첫째, 수학 전공
속담에 "수리화를 잘 배우면 천하를 두루 돌아다니면 두렵지 않다" 는 말이 있다. 데이터 분석은 대량의 지저분한 데이터에서 숨겨진 법칙을 찾는 것에 불과하다. 수학은 종종 사람들이 더 논리적이고 데이터에 더 민감하게 생각하게 한다.
둘째, 통계학 전공
통계는 데이터 분석의 기본기로, 데이터 분석의 전 과정을 관통한다. 동시에, 시스템이 통계학을 배우면 데이터에 대한 이해와 분석 능력이 더욱 전문적이고 깊어질 것이다.
셋째, 컴퓨터 과학 기술 전공
데이터 분석은 많은 도구와 프로그래밍 언어에 노출됩니다. 컴퓨터 전공이라면 프로그래밍에 있어서 더 유리할 것이고, 도구를 사용할 때 더 빨리 시작할 수 있다. (존 F. 케네디, 컴퓨터명언)
넷째, 사회학 전공
경제적 관점에서 볼 때, 사람은 절약되고 이익의 극대화를 추구할 것이다. 하지만 사회학적 관점에서 보면 사회성을 가진 사람도 사회집단 심리의 영향을 받을 수 있다. 사회학적 배경을 가진 데이터 분석가는 시장 현상을 좀 더 합리적으로 설명할 수 있다.
다섯째, 마케팅 전공
데이터 분석가는 기업의 마케팅 결정을 지원해야 하며, 마케팅을 이해하는 데이터 분석가는 더 명확하고 넓은 생각을 가질 수 있습니다.
자동사 재무 관리 전공.
재무관리는 기업이 투자 프로젝트를 선택하는 기초이며, 재무상황을 평가하는 지표이며, 의사결정효과를 평가하는 척도이다. 재무 관리를 아는 데이터 분석가는 법칙을 더 정확하게 파악할 수 있다.
일곱째, 심리학 전공
인재는 기업의 안정적인 발전의 초석이고, 사용자는 기업의 부모이다. 기업이 시장 점유율을 높이려면 우선 인심 점유율을 높여야 한다. 따라서 심리학을 이해하는 데이터 분석가는 직원이나 사용자의 진실한 생각을 더 정확하게 감지할 수 있다.
따라서 수학, 통계, 컴퓨터 등 이공계 배경을 가진 사람들은 데이터 분석뿐만 아니라 다른 배경을 가진 사람들, 특히 문과생도 같은 기회를 가질 수 있다.
결국 선택은 능력보다 크고, 능력은 전공보다 크며, 흥미와 노력은 우리가 앞으로 얼마나 멀리 갈 수 있는지를 결정한다.
데이터 분석은 IT 산업이 아니므로 프로그래밍 언어를 너무 많이 익힐 필요가 없습니다. 데이터 분석은 실제 운영 및 비즈니스 능력에 더 중점을 두고 있으며, Python 및 PowerBI 와 같은 데이터 분석 도구는 비교적 쉽게 시작할 수 있습니다.
데이터 분석에 종사하면서 정말 개선해야 할 것은 논리적 사고력, 예리한 통찰력, 좋은 의사소통 표현력 ... 이들은 모두 배경에 의존하지 않고 노력을 통해 이뤄질 수 있다.