我国财务软件行业一个很大的优勢是具有软件人才的潜力高校近几年来每年都培养出大量的软件人才，必将成为推动软件业的中流砥柱

我国财务软件行业一个很大的優势是具有软件人才的潜力，高校近几年来每年都培养出大量的软件人才必将成为推动软件业的中流砥柱。统计数据显示近几年来我國的软件从业人员在不断的膨胀。一些海外留学生归国创办软件企业的比比皆是留学生在国外学习期间建立起接近国外市场和技术前沿嘚社会关系网络，回国创业后可以利用这一网络打人国际市场并将先进的技术和管理经验带回国内。在未来几年中他们将对我国软件產业发展产生更大的影响。所以财务软件业一定要抓住机会培养人才，留住人才重用人才。

财务软件是指专门用于完成会计工作的计算机应用软件财务软件主要立足于企业财务帐目，企业资金帐户企业收支状况等方面的管理，用途明确使用很简单。财务软件它以圖形化的管理界面提问式的操作导航，打破了传统财务软件文字加数字的繁琐模式随着市场经济的发展，信息时代的到来企业竞争加剧，企业生存的外部环境发生了变化这种变比要求企业对市场的反应更及时、更准确。为了及时与市场沟通企业越来越需要管理信息，这已成为企业成败的关键财务软件系统的开发和应用正符合了这一趋势的发展，它对实现财务管理信息化、提高财务管理质量、提升财务管理水平产生重要的影响

财务软件与进销存软件是比较常见的企业管理软件，财务软件主要立足于企业财务帐目企业资金帐户，企业收支状况等方面的管理用途明确，使用很简单财务软件它以图形化的管理界面，提问式的操作导航打破了传统财务软件文字加数字的繁琐模式。

历经多年的发展我国财务管理软件已经形成了相当规模的产业。在我国的软件行业发展中财务管理软件始终扮演著举足轻重的地位，在我国软件的市场销售中财务管理软件销售总额始终位列前茅。现阶段我国财务软件的应用领域主要集中在政府、制造业、流通行业及国有资本把控的金融、能源等行业。

近几年来中国财务及企业管理软件的市场规模呈逐年快速递增状态。由于服務产业的应用需求和跨行业的应用需求企业应用软件市场是未来一段时间增长最快的市场。随着中国企业信息化的加速、效益的突显軟件市场将实现迅速增长。目前有相当的国有企业、事业单位等使用了计算机代替手工记账，而国有企业在中国国民经济中占主导地位所以仅国有企业、事业单位就为中国的财务软件提供了巨大的市场。中国财务及企业管理软件市场经过多年发展整个市场已经从刚开始的好汉纷争，走到了诸侯割据的状态进入了全国性品牌一同天下的市场格局。目前主要集中在用友、金蝶和安易三大品牌上，其中用友发展迅猛。因此财务软件应积极对应，抓住机遇迎接挑战，寻求和扩展发展空间这是企业规模优势和品牌修饰在市场竞争中嘚反映，也说明整个市场更加成熟

中国目前还是一个发展中国家,随着经济的发展,我们的财务管理水平将会越来越高。这也需要我们的财務软件要跟得上形势,要不断发展财务软件虽然是一个“古老”的软件领域,但它还是有无穷的生命力。无论从技术层面上还是从业务层面仩它都在不停地发展财务软件在未来相当长一段时期内，仍将有较大的市场空间

研究咨询报告由中研普华咨询公司领衔撰写，在大量周密的市场调研基础上主要依据了国家工商行政管理总局、国家商务部、国家统计局、国务院发展研究中心、中国软件行业协会、中国信息协会、中国行业研究网等公布和提供的大量资料，对中国的财务软件行业进行了全面的分析首先介绍了国内外财务软件行业的发展概况、财务软件的发展环境、财务软件的市场状况，并且对财务软件的营销策略进行了介绍最后对财务软件行业国内知名企业运营状况進行了分析，并对未来财务软件发展前景和投资机会进行预测本报告是财务软件开发、销售企业、投资机构等准确、全面、迅速了解目湔行业发展动向，把握企业战略发展定位不可或缺的重要决策依据

欲了解关于具体详情可以点击查看中研普华研究报告《》

中研网 发现資讯的价值 研究院 掌握产业最新情报        中研网是中国领先的综合经济门户，聚焦产业、科技、创新等研究领域致力于为中高端人士提供最具权威性的产业资讯。每天对全球产业经济新闻进行及时追踪报道并对热点行业专题探讨及深入评析。以独到的专业视角全力打造中國权威的经济研究、决策支持平台！ 广告、内容合作请点这里

【版权及免责声明】凡注明"转载来源"的作品，均转载自其它媒体转载目的茬于传递更多的信息，并不代表本网赞同其观点和对其真实性负责中研网倡导尊重与保护知识产权，如发现本站文章存在内容、版权或其它问题烦请联系。 联系方式：、8我们将及时沟通与处理。

导读：在大数据崛起的时代数據分析师这个职业将会越来越受到大家的青睐。数据分析师的职业现状和发展如何数据分析师有哪些专业要求？在工作中到底需要做什麼这些都是想走进数据分析这个行业的童鞋们的疑问，数据观小编整理了一些数据分析行业前辈们的分享内容供大家参考。

　　数据汾析师有哪些专业要求

　　数据分析师的职业现状和发展

　　前不久看到这样一条新闻“未来广告是否有效的关键是数据分析”不只是廣告营销，越来越多的行业看重数据分析这一领域在信息爆炸的今天，一个优秀的数据分析师可以帮助企业根据现有数据做出科学、合悝的分析在前行中准确定位，为企业排除干扰那么今天主页君就给大家介绍一下数据分析师的职业现状和发展吧。

　　越来越多的企業将选择拥有项目数据分析师资质的专业人士为他们的项目做出科学、合理的分析以便正确决策项目；越来越多的风险投资机构把项目數据分析师所出具的项目数据分析报告作为其判断项目是否可行及是否值得投资的重要依据；越来越多的企业把项目数据分析师课程作为其中高管理层及决策层培训计划的重要内容；越来越多的有志之士把项目数据分析师培训内容作为其职业生涯发展中必备的知识体系，数據分析这个职业应运而生毫不夸张的说，数据分析师带给企业的不仅仅是一个个数据报告更是一桶桶黄金，一片片亟待探索的蓝海

　　数据分析师分布在不同行业中，专门从事行业数据搜集、整理、分析并依据数据做出行业研究、评估和预测。数据分析师需要敏锐嘚数字洞察力因此，统计、会计、保险、工程经济、金融、数学、计算机等专业的同学对这个行业有明显优势但其他行业的同学如果對这个职业感兴趣，通过日常学习掌握一些统计必备技能，亦可以从事此类工作

　　【主要工作领域及岗位】

　　1、从事投资项目审核审批和招商引资、项目评估、投资决策等工作的政府机构、企业的相关领导以及从业人员。

　　2、在银行或非银行金融机构、投资管理公司、投资管理顾问公司从事风险投资、产业投资、信贷和投资管理等方面工作的专业从业人员

　　3、会计师事务所、资产评估事务所忣税务师事务所、律师相关专业人员。

　　4、学习财务、统计、投资、金融和企业管理等相关专业的在校应届学生

　　5、在企事业单位從事市场调查与宣传工作的人士以及具有策划与决策工作职能要求的人士。

　　6、在不同领域尝试创业以及在投资、金融、资本运营、房哋产和企业管理领域发展的各界人士

　　数据分析是为了解决问题而去分析，不是单纯为分析而分析数据分析是有目的性的。比如：┅季度ABC产品的销售情况是按月份为横坐标建立各部门的图表；各产品线ABC在一季度的销售情况，是按部门为横坐标建立对应的图表

　　2、针对不同人群提供不同的结论报告

　　数据分析要有结论报告，不同的人群报告的侧重点不同比如管理层，看的是趋势和异常点；营銷人员看的是ROI产出比率和高用户质量的导入情况；业务人员看的是产品对用户的活跃度等

　　3、掌握数据分析工具

　　如果是互联网数據分析，可以从googleGA入门EXCEL辅助，了解数据分析的基本算法至于SAS,SPSS这些高级工具不一定需要。

　　4、不同时期要有不同的KPI

　　不断的调整目标囷发现问题是数据分析精细化的必经过程

　　例如：腾讯的数据分析关键指标集不断调整，从2007年的关注会员基数到现在的会员活跃度、用户体验度、性能度等等。建立对应的模型帮助产品和项目的同事更好的了解用户。

　　数据分析师存在于很多行业一般在传统行業中工资较为固定，薪资范围在之间在互联网行业中数据分析师的薪资幅度较大，在比较知名的互联网行业和大型保险公司中优秀的數据分析师月薪数万不成问题。

　　目前全国的数据分析行业的认证有项目数据分析师

　　项目数据分析师（CERTIFIED PROJECTS DATA ANALYST）简称：CPDA，是专业从事投資项目财务数据分析的高级决策人通过掌握的大量行业数据以及科学的计算工具为投资机构做出正确的项目投资决策。

　　CPDA由中国商业聯合会数据分析专业委员会国家工信部颁发的项目数据分析师职业技术证书。

　　据统计数据表明在今后的五年内，我国将需要6万名歭有项目数据分析师证书的项目分析专业人才政府经济部门、金融机构、投资公司以及企业对项目数据分析师的需求正在与日俱增。注冊项目数据分析师（CPDA）职业的年薪会迅速提升到20万以上

　　项目数据分析师的报考要求其中一项是有一年以上工作经验，不建议在校学苼报考此专业证书

　　在互联网时代，与传统的数据分析师相比互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破例如，结合传统的消费心理学理论构建丰富的互联网信息消费行为模型。

　　就行业而言数据分析师的价徝与此类似。就新闻出版行业而言无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势都是媒体成败的关鍵。数据分析师在这方面大有可为（来源：信华教育）

　　数据分析师有哪些专业要求？

　　想做数据分析师的童鞋们有木有发现这個岗位是有专业要求的？中枪的专业常有哪些呢“统计学”或“心理学”或“社会学”或“人口学”或“营销学”或“财务管理”或……

　　为什么会要求这些专业呢？它们和数据分析工作有什么关系呢

　　这里与大家聊一聊我的理解。

　　统计学贯穿数据分析的全过程没有统计学基础，很难有专业的数据分析数据分析的各个步骤，都要用到统计学的知识

　　数据采集时，如何抽样做多大的样夲？接受多大的抽样误差要用到统计学；

　　问卷设计时，问卷的信度是否符合要求效度有多大？要用到统计学；

　　数据处理时頻数怎么求？交叉表怎么做统计图怎么划？要用到统计学；

　　数据分析时如何验证？如何探索如何预测？也要用到统计学

　　鈳以说，数据分析是统计学的应用掌握统计学是数据分析师的基本功。

　　企业要提高市场占有率就是要提高人心占有率，因此数据汾析师研究用户心理的工作必不可少数据分析师若懂得心理学，则能更准确的探测到用户的真实想法

　　例如，在做品牌形象分析时常会用到的是映射法，映射法就是基于心理学的数据采集方法比如，让你对某所别墅进行描述很难说得清，但如果让你选择图片伱对图片的认识就映射了你对这所别墅的印象。比如你选择了劳斯莱斯车，很明显你认为这所别墅的形象是高端的。

　　从经济学的角度看人具有经济性，追求利益最大化比如人们总是喜欢买物美价廉的产品，消费量通常会随着价格的下降而上升但从社会学的角喥看，人还具有社会性受到社会群体心理的影响。作为数据分析师如果没有社会学背景，很难对市场现象做出合理的解释

　　比如，人们喜欢买物美价廉的东西为什么人们还会为品牌多花钱？人的消费随着价格的下降而上升为什么房价下降则观望成风，房价上升則抢购一空正是由于人的社会性的存在，使得市场问题复杂化有时甚至是非理性的，只有掌握了社会学的常识数据分析师才能有更铨面合理的思考。

　　人的特点影响市场的特点年龄不同，家庭类型不同则需求、价值观和行为特征都不一样。比如儿童主要以生悝需求为主，没有太多的社会需求；青少年开始追求时尚和潮流但不是高收入人群，购买的频率高但可接受价格很低；人到中年消费荇为趋于理性化，强调功能、成本和技术优势；而到了老年对价格比较敏感。

　　有人口学知识数据分析师可以更好地理解到用户的差异性，有助于选择市场细分的维度提出合理的精细化营销建议。

　　数据分析师常要为企业的营销决策提供支持这就要求懂营销。

　　具有营销背景的数据分析师思路会更清晰、更开阔当让他做竞争分析时，他会想到波特五个力；让他做环境分析时他会想到PEST、让怹做消费者偏好分析，他会想到科特勒用户决策流程；让他做企业业务状况分析他会想到4P……

　　净利润有多少，利润增长率是否达到預计水平

　　资产负债率有多高，是否存在潜在的偿债风险

　　流动比率、速动比率有多大，资金运转效率高不高

　　诸如此类的財务管理问题是企业选择投资项目的依据、评价财务状况的指标、评估决策效果的量尺。懂得财务管理得失一笔账，才能算得更清楚”

　　因此，数据分析工作是多门专业在企业决策中的综合应用依靠某一门相关专业，可以敲开数据分析师的职业之门但要成为优秀嘚数据分析师，则需要长期的学习和积淀做到多门专业的融会贯通。（作者：数据小宇军）

　　成为数据分析师需要学习哪些知识

　　下面是根据我们的学习经验排出来的学习先后顺序，仅供参考大家可根据个人情况，自行跳过或调整

　　1.Excel视频教程，Excel基础教程（详細）Excel技巧教程，Excel在数据分析方面的应用

　　2.SQL基础教程，PPT教材

　　3.数据分析数据挖掘教材

　　6.数据仓库/BI系统

　　给数据分析师的几点建议

　　几点想法，分享给刚入门的数据分析师也跟经验丰富的数据分析师做下探讨。

　　1.数据是有立场的立场决定解读

　　数据对於业务来讲，是KPI的衡量标杆也是行动指南。但一旦涉及到立场和方向性的东西必然有利益触发点的问题。比如同样的一次活动的网站轉化率是1.2%是好还是坏？这是做数据分析第一步要进行的定位也就是我们所说的下结论。好坏的区分在于比较如何比较呢？我们知道仳较分析方法有环比、占比、定基比、横向比、纵向比等其中如环比可以比较昨日、上周今日、上月今日等，不同的时间对比出的结果┅定有差异甚至是迥然不同的结果。那面对这种情况除了分析师的经验以外，在都符合统计学规律的前提下该如何判断活动效果好坏

　　第一步结果总算出来了。

　　那么假设结果是好的（先不管对比的是什么时间）那确实是好的吗？我们知道做活动效果肯定会好啊尤其在中国，只要价格低无论多么差的用户体验，无论网站UI多么垃圾无论送货多么慢，订单转化率一定会起来这就意味着，无論你的营销、运营做的怎样（只要不是特别特别差）各个渠道、各个节点转化率都会上来。这时候你会怎样分析？其中有多少是归于渠道或运营本身的优化因素而有多少是归于活动影响？

　　假设我们能找出其中归于活动本身或渠道、运营本身的影响因素结果出来後可能是——刨去活动影响，渠道、运营做的转化率其实变化不大（事实上通常是这样的但我们不能否认他们的功劳，毕竟没有流量、沒有运营网站无法正常运行），工作效果不明显啊你会怎样？直接告诉你的同事他们的工作没效果可能你不会那样做，那此时你该洳何取舍尽职尽责做好一个数据的本职工作还是考虑下其他因素？怎么做才能既让数据价值最大化又能不打击同事的工作积极性

　　2.數据质量永远是数据分析立项后首先要考虑的

　　做过大型数据分析的同学刚开始或多或少有这样的经历，拿到数据后经过分析发现了一個异常分析点做了N多预处理、N多牛叉的模型，N多分析和多维钻取最后把报告呈现出来，跟业务沟通的时候业务只说了一句话“哦，那个异常数据啊那是我们的测试数据”，然后我们会不会疯掉

　　为什么会出现这种问题，因为拿到数据后没有进行一步必要的步骤——数据质量验证什么是数据质量验证？我理解的是首先要理解数据来源、数据统计和收集逻辑、数据入库处理逻辑；其次是理解数据茬数据仓库中是如何存放的字段类型、小数点位数、取值范围，规则约束如何定义的；第三是明确数据的取数逻辑尤其是从数据仓库Φ如何用SQL取数的，其中特别是对数据有没有经过转换和重新定义；第四是拿到数据后必须要有数据审查的过程包括数据有效性验证、取徝范围、空值和异常值处理等。

　　当这些工作都做充足之后才是数据分析但可惜的是大多数数据分析师都不关注数据质量问题，甚至對数据的理解仅限于表现定义当然做足了底层的工作，你会发现做起数据来事半功倍并且你的结论和推到是经得起验证和考究的。

　　3.缺乏落地的数据没价值除非是市场分析

　　数据的价格在于对业务的驱动，不管你的业务对象是你的BOSS还是同事很多情况下，我们的數据分析师是这样工作的：一天到晚闷头做事出数据写报告。结果出来的数据结论和建议会有这么几种情况：

　　分析过程明显不符合業务操作实际；结论明显是错的；建议方向性很对但是空洞，具体执行缺乏落地点；建议方向性很明确也有具体执行建议，但是业务鈈能执行；上面的问题中第一二条会偶尔发生，第三四条会经常发生为什么？从数据的角度来讲没问题但是落实到业务实际上有问題。问题出现哪主要是这几方面：数据分析师根本不懂业务操作流程，凭自己的理解去猜测业务流程；数据分析师根本不知道现在业务嘚困难点在哪哪些是目前最紧急的，凭自己的感觉认为“我觉得这些对他们最最有用”；数据分析师根本不知道业务能控制哪些不能控制哪些，即使能控制又是否业务有必要去做导致建议不是该业务部门能执行的。4.数据解读能力和业务应用能力永远大于工具应用能力不要迷信算法和模型

　　受至于数据的普遍理论影响，很多数据分析师会认为会多少个模型多少种算法是一件多么牛叉的事情，诚然数据尤其在面对海量数据时，普通的数据分析方法常常感觉无能为力但这并不意味着工具和方法就决定了数据分析师的层次。举例来說通常我们用的数据挖掘模型，业务都很难理解假如你花很长时间作出一个关联模型，如果你这样告诉你的业务受众：A商品和B商品关聯程度较高从支持度，置信度和提升度来讲效果显著那我们可以预想到这个挖掘的结果很难落地，并且意义不大从业务受众实际应鼡层面来讲，两个商品关联度高意味着什么意味着用户通常会一起购买这两件商品（也有可能是复购，具体看数据选取规则）那一起購买又怎样？我们是否可以把这两件商品做打包促销是否可以做关联推荐？是否可以做个性化营销是否可以引导用户消费倾向？甚至茬活动页面设计上是否可以将相关度高的品类，品牌摆放在一起来促进销售又或者这是否可以做流失挽回的参照指标，重新审视之前烸次的广告＂通发＂这才是数据价值，无法跟业务结合的数据模型毫无价值

　　4.业务需求是数据分析的起点，但之前你需要培养业务嘚数据意识

　　很多时候我们希望等待我们的业务自己上门提需求并且以需求为数据分析的起点，似乎很多教材也是这么说的基于业務需求的数据分析目的更明确，分析结论和效果落地也会阻力更小但实际情况是业务通常是数据不敏感的，主要表现在：

　　业务没有數据决策的意识大多数业务的第一行动引导因素还是业务经验，无论是基于事实的经验还是拍脑袋决策数据绝对不是行动前必须参考嘚因素；业务不知道数据在哪些方面能帮到他。业务很多时候只是有个想法想让数据证明点什么，但说不清楚通常业务的措辞是“我們想知道这次活动的效果怎么样”、“我们想了解广告效果为什么不好”。至于具体效果指的是什么业务自己也说不清楚甚至是业务自巳也不知道到底想要什么。

　　业务不相信数据如果数据结果出来时和业务设想的不同，那业务的第一反应是怀疑数据无论是数据的絀处、分析过程还是结论，业务总想找到能证明自己观点对的东西所以我们会感觉，业务用数据的目的只是为了证明自己当初设想的正確性作为数据分析师，我们不能要求业务必须要懂数据、理解数据但是我们需要把数据能解决什么问题，怎么解决的解决之后会给業务带来哪些改进以及效果上的优化，如果能预测出一个具体数值或最起码有一个范围业务会更加相信数据的真实性、准确性。如果培養业务的数据意识

　　数据意识是一个不断积累的过程，需要每周至少2~3次专项沟通每次沟通至少持续半个小时，大概半年之后业务会形成一定的数据意识最起码意识到在某些时候，数据会解决一些问题；每次沟通时明确告诉业务数据能给他们带来哪些好处，能实现什么在哪些主要业务点上能发挥作用，这样业务会认为数据会是一个能帮到自己的东西；数据不只是在业务执行之后才会发生作用的茬业务执行前的预测与计划，在业务执行过程中及时预警与恶意数据监控都是数据能发挥作用的场合并且这些都能在“坏数据”、“坏結果”出来之前通过数据区去改善，这些将比结果出来后再去分析要更有意义作为数据分析师，需要不断提高自身能力能力包括业务悝解能力和数据分析能力，既能把业务“粗糙的要求”转换成数据需求又能将数据结果转化成业务可理解、可执行、有时间限制、能验證结果的数据输出。

　　我相信数据是一门艺术良好的数据能力可以处处在业务中展现能力，并且确实可以提高业务价值这是数据存茬根本，也是数据分析师立足的根本

　　本文为中国大数据产业观察网综合 网址：