想。我現(xiàn)在的職業(yè)理想，比較簡(jiǎn)單，就是做一名數(shù)據(jù)分析師。

　　為什么要做數(shù)據(jù)分析師?

　　在通信、互聯(lián)網(wǎng)、金融等這些行業(yè)每天產(chǎn)生巨大的數(shù)據(jù)量(長(zhǎng)期更是積累了大量豐富的數(shù)據(jù)，比如客戶交易數(shù)據(jù)等等)，據(jù)說到2020年，全球每年產(chǎn)生的數(shù)據(jù)量達(dá) 到3500萬(wàn)億GB;海量的歷史數(shù)據(jù)是否有價(jià)值，是否可以利用為領(lǐng)導(dǎo)決策提供參考依據(jù)?隨著軟件工具、數(shù)據(jù)庫(kù)技術(shù)、各種硬件設(shè)備的飛快發(fā)展，使得我們分析 海量數(shù)據(jù)成為可能。

　　而數(shù)據(jù)分析也越來越受到領(lǐng)導(dǎo)層的重視，借助報(bào)表告訴用戶什么已經(jīng)發(fā)生了，借助OLAP和可視化工具等分析工具 告訴用戶為什么發(fā)生了，通過dashboard監(jiān)控告訴用戶現(xiàn)在在發(fā)生什么，通過預(yù)報(bào)告訴用戶什么可能會(huì)發(fā)生。數(shù)據(jù)分析會(huì)從海量數(shù)據(jù)中提取、挖掘?qū)I(yè)務(wù)發(fā) 展有價(jià)值的、潛在的知識(shí)，找出趨勢(shì)，為決策層的提供有力依據(jù)，為產(chǎn)品或服務(wù)發(fā)展方向起到積極作用，有力推動(dòng)企業(yè)內(nèi)部的科學(xué)化、信息化管理。

　　我們舉兩個(gè)通過數(shù)據(jù)分析獲得成功的例子

　　(1) Facebook廣告與微博、SNS等網(wǎng)絡(luò)社區(qū)的用戶相聯(lián)系，通過先進(jìn)的數(shù)據(jù)挖掘與分析技術(shù)，為廣告商提供更為精準(zhǔn)定位的服務(wù)，該精準(zhǔn)廣告模式收到廣大廣 告商的熱捧，根據(jù)市場(chǎng)調(diào)研機(jī)構(gòu)eMarketer的數(shù)據(jù)，F(xiàn)acebook年?duì)I收額超過20億美元，成為美國(guó)最大的在線顯示廣告提供商。

　　(2) Hitwise發(fā)布會(huì)上，亞太區(qū)負(fù)責(zé)人John舉例說明: 亞馬遜30%的銷售是來自其系統(tǒng)自動(dòng)的產(chǎn)品推薦，通過客戶分類，測(cè)試統(tǒng)計(jì)，行為建模，投放優(yōu)化四步，運(yùn)營(yíng)客戶的行為數(shù)據(jù)帶來競(jìng)爭(zhēng)優(yōu)勢(shì)。

　　此外，還有好多好多，數(shù)據(jù)分析，在營(yíng)銷、金融、互聯(lián)網(wǎng)等方面應(yīng)用是非常廣泛的：比如在營(yíng)銷領(lǐng)域，有數(shù)據(jù)庫(kù)營(yíng)銷，精準(zhǔn)營(yíng)銷，RFM分析，客戶分群，銷量預(yù)測(cè)等 等;在金融上預(yù)測(cè)股價(jià)及其波動(dòng)，套利模型等等;在互聯(lián)網(wǎng)電子商務(wù)上面，百度的精準(zhǔn)廣告，淘寶的數(shù)據(jù)魔方等等。類似成功的案例會(huì)越來越多，以至于數(shù)據(jù)分析師 也越來越受到重視。

　　然而，現(xiàn)實(shí)卻是另一種情況。我們來看一個(gè)來自微博上的信息：在美國(guó)目前面臨14萬(wàn)~19萬(wàn)具有數(shù)據(jù)分析和管理 能力的專業(yè)人員，以及150萬(wàn)具有理解和決策能力(基于對(duì)海量數(shù)據(jù)的研究)的管理人員和分析人員的人才短缺。而在中國(guó)，受過專業(yè)訓(xùn)練并有經(jīng)驗(yàn)的數(shù)據(jù)分析人 才，未來三年，分析能力人才供需缺口將逐漸放大，高級(jí)分析人才難尋。也就是說，數(shù)據(jù)分析的需求在不斷增長(zhǎng)，然而合格的為企業(yè)做分析決策的數(shù)據(jù)分析師卻寥寥 無幾。好多人想做數(shù)據(jù)分析卻不知道如何入手，要么不懂得如何清洗數(shù)據(jù)，直接把數(shù)據(jù)拿來就用;要么亂套模型，分析的頭頭是道，其實(shí)完全不是那么回事。按俗話 說就是：見過豬跑，沒吃過豬肉。

　　我的職業(yè)規(guī)劃

　　對(duì)于數(shù)據(jù)分析，有一句話說的非常好：spss/sql之類的軟件、決策樹、時(shí)間序列之類的方法，這些僅僅就都是個(gè)工具而已，最重要的是對(duì)業(yè)務(wù)的把握。沒有正確的業(yè)務(wù)理解，再牛的理論， 再牛的工具，都是白搭。做一名合格的數(shù)據(jù)分析師，除了對(duì)數(shù)據(jù)需要有良好的敏感性之外，對(duì)相關(guān)業(yè)務(wù)的背景的深入了解，對(duì)客戶或業(yè)務(wù)部門的需求的清晰認(rèn)識(shí)。根 據(jù)實(shí)際的業(yè)務(wù)發(fā)展情況識(shí)別哪些數(shù)據(jù)可用，哪些不適用，而不是孤立地在“真空環(huán)境”下進(jìn)行分析。

　　為此，我對(duì)自己的規(guī)劃如下：

　　第一步：掌握基本的數(shù)據(jù)分析知識(shí)(比如統(tǒng)計(jì)，概率，數(shù)據(jù)挖掘基礎(chǔ)理論，運(yùn)籌學(xué)等)，掌握基本的數(shù)據(jù)分析軟件(比如，VBA，Matlab，Spss，Sql 等等)，掌握基本的商業(yè)經(jīng)濟(jì)常識(shí)(比如宏微觀經(jīng)濟(jì)學(xué)，營(yíng)銷理論，投資基礎(chǔ)知識(shí)，戰(zhàn)略與風(fēng)險(xiǎn)管理等等)。這些基礎(chǔ)知識(shí)，在學(xué)校里盡量的學(xué)習(xí)，而且我來到了和 君商學(xué)院，這樣我可以在商業(yè)分析、經(jīng)濟(jì)分析上面領(lǐng)悟到一些東西，增強(qiáng)我的數(shù)據(jù)分析能力。

　　第二步：參與各種實(shí)習(xí)。研一開始我當(dāng)時(shí)雖然有課，不 過很幸運(yùn)的找到一份一周只需去一兩天的兼職，內(nèi)容是為三星做競(jìng)爭(zhēng)對(duì)手分析，當(dāng)然分析框架是leader給定了，我只是做整合資料和往ppt里填充的內(nèi)容的 工作，不過通過兼職，我接觸到了咨詢行業(yè)，也向正式員工學(xué)習(xí)了很多商業(yè)分析、思考邏輯之類的東西。之后去西門子，做和VBA的事情，雖然做的事情與數(shù)據(jù)分 析無關(guān)，不過在公司經(jīng)常用VBA做一些自動(dòng)化處理工作，為自己的數(shù)據(jù)分析工具打好了基礎(chǔ)。再之后去了易車，在那里兼職了一個(gè)多月，參與了大眾汽車銷量數(shù)據(jù) 短期預(yù)測(cè)的項(xiàng)目，一個(gè)小項(xiàng)目下來，數(shù)據(jù)分析的方法流程掌握了不少，也了解了企業(yè)是如何用一些時(shí)間序列模型去參與預(yù)測(cè)的，如何選取某個(gè)擬合曲線作為預(yù)測(cè)值。 現(xiàn)在，我來到新的地方實(shí)習(xí)，也非常幸運(yùn)的參加了一個(gè)央企的碼頭堆場(chǎng)優(yōu)化系統(tǒng)設(shè)計(jì)，其實(shí)也算數(shù)據(jù)分析的一種吧，通過碼頭的數(shù)據(jù)實(shí)施調(diào)度，通過碼頭的數(shù)據(jù)進(jìn)行 決策，最后寫成一個(gè)可操作的自動(dòng)化系統(tǒng)。而這個(gè)項(xiàng)目，最重要的就是業(yè)務(wù)流程的把握，我也參與項(xiàng)目最初的需求調(diào)研，和制定工作任務(wù)說明書SOW，體會(huì)頗多。

　　第三步：第一份工作，預(yù)計(jì)3-5年。我估計(jì)會(huì)選擇咨詢公司或者IT公司吧，主要是做數(shù)據(jù)分析這塊比較強(qiáng)的公司，比如Fico，埃森哲，高沃，瑞尼 爾，IBM，AC等等。通過第一份工作去把自己的知識(shí)打得扎實(shí)些，學(xué)會(huì)在實(shí)際中應(yīng)用所學(xué)，學(xué)會(huì)數(shù)據(jù)分析的流程方法，讓自己成長(zhǎng)起來。

　　第四步：去自己喜歡的一個(gè)行業(yè)，深入了解這個(gè)行業(yè)，并講數(shù)據(jù)分析應(yīng)用到這個(gè)行業(yè)里。比如我可以去電子商務(wù)做數(shù)據(jù)分析師。我覺得我選擇電子商務(wù)，是因?yàn)槲磥肀貙?是互聯(lián)網(wǎng)的時(shí)代，電子商務(wù)必將取代傳統(tǒng)商務(wù)，最顯著的現(xiàn)象就是傳統(tǒng)零售商老大沃爾瑪正在受到亞馬遜的挑戰(zhàn)。此外，電子商務(wù)比傳統(tǒng)的零售商具有更好的數(shù)據(jù)收 集和管理能力，可以更好的跟蹤用戶、挖掘潛在用戶、挖掘潛在商品。

　　第五步：未知。我暫時(shí)沒有想法，不過我希望我是在一直的進(jìn)步。

　　總結(jié)：數(shù)據(jù)分析師的能力和目標(biāo)

　　能力：

　　1、 一定要懂點(diǎn)戰(zhàn)略、才能結(jié)合商業(yè);

　　2、 一定要漂亮的presentation、才能buying;

　　3、一定要有g(shù)lobal view、才能打單;

　　4、 一定要懂業(yè)務(wù)、才能結(jié)合市場(chǎng);

　　5、 一定要專幾種工具、才能干活;

　　6、 一定要學(xué)好、才能有效率;

　　7、 一定要有強(qiáng)悍理論基礎(chǔ)、才能入門;

　　8、 一定要努力、 才能賺錢;最重要的：

　　9、 一定要?jiǎng)?wù)實(shí)、才有reputation;

　　目標(biāo)：

　　1.做過多少個(gè)項(xiàng)目?

　　2.業(yè)務(wù)背景有哪些，是否跨行業(yè)?

　　3.做過多少種類型的模型?做了多少個(gè)模型?

　　4.基于模型做過多少次完整的marketing閉環(huán)?

　　以上四個(gè)問題，足以秒殺95%以上的忽悠和菜鳥!

　　我僅以此為努力之坐標(biāo)，時(shí)刻提醒自己。

　　路在前方，漫漫前行。