数据分析师未来五年发展前景怎么样？（数据分析师培训需要多少钱）
数据分析的两个主要就业方向，一个是统计学方向，一个是运筹学方向，我们分别来看看这两者具体有哪些相应的岗位
首先是统计学方向。
这个方向的职位其实一直都有，只是说现在用的一些方法，技术手段得到了一定的提升。原来公司只有一些有限的经营数据或市场数据，基本上用 excel 就能解决了，现在我们有了很大的数据量，也有了更多的高级的分析软件，比如 SAS、R 等等。用这些软件，我们可以在大量的数据中，挖掘出一些核心的数据信息，来找出商业活动的驱动力。
从就业方向来说，最典型的是以互联网公司为代表的信息化程度比较高的企业。这些公司在日常业务中会产生大量的数据，数据分析人员必须从繁杂的数据中挖掘出有效信息，来给运营和决策提供支持。
典型的公司有 BATJ，其中一些相关的团队包括产品的运营团队、广告效果分析团队、游戏的用户数据处理团队等等。其他还有一些互联网公司，比如美团、携程、饿了么等等。
在这些互联网公司里面，数据分析工作主要分两个方向：
一个是做运营分析，就是前面讲的这类工作内容。
另一个就是产品开发的分析，比如把相关的数据抽象出来建模，做一些用于判断的模型，比如回归模型等，以 API 的形式，给到客户。客户只要把相关的数据导进去，就能通过这个模型作出一个判断。
比较典型的例子就是反诈骗的一些产品，背后是好人的行为数据，以及一些坏人的行为数据，做出一个「0」「1」的好坏判断模型。当你把一个不知道结果的数据，通过 API 接口输入进这个模型后，就会得出结论这个是好人还是坏人，从而对业务作出指导。
除了互联网公司以外，咨询公司也非常注重数据这块的工作。
比如麦肯锡，相关的数据分析已经成为公司的重要驱动力之一。
另外，四大咨询公司、一些 IT 咨询公司，比如埃森哲、印度的 Infosys 等，以及一些本土的咨询公司，比如久谦，还有老牌的基于数据分、市场分析的公司，比如尼尔森，也有相应的数据分析岗位。
那数据分析主要用于咨询公司的哪些业务呢？对于咨询公司来讲，通常业务分两大块，就是战略咨询和管理咨询。
战略咨询一般用到数据分析的情况比较少，因为战略咨询常常涉及到一个较长期的企业业务的未来规划，从有限的历史数据中很难判断出比较长远的未来走向。一般历史数据比较多用于当前或较短时间的未来预测。因此，在咨询公司中，数据分析主要运用在管理咨询业务中，作为决策的支持。比如说，我们经常做到的 CRM 这一类系统中，在我们拿到很多客户的数据后，会做一个用户画像，做完用户画像之后，我们知道了这个客户有什么特点，我们可以基于概率或者回归做一个推荐系统，把相关的广告或者产品推送给客户。
另外，我们还可以做一些行业的分析。比如说，我们在第三方网站上面拿到了一些基于地理位置的数据，例如在一个区域有多少餐馆，而客户是做零售饮料的，我们可以把这些餐馆的分布放到地图上，然后把客户的销售数据也放上去，我们就可以看出这些饮料在哪些地方卖得比较好，哪些地方卖得不好。如果卖得不好的地方，它本身又有跟卖得好的地方一样的潜力的话，我们就可以据此提出相应的一些提升建议。
还有一类常用到数据分析的公司呢，就是金融企业，尤其是现状互联网的银行、保险公司等为主，主要偏向于相关的零售业务和风控业务。比如像国有的四大行，以及其他的商业银行，比如招商银行，零售和风控这些数据分析驱动的业务已经非常成熟了。
比如当你打开招商银行的 APP 时，会发现根据你的使用行为和情况，它会做一些相关的推荐。另外一个比较典型的例子是在蚂蚁金服上面，你会发现你有一个芝麻分，这个芝麻分也是通过数据分析、建模打出来的，那根据不同的信用分，你会得到一些不同的待遇。
另外，在保险公司数据分析是怎样应用的呢？保险公司也会给客户做用户画像，这些画像都会有一个对应的组，不同组里的人，保费也是不同的。比如在车险中，某类人的车是红色的，而且长期跑长途，那么他们面临的风险是什么情况，根据这样的情况，保险公司会给这些人设定一个特定的保险费。总结来说，在保险公司中，用到数据分析比较多的就是做一个一般业务运营的分析，以及风控的方案。如果保险公司的方案做得非常成熟的话，有可能会对外输出成为一个产品。
第四类会用到数据分析的就是软件公司。软件公司一般通过将这些模型标准化、产品化，做好交互之后，将一个完整的产品卖给客户。客户拿到这类产品后，只要将自己的数据导进去，进行一定的操作，就能得到一些有价值的结论。
最后一类公司是传统企业。这些传统企业可能之前的信息化程度较低，比如制造型企业，制造业之前的一些销售数据，可能没有做到一个很好的累积，借着整个商业社会信息化的趋势，这些企业发现在这些数据中有许多发现 insights 的机会，所以逐渐开始重视。之前我在美国的 AMD 公司实习过，公司内部有一个很庞大的数据库，记载了公司许多年的销售数据，我们就会拿这些销售数据，做时间序列分析，发现它在某一个时间区间内的趋势，并拿这个趋势来用于未来销售情况的一个预测。对于这个公司的指导意义，在于知道在某一个时间段它的订单量会上升，会上升到哪个程度，那么就可以让它的生产部门提前做好生产准备，来应对销售的高峰。
另外一个数据分析的就业方向是运筹学的方向。
运筹学方向的工作呢，主要是解决一些优化的问题，可能学过相关知识的同学会比较清楚。除了我们最简单的线性规划以外，也衍生了很多其他的优化方案，比如动态优化、随机优化、排队等等。就是说你在有限的约束条件下，能够得到一个最优或者局部最优的解。
这些方案在实际应用中也非常广泛。比如我们生活中用到的嘀嘀打车里面的路线规划的这类问题。这是个动态优化的问题，比如你拼车有多少个乘客，怎么给司机安排最优线路，保证能捞上所有乘客的同时，整个运行的路线最短最快捷。那在运筹学的方向，主要的就业公司还是咨询公司。对于咨询公司来讲，它会给客户提供优化方案。比如在制造企业里面，怎么去提升你的生产线的效率，这是一个排产的问题。你要先生产什么，再生产什么，能达到你总的用工时间较短，或者说中间产生比较少的堆积情况。这也是比较偏重运营分析，给运营工作提供一些决策支持相关的工作。
另外就是专门的作一些优化软件解决方案的软件公司，较典型的比如说 Aspen Tech，它的产品在石油行业里面也是优化排产比较有名的一个软件，全球 70% 以上的石油公司或者说炼油企业，都会用这个软件给自己的生产线做排产。因为石油企业的产品种类、原料种类都比较多，流程环节也比较复杂，这个软件解决了怎样排产能够在完成这个月生产计划的情况下，成本最低，利润最高的问题。
另外一个典型的公司是 LLamasoft，这个公司是专门做供应链优化的。在里面从事的主要是模型开发、产品开发这类工作。如果你能胜任的这类工作的话，也可以去这种公司做一下数据类工作，如果你将来想转行去做销售或者市场的工作的话，这边的工作背景会给你提供很大的支持。因为这家公司比较偏向于技术产品销售，如果你对产品的原理和优势不清楚的话，很难把你的产品很好地卖出去，因为买方会找一些相关的技术人员与你做对接，这些技术人员对这类知识了解得是比较清楚的。
除了这些第三方企业之外，还有一些直接会用到这些软件的企业，比如 Uber、滴滴，还有像顺丰等物流企业，肯定天天都会遇到这类问题。比如在上海这一个城市内的派件，你怎么去安排中转，用什么车，走什么路线，可以在一天内把派件都成功送达，或者让 delay 的情况最少。还有像 UPS 这一类国外的物流公司也是一样的，都比较多涉及到一些内部的产品开发工作。