应用统计学四年，说说我从”算数”到”数据分析师”的转变
先说背景：某211高校应用统计学本科，现在在一家互联网公司做数据分析师。
说实话，当初选应用统计学是被”统计”两个字吸引的——听起来就是做数据分析的。进来之后才发现，这专业比我想象的有技术含量。
应用统计学是统计学的”实战”分支，聚焦于如何运用统计学和机器学习方法解决真实世界中的商业、金融、医疗、社会等问题。简单来说，就是”用数据驱动决策”的专业。
大一：数学基础+编程入门
大一上学期，数学分析、高等代数、程序设计基础（Python）。
数学分析和高等代数是统计的基础——微积分、线性代数、概率论……这些是理解统计方法的底层逻辑。
Python是必须要学的——数据处理、统计分析、机器学习，Python都能搞定。
我还开始学R语言了——统计学的”官方语言”，在学术界用得很多。
大一下学期，概率论、数理统计、统计学导论、数据结构与算法。
概率论和数理统计是核心中的核心——假设检验、置信区间、回归分析……这些是统计的根基。
我还开始关注数据驱动的案例了——互联网公司的A/B测试、金融行业的信用评分……
大二：统计方法+软件技能
大二上学期，回归分析、时间序列分析、统计软件（SPSS/Stata/R）、数据库原理。
回归分析是统计方法的核心——线性回归、逻辑回归、生存分析……
时间序列分析在金融和电商领域很重要——股票预测、销售预测、需求预测……
我还用SPSS和Stata做了很多课程项目——这两个软件在社会科学领域用得很多。
大二下学期，多元统计分析、抽样调查、实验设计、机器学习入门。
多元统计分析让我学会了处理高维数据——主成分分析、因子分析、聚类分析……
机器学习入门让我接触到了数据科学的前沿——监督学习、无监督学习、深度学习……
我还开始参加Kaggle比赛了——第一次用机器学习方法解决实际问题，那种感觉很酷。
大三：深入学习+项目实践
大三上学期，贝叶斯统计、非参数统计、大数据技术概论、数据可视化。
贝叶斯统计是现在很热的方向——与传统的频率统计不同，贝叶斯方法在机器学习和人工智能中应用广泛。
大数据技术让我学会了处理海量数据——Hadoop、Spark……
数据可视化让我学会了把分析结果讲清楚——Tableau、PowerBI……这些工具很有用。
大三下学期，准备毕设+思考未来。
我的毕设是关于一个用户流失预测模型——用逻辑回归和随机森林构建预测模型，评估模型效果。
大四：最后的冲刺+就业
大四上学期，参加招聘会+找工作。
最后我选择了一家互联网公司做数据分析师。工作内容是做用户数据分析、构建数据看板、支持业务决策。
说实话，干了几年下来，我觉得数据分析师真的是”用数据说话”的角色——业务问题转化为数据问题，然后用数据回答问题。
考研还是就业？
本科就业：互联网公司、金融机构、咨询公司——做数据分析师。
读研之后：高级数据分析师、数据科学家——做算法开发、数据挖掘。
应用统计人必须知道的竞赛
-
Kaggle比赛（★★★★★）：数据科学领域的顶级竞赛平台。
-
数学建模竞赛（★★★★☆）：美赛、国赛都能锻炼能力。
-
阿里天池比赛（★★★★☆）：国内的数据科学竞赛平台。
-
统计建模大赛（★★★★☆）：最对口的专业竞赛。
应用统计学毕业都能去哪？
互联网公司：这是我现在的方向。用户分析、产品分析、运营分析。
金融机构：银行、证券、保险——做风控模型、信用评分。
咨询公司：做市场研究、数据分析。
制药/CRO公司：做临床数据分析、生物统计。
政府统计局：做政府数据统计分析。
科研院所：继续深造，做学术研究。
该考什么证书？
-
CDA数据分析师证书：国内认可度较高的数据分析师证书。
-
BDA数据分析师证书：中国商业联合会颁发的证书。
-
AWS/Azure数据证书：云平台数据认证。
-
Python/R专项证书：Coursera等平台的专项课程证书。
最后说一句：应用统计学是一个”万金油”专业。几乎所有行业都需要数据分析人才，就业不难，但想拿高薪就得往机器学习和深度学习方向发展。数据科学家是现在的风口，薪资很可观。