2015年大数据相关公司排名看看你的公司在不在里边？

以下是华源数据整理的2015年大数据相关企业排名

看看有你的公司吗？

话虽如此，对于一个实习生来说，让你处理Excel也不能说是不合理的，因为Excel处理是数据分析的基础。 拉数据透视表，编写等功能，甚至用VB写一些自动化，一旦熟悉了，对你的数据分析是非常有好处的！ 更不用说，一般公司或者一些市场研究公司的数据分析师职位只需要Excel和PPT。

说到薪资，对于北京、上海、广州来说，10W+是应届毕业生程序员职位的起薪。 如果你只会Excel，就去一些可靠的市场研究公司做数据分析。 比较大的公司比如尼尔森、华通明这样做的话可以拿到6K左右的工资，6*13就是8W左右。 如果你想在BAT这样的公司做数据分析，只懂Excel是不够的。 你还需要至少会一些SPSS或者R。当然如果你能进去的话10W+就可以了。

作为个人建议，最好不要为了钱而学东西，这样内在驱动力就不会太强，导致你走得比别人快。 尽快确定感兴趣的方向。 随着大数据概念的兴起和企业规模的扩大，更加关注，与数据相关的岗位细分越来越多，每个细分都足够你学习10年+。

我看到评论区有人问如果会SPSS可以加入BAT做数据分析吗？ 答案是肯定的。 并不是说加入BAT就一定要会编码，因为随着数据岗位的细分，互联网公司需要一些有产品思维的人。 而有一点统计背景的人就会做数据分析，下面我贡献一张图。

我喜欢根据与业务端（如产品、运营、销售等）的距离以及与技术端（开发部门）的距离来描述职位。 可以看到，不同的位置都有与数据相关的位置。

我们来谈谈市场调查。 这种职位是最贴近业务的。 他们的工作主要是研究外部数据，比如产品目标用户的情况、竞争对手的情况、整个行业的情况等，为产品的每次改版提供数据支持。 对于互联网公司来说，这种职位通常放在UED（用户体验部）或者产品部下面。 日常任务包括去各个城市召开用户访谈会、以调查问卷的形式收集用户数据、拨打用户调研电话、设计访谈问卷等，岗位要求不会涉及编程。 一般要求是统计基础知识。 最好懂一些EXCEL、PPT、SPSS。 BAT等中小型互联网公司都有岗位招聘。 对于这类职位，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，比如全球最大的尼尔森、明略、益普索、盖洛普等，互联网行业有艾瑞、、易观等，都是不错的选择。 从职业发展路径来看，除了市场研究是各个行业的常见职位（快速消费品行业对市场研究的需求巨大）之外，如果你在垂直领域发展，可以成为市场研究总监。大公司，或者横向发展也可以。 互联网公司产品策划类的品牌经理或产品经理。

数据分析师，各行各业都有数据分析职位，但估计数据分析师这个职位最近1、2年才在互联网公司出现。 此前，产品经理或运营经理一直在做数据分析。 之所以将活动细分，是因为随着数据量越来越大，数据的价值越来越凸显，数据分析的门槛也越来越高。 例如，要做数据分析，就需要获取数据。 一般来说，如果让产品经理或者运营经理来写SQL，那么除了有技术背景的人之外，要写SQL语句从数据库中检索可能会有点困难。 另外，在分析的时候，如果数据量很大的话，Excel总是会很难分析，所以需要能够处理。 SAS或者R等大数据量的工具，如果是SAS的EG模块，也可以图形化操作。 如果是R，那就是纯编程。 所以我觉得数据分析岗位有30%是技术方面的，因为是数据处理层面的。 它需要进行大量涉及大量数据的操作。 从业务角度来看，数据分析师的价值在于能够为公司构建数据流，利用数据为产品功能提供反馈，支持业务部门日常数据采集，为产品改版提供数据支持。 要做到这一点，需要从头到尾融入整个数据流的流程，源端就比如产品开发时的数据埋点。 你需要和产品经理、开发团队沟通哪个功能需要上报哪些数据。 如果有数据上报，则需要按照上报的数据要求进行跟进。 输入哪个数据库哪个表，如何确定数据输入路径？ 一旦数据存入数据库，就需要让数据产生价值。 除了业务部门来找你要数据之外，你还需要主动去设置一些分析主题，自己去获取数据。 自己用工具分析，最后写出PPT呈现给业务部门，最终影响决策。 如果业务部门的数据检索任务太多，你需要思考如何将这些重复的数据检索任务形成报表并自动呈现数据。 这时候就需要和后端开发、数据仓库的人沟通，从头到尾跟进报告的执行情况。

还有一个职位称为数据产品经理，它与数据分析师的职责重叠。 不同的是，这个职位侧重于数据分析的产品化。 这是一家普通互联网公司数据产品经理的日常：

那么数据产品经理和互联网公司的产品经理有什么区别呢？

在大型互联网公司中，产品经理有各种细分，包括偏向于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和吸引力。 他们必须会使用Axure绘制各种界面按钮。 他们有绘画技巧。 他们与数据的联系是需要通过数据反馈来改进产品界面； 有些产品经理偏向于功能实现。 这类产品经理关注的是产品功能实现是否满足用户期望，效率是否足够高。 实现步骤是否足够短，要求他们有技术背景大数据是什么专业，能够理解开发的各种实现逻辑。 它们与数据相关的是，需要利用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； 前两者是前端产品经理，而后端产品经理除了帮助各个部门搭建管理平台的产品经理外，同时也是数据产品经理。

从上面可以看出，产品经理有各种细分，数据产品经理也有不同的要求和关注点。

这是智联某公司数据产品经理的职位描述：

职位描述：

1）负责门户及APP数据统计产品开发及推荐算法迭代等相关工作，独立负责产品线日常迭代工作，对数据化的运营结果负责。

2）及时向运营团队监督所有产品的核心KPI数据和产值数据。

3）负责产品上线后的数据管理和运营，持续监测和分析相关数据，定期对自身产品、整体行业、竞争对手等进行数据分析和评估，不断优化产品，完成产品生命周期管理。

4）汇报项目的核心数据指标和项目进度，对产品生命周期内的各项指标负责。

5）负责产品的持续运营，持续优化、改进、迭代，深度挖掘用户需求。

从上面的描述我们可以看出，这个数据产品经理职位有三个重点：一是数据统计后端；二是数据统计后端；三是数据统计后端。 第二，推荐系统； 三是产品数据监测与分析。 那么这个职位的延伸要求应该是对数据敏感，了解一定的数据挖掘算法，所以数学或者统计学的学位会有帮助。

下图简单地将数据产品经理与其他产品经理根据背景和共事人员区分开来：

最后我们来说说数据挖掘工程师。 在数据相关的职位中，我认为数据挖掘和数据架构的门槛最高，也是最能体现数据价值的职位。 大多数公司招聘数据挖掘工程师时，门槛都是数学、统计学或计算机科学硕士以上学历。 如果学士学位还不够，为什么还要硕士学位呢？ 大多数企业认为仅本科4年的学习不足以了解数据挖掘相关算法的推导和应用场景。 想要做好数据挖掘工作，除了扎实的数学和统计学基础外，算法的代码实现也非常重要。 地方。 为什么数据挖掘的门槛这么高？ 对企业来说真的有这么高的价值吗？ 它的应用场景你搬出来就知道了。 某音乐公司A成立多年，一直以简洁的界面和优秀的用户体验着称。 遗憾的是，多年来它对音乐版权的重视不够，导致用户经常因为无法下载自己喜欢的歌曲而流失。 后来公司痛定思痛，决定另辟蹊径，于是花重金聘请了数据挖掘工程师团队，打造音乐行业最好的推荐系统。 一下子重新获得了大量用户，目前用户占有率已跻身行业前三。 是的，推荐系统可以说是数据挖掘最重要的应用场景。 最初起源于电商网站，浏览产品的用户也浏览了什么，购买产品的用户也购买了什么，现在已经发展到从各个维度进行复杂的特征提取和相关性计算。 许多著名的数据挖掘算法，如朴素贝叶斯、神经网络、逻辑回归等，都需要扎实的统计基础和相关项目经验，才能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出现的一门专业。 过去，由于技术限制，很多情况下只能通过采样来选择训练数据，导致通过算法最终的预测概率只有60%左右大数据是什么专业，而大数据的成熟使得工程师可以对几乎全量的数据进行建模。数据，导致最终的预测概率达到80%甚至90%，从而更好地体现数据挖掘的价值。 从职业发展的角度来看，BAT是最适合数据挖掘的地方。 庞大的数据量、对技术的重视甚至崇拜以及成熟的应用场景，让数据挖掘工程师如鱼得水。 一个硕士学历的数据挖掘工程师，有1、2年的工作经验，在互联网行业轻松月薪25K以上。

最后，请关注我，我会好好照顾你的时间线的 *\( ^ v ^ )/*

有一篇关于数据相关岗位学术分析的文章，可以参考一下。

大数据岗位到底是学历重要还是工作经验重要？

关于数据相关职位的由来，你可以看看我另一个问题的答案。

对数据分析/挖掘工作感到困惑吗？ - 迪格舒的回答