哪里可以学工程数据统计 数据挖掘是什么专业?

说到数据，要分析清楚几个概念。

统计是一门应用学科，通过利用高等数学和概率论等数学背景来建立理论模型，将相关数据整理和填补，利用各种统计检验方法对其进行量化分析，以求达到总结和预测的最终作用。统计学和数据挖掘的关系并非是包容的，一般人认为数据挖掘是统计学的分支，其实二者是有一定的交集。对于现在大数据背景下，人们更多强调数据的海量，却往往忽略统计基础的实现。统计与数据挖掘的区别如下：

1、统计学是以数学为基础理论体系的，而数据闷耐仔挖掘偏向于计算机领域；

2、统计学接触的是样本数据，即在样本基础上估计总体，而数据挖掘亩仔本身在总体范围里面估计。

3、统计学更加注重运用数学上已经明确的模型来研究数据，而数据挖掘注重机器学习蚂汪和计算机科学这样的经验，即不管模型是否有得解释。

4、统计学的本质是利用预期模型得出结果，而数据挖掘的本质是发现非预期但是有价值的信息，确定性是不一致的。

需要具体了解二者关系的同学请戳： /archives/5114

可以从实习生或者助手做起，慢慢积累启神经验。

首先，你得具备基本的数据分析技能：

1、Excel

Excel简单易用，功能强大，熟练使用Excel是数据喊渣分析必备的技能。

2、SQL

跟数据打交道，有时候可能需要些SQL，所以掌握一些常用的SQL命令也是必须的。

3、统计学

统计学是郑旁悄一个数据分析师的核心功底，掌握一些统计学知识是必要的。

4、SPSS

对于有些统计分析方法，例如多元线性回归、聚类分析、主成分分析等，Excel无法实现，通过SPSS可以轻松搞定。

5、Tableau

Tableau作为商业智能和分析利器，受到很多公司的欢迎，学点Tableau能够让工作更加高效。

1、数学知识

数学知识是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。

而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。

2、分析工具

对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。

对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。

3、编程语言

对于初级数据分析师，会写SQL查询，有需要的话写写闭樱行Hadoop和Hive查询，基本就OK了。

对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

4、业务理解

业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

对于颂喊高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。

4、逻辑思维

这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。

对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

5、数据可视化

数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太轿哗多美化的问题。

6、协调沟通

对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

7、快速学习

无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。

快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！

大学的哪个专业是研究数据挖掘的？
数据挖掘(Data Mining)，又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)，就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程，简单的说，数据挖掘就是从大量数据中提取或“挖掘”知识。

比如，软件开发专业，

具体以来的学科多了，给你个 网址：baike.baidu/view/7893

自己看下吧。很清楚了 ！

数据分析员属于什么专业
没有属于什么专业，一般从事的人都是统计学或者数学专业的。
请问你是数据挖掘的研究生？数据挖掘研究生阶段都学什么？
首先，数据挖掘的技术有好多种，你要定位到某类数据挖激算法， 比如分类，聚类，关联规则，预测等等。

再次，就是根据你的定尘扰拿位，大量阅读国内外（特别是国外）研究人员对这类算法的改进及应用，要熟悉。。

然后呢，就是提出你对该算法的改进方法，并实现。

说白了，就是算法的改进，实现。

研究生教育就是这样，自己研究算法。跟实际的应用有些脱节的，实际应用中根本不会在意某个算法的执行效率等等。。。。
大数据属于什么专业？
应该归于计算机（软件）方面的专业吧
想当数据挖掘工程师要报什么大学专业 10分
本科或硕士以上学历，数据挖掘、统计学、数据库相关专业。

熟练掌握关系数据库技术，具有数据库系统开发经验；熟练掌握常用的数据挖掘算法；

具备数理统计理论基础，并熟悉常用的统计工具软件。

国内一批大学，211或者985最好。
数据挖掘，到底考研该考什么专业
数据方面的比较好

应该考虑自己的兴趣和爱好。兴趣是最好的老师，只有感兴趣的东西，才会真正投入的去学。

要选择与自己文化基础相适应的专业，以保证学习的顺利进行。比如说你的数学基础比较好，

逻辑思维比较灵活，则可以考虑选择理工类的专业。

不要急，总之，要自信，相信自己一定可以成功
考研想考数据挖掘方面 属于哪个二级学科呢？ 100分
计算机，不过自动化或者统计的二级学科也可能会有
数据挖掘是什么工作呢？
数据挖掘指的是在长期积累的数据中分析和挖掘有价值的信息以供决策。这个概念主要还是因为ERP（企业资源计划）和OA(办公自动化)软件系统的广泛使用和发展的基础上出现的一个概念。因为企业在使用这些软件系统的过程中，虽然运营的状态和管理以及成本有很大的节约，大大提高了企业的运营效率，可是这李氏些系统却只能对企业的状态和管理进行一个状态性的记录，对长期记录下来的这些数据的分析和在挖掘能力是非常有限的，虽然众多软件供应商想出各种办法来利用其这些数据，比如出各种报表甚至自定义的报表，可是仍然受制于ERP和OA本身设计的缺陷，因为它们原本就不是设计来做数据分析的。 所以在我们的软件系统实施的过程中，常常看到一个庞大的系统在运行，可是对于领导却只有每月看一两张报表的价值。所以，有人提出了数据挖掘的概念，长期使用ERP系统派搭所积攒的数据就好像一大筐苹果，金苹果、银苹果、烂苹果都有，而数据挖掘工程师就是专门从中挑选出对企业有用的信息的工作。当然数据挖掘软件也是专门设计来做这个事情的。
想从事数据分析工作，考研应该考什么专业好一些，大数据或者数据挖掘可以吗？ 30分
大数据 很好地 专业 你可以考 算法 或者数据分析，这个比较新 你要考的话 看一下 有没有 直接开这个专业的，我的研究生同学就转行 做这个了 ，很不错
数据挖掘与数据分析的主要区别是什么
总结一下主要有以下几点：

1、计算机编程能力的要求

作为数据分析很多情况下需要用到成型的分析工具，比如EXCEL、SPSS，或者SAS、R。一个完全不懂编程，不会敲代码的人完全可以是一名能好的数据分析师，因为一般情况下OFFICE包含的几个工具已经可以满足大多数数据分析的要求了。很多的数据分析人员做的工作都是从原始数据到各种拆分汇总，再经过分析，最后形成完整的分析报告。当然原始数据可以是别人提供，也可以自己提取（作为一名合格的数据分析师，懂点SQL知识是很有好处的）。

而数据挖掘则需要有编程基础。为什么这样说呢？举两个理由：第一个，目前的数据挖掘方面及相关的研究生方面绝大多数是隶属于计算机系；第二点，在招聘岗位上，国内比较大的公司挂的岗位名称大多数为“数据挖掘工程师”。从这两点就可以明确看出数据挖掘跟计算机跟编程有很大的联系。

2、在对行业的理解的能力

要想成为一名优秀的数据分析师，对于所从事的行业有比较深的了解和理解是必须要具备的，并且能够将数据与自身的业务紧密结合起来。简单举个例子来说，给你一份业务经营报表，你就能在脑海中勾画出目前经营状况图，能够看出哪里出现了问题。但是，从事数据挖掘不一定要求对行业有这么高的要求。

3、专业知识面的要求

数据分析师出对行业要了解外，还要懂得一些统计学、营销、经济、心理学、社会学等方面的知识，当然能了解数据挖掘的一些知识会更好。数据挖掘工程师则要求要比较熟悉数据库技术、熟悉数据挖掘的各种算法，能够根据业务需求建立数据模型并将模型应用于实际，甚至需要对已有的模型和算法进行优化或者开发新的算法模型。想要成为优秀的数据挖掘工程师，良好的数学、统计学、数据库、编程能力是必不可少的。

总之一句话来概括的话，数据分析师更关注于业务层面，数据挖掘工程师更关注于技术层面。

数据分析师与数据挖掘工程师的相似点：

1、都跟数据打交道。

他们玩的都是数据，如果没有数据或者蒐集不到数据，他们都要丢饭碗。

2、知识技能有很多交叉点。

他们都需要懂统计学，懂数据分析一些常用的方法，对数据的敏感度比较好。

3、在职业上他们没有很明显的界限。

很多时候数据分析师也在做挖掘方面的工作，而数据挖掘工程师也会做数据分析的工作，数据分析也有很多时候用到数据挖掘的工具和模型，很多数据分析从业者使用SAS、R就是一个很好的例子。而在做数据挖掘项目时同样需要有人懂业务懂数据，能够根据业务需要提出正确的数据挖掘需求和方案能够提出备选的算法模型，实际上这样的人一脚在数据分析上另一只脚已经在数据挖掘上了。

事实上没有必要将数据分析和数据挖掘分的特别清，但是我们需要看到两者的区别和联系，作为一名数据行业的从业者，要根据自身的特长和爱好规划自己的职业生涯，以寻求自身价值的最大化。

sc-cpda 数据分析公众交流平台