数据分析师的就业前景是广阔的。
1、人才缺口大，IT时代逐渐被DT时代取代，用理性的数据分析代人工的经验分析成为主流，数据分析人才的供给指数仅为0.05，属于高度稀缺。
2、入门相对简单数据分析是一门跨领域技术，不需要很强的理工科背景，反而那些有市场销售、金融、财务或零售业背景的人士，分析思路更加开阔。
3、薪资待遇高1-2年工作经验的大数据分析岗位的平均月薪可达到13k左右的水平。岗位的薪酬和经验正相关，越老越值钱。
4、行业适应性强几乎所有的行业都会应用到数据，数据分析师不仅仅可以在互联IT行业就业，也可以在银行、零售、医药业、制造业和交通传输等领域服务。
5、职业寿命长数据分析职业一旦掌握，可以在职场上收益长久，掌握这门新兴技术都会大有用武之地，受其他外部业务影响相对较小，职位相对稳定。
数据分析师需要学哪些课程
一：计算机科学
计算机科学与编程入门(使用Python)计算机系统工程：本课程涵盖有关计算机软件和硬件系统工程，控制复杂性的技术的主题;使用客户端-服务器设计，虚拟内存和线程的强大模块化;网络;并行活动的原子性和协调性;恢复和可靠性;隐私，安全性和加密;和计算机系统对社会的影响。算法简介：它涵盖了用于解决计算问题的常见算法，算法范例和数据结构。人工智能：本课程向学生介绍人工智能的基本知识表示，问题解决方法和学习方法。
二、数理统计
应用数学：面向计算机科学和工程的离散数学简介。
概率与统计简介(使用R编程)：本课程对应用中的概率和统计进行了基础介绍。主题包括：随机变量，概率分布，贝叶斯推断，假设检验，置信区间和线性回归。
线性代数(使用R编程或其他数学工具)：本课程涵盖矩阵理论和线性代数
统计/机器学习(使用R编程)：介绍数据分析的核心算法，例如线性和非线性回归的类型，分类技术，例如逻辑回归，朴素贝叶斯，SVM，决策树(香草决策树，随机森林，增强)，无监督学习方法(例如聚类，神经网络介绍)
高级机器学习(使用Python编程)：专为对人工智能有浓厚兴趣的学生而设，侧重于图像/文本处理的神经网络。
三、领域专长
理想情况下，这些应该基于工作兴趣/领域，以便每个学生都选择一个专门领域(例如，Web开发，移动应用程序开发，数据分析，营销分析，供应链，财务，制造等)。
数据分析专业课程这里的核心主题应该是：
数据收集和清理：这应该包括使用开源工具(例如Python / R)从网上抓取数据，连接到数据库等。此外，数据清理和ETL概念(例如重复数据删除，合并，丢失的数据估计技术也无法创建)分析数据集。
数据可视化和报告：使用SAS / SAP或R / Python等工具创建BI仪表板，通过可视化和数据
数据分析应用程序1/2：以业务为中心完成端到端数据分析项目。在最后几年中，应该重复两次该主题。它应该非常重要地包括连接到实际数据库和在生产中部署模型，而不仅仅是对静态数据集的临时数据分析。
高级数据计算：此处的学生应使用开源和专有工具(例如Hadoop / Spark，HANA或其他MPP数据库)创建具有大规模数据分析的项目
数据分析类岗位目前的就业形势是怎样的?
企业的数字化转型过程中缺少大量的数据分析人才，随着市场的发展和进步，对于数据分析类岗位的需求会越来越多。不同的公司对于数据分析的岗位需求：
第一类：互联网公司。
互联网公司的特征就是用户至上，我们要知道用户喜欢什么，他的需求是什么，所以在互联网公司中，对于数据的需求有三点 ①用户洞察 ②数据提取 ③实时数据分析所以在这里主要的工作内容可能包括：从MySQL数据库中提取数据，成为Excel数据透视表的高手以及生成最基本的数据可视化(如线和条形图)。偶尔分析一下A/ B测试的结果，这样的公司可以为你创造一个尝试新事物和扩大新技能的环境。需求职位：统计分析员、数据分析师等
第二类：BAT等数据平台企业。
大厂的特征就是我们就是数据，数据就是我们。所以他们的需求就是可以生产大数据驱动的产品和机器学习方向还有许多公司，他们的数据(或他们的数据分析平台)就是他们的产品。在这种情况下，数据分析或机器学习的任务就会非常繁重。能对一个有正式的数学，统计学或物理学背景并希望继续走一条更学术的道路的人来说是更理想的环境。这一类的公司可能是面向消费者的拥有海量数据的公司或者以提供数据为基础的服务的公司。数据平台类企业的需求职位：大数据工程师、数据分析师、数据挖掘工程师等
第三类：其他数据驱动的非数据公司。
这些公司是通过数据分析优化产品，提升产品竞争力，他们所需要的是数据处理、数据分析、数据可视化。很多公司都属于这一类，面试的公司关心数据，但可能不是一个数据公司。因此，进行数据分析，了解产品代码，将数据可视化等等，这些能力是同等重要的。一般来说，这些公司要么寻求通才，要么寻找一个能填补他们团队空缺的专才，比如数据可视化或机器学习方面的。
营业执照公示信息
