为什么必须学习数据分析?

未来十年内 AI 可能会取代 50% 的工作岗位，但早 AI 一步取代你的，可能是邻桌懂数据分析的同事。你可能懂python也会excel，但你真的懂数据么？

在整个金融领域中，都离不开数据分析，比如：证券公司做行业研究和预测；基金公司分析师预测股票；财富管理公司分析理财产品的风险收益；投行或私募用数据来讲述一个个完美的故事。

SQL，是所有数据岗的核心竞争力
不管你是金融商科、数学、统计、CS或者经济系学生
掌握SQL，能大大提高Resume被筛选出来的概率
做过SQL Project，则能大大提高面试成功率

也是所有公司的数据部门基础装备
从金融到市场营销再到互联网科技公司
SQL从来都是数据部门和数据工作的必需装备
在这个年代，数据 is everything

单纯从数据分析的角度来看，大部分企业的要求都比较类似：

SQL数据库的基本操作，会基本的数据管理
会用Excel/SQL做基本的数据管理
会用脚本语言进行数据分析，Python or R
有获取外部数据的能力，如爬虫
会基本的数据可视化技能，能撰写数据报告
熟悉常用的数据挖掘算法：以回归分析为主

如上图，数据分析的流程，一般可以按“数据获取-数据存储与提取-数据预处理-数据建模与分析-数据可视化”这样的步骤来实施一个数据分析项目。

数据的获取一般是各种数据或者资料网站，其次，我们需要掌握SQL和Python的应用，一个能够查询、提取公司的数据，另一个则负责数据的清晰，剔除掉不干净的数据，如数据的重复、缺失、异常值等等。

随着信息时代的高速发展，金融业的各类数据逐渐变得十分廉价，新数据获取渠道也更为方便，但相比过去只需掌握基本数据分析能力，如从 Excel 中抓取信息进行展现。

如今的金融从业人员，更需要依靠自己的技术和更专业的工具来进行数据收集与清洗、从杂乱无章的大量数据中提炼出可以解释现象的结论，以及建立可靠的预测模型。只有那些能从每天成千上万的数据中洞察未来商机和金钱的能力的人，才能在未来有竞争力。