1樓：mengyuancf
資料分析的基礎是要具備一定的數學、統計統籌的知識，當然你可定具備了，另外需要掌握一些必備的工具軟體的使用（如R、Python、excel、資料可基礎等），也就是你說的程式設計那一塊，這個在資料分析領域是屬於基礎知識的，只要你懂些即可，最關鍵的確實是你說的偏理論的東西，如演算法、資料建模、分析方法、思維方式等，高階的資料分析師是輔助公司進行決策管理的，對技術要求相對較低，但是對分析能力要求比較高，只懂技術的分析師是屬於低端的分析師，都考上研究生了相信自己吧，這個專業還是很有前途的，尤其是現在企業都在由經驗決策轉向資料驅動管理的決策轉變，這個行業會越來越吃香。
2樓：吳銀
目前來說大資料、資料探勘是被吹上風口的豬。行業入門門檻比較高，學習曲線陡峭。比如大資料，學習大資料需要有數學知識、行業知識、以及程式設計技能和一些基本的網路知識。
另外一般做大資料都要懂點架構，為什麼說需要懂點架構呢？因為現在的大資料生態體系軟體眾多各有優劣因此需要在合適的場景選擇合適的軟體搭建符合自己需求的架構，比如在實時資料處理方面需要選擇能夠處理流資料的Spark Streaming等這類高實時性的處理軟體，如果在處理實時資料時選擇了擅長處理離線資料的Hadoop體系那處理起來相對吃力。這就是為什麼需要懂點架構。
因此大資料是乙個很有錢途的行業但是入門門檻高。
資料探勘更多的偏向演算法，資料分析資料探勘從業者在一定時間後更多的選擇轉向做底層演算法研究或者深耕行業底層做行業高階顧問。
3樓：CICI Lau
作為統計學專業研究生談談自己一點小小的見解。大資料分析相關工作涉及很多方面，比如你導師說的演算法研究，還有視覺化，資料庫，以及分布式平台等等。但即使是演算法研究也離不開程式設計作為基礎，畢竟演算法研究乙個很重要的目標也是優化計算。
如果本科不是機器學習相關專業，兩年研究生時間想成為大資料分析全能人才很困難，題主最好能找到興趣點從那裡切入，工作後再根據需要拓展。
4樓：Livc
我要是跟你說現在全矽谷基本上每乙個超過50人的IT公司都有專門的data science團隊你信嗎？然後你相信這陣風很快就會吹遍全球嗎（其實中國也已經很多了）
人類在2023年generate的data比所有歷史紀錄加起來都多，當然2015會超過2014。
Go for it and good luck!
5樓：
可以很實話的告訴你，這絕對是乙個很有錢途的職業，現在很缺少這方面的人。乙個隨便搞大資料的月薪沒有超過一萬都不好意思說出口。二三線的網際網路公司或者cd輪的公司，只有你有實力，基本都是年薪二三十萬起的，不要說bat這個等級了。
如果要加入這個行業的話，理論肯定是不能少的，這是你進公司忽悠用的，實際過程中演算法沒有想象中那麼重要，基本大部分工作都是在做特徵工程。有機會的話，做好是能夠接觸實際專案，理論實踐兩手抓
6樓：
人們說到大資料，很多時候說的都不是乙個東西。A也說大資料，B也說大資料，但很可能他們兩完全沒在說乙個話題。大資料本身是乙個很浮誇的詞，牽強附會的人很多，真正能跟其扯上關係的有分析和系統架構兩方面，而我認為真正驅動大資料的是系統架構，對於程式設計當然有很高的要求。
當然並不是分析就不重要，分析同樣很重要，但是大規模資料的分析，必然要和系統產生密切關係。乙個不懂程式設計的資料分析師，給他乙個大規模的資料，他連中位數都算不出
資料分析 資料探勘與機器學習之間有什麼聯絡？
天堂之拳 看林軒田的機器學習基石。沒記錯的話第一周課就有講。資料分析，資料探勘，機器學習在研究上有一部分是重疊的，但側重點不同。舉乙個例子，資料探勘裡面，流資料是乙個很大的關注點，但在機器學習裡面研究的就相對較少。同理，資料探勘對統計學習理論也沒有機器學習關注的多。你再看資料探勘的教材，一般都有一章...
請問做資料分析和資料探勘用那種語言較好？
Trevor 工具是為了幫你更高效的解決問題，技術是為業務服務的，所以建議你應該先熟悉你所在行業的業務背景，看看經常遇到的是什麼問題，建立一套解決問題的思路，然後運用工具去幫助你解決問題。那麼提到工具，excel 肯定是最基本，然後就是sql，不管是關係型資料庫或者大資料平台，都可以根據需求去取數，...
資料分析如何轉資料探勘？
位元組Funk飛 資料分析如何轉資料探勘？雖然這二者都是直接根據接觸的職業，但是對於資料的處理和跟資料的關係還是有著很大的去唄的，資料分析師針對已有的資料進行不同的模型構建然後分析，將有價值的東西提取出來，但是資料探勘呢，只是單純的資料探勘，是一種資料收集和提取的過程 我之前也是資料分析，感覺沒什麼...