孩子的笑
我是会计专业的大二学生，然后我们的下一届21届，会计专业就改名为大数据与会计了，其实目前我们会计专业和大数据与会计专业差别是不大的,而且大数据与会计这个专业很好。
我学会计俩年感觉会计专业很有难度的，大数据与会计也一样。从课程上来说，我们学习了基础会计，财务管理，财务会计，管理会计，成本会计，管理学基础，市场营销，会计电算化等一系列课程，基础是打的很扎实。现在都是电子做账了，所以我们学习了很多电脑实操，这个也是有一定难度。
从专业证书来看，在大学必须要考了初级会计。初级会计的通过率每年也就是个百分之20左右，我去年考过一次，差三分就过。难度来看还是很大的，毕竟我也是学了半年。然后就业背景上也是很可观的，毕竟会计的就业面很广，会计虽然多，但是精湛的人很少，所以推荐以后考注册会计师，难度特别大也特别吃香，考出来之后衣食无忧了吧。
总体来说大数据与会计有稍微的难度，但总体来说还是很好学的，会计基础打好就好学。
minozjessica
大数据分析工具介绍 前端展现 用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。 用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikVie、 Tableau 。国内的有BDP，国云数据（大数据魔镜），思迈特，FineBI等等。数据仓库 有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。数据集市 有QlikView、 Tableau 、Style Intelligence等等。大数据分析步骤 大数据分析的六个基本方面 1. Analytic Visualizations（可视化分析） 不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。2. Data Mining Algorithms（数据挖掘算法） 可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。3. Predictive Analytic Capabilities（预测性分析能力） 数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。4. Semantic Engines（语义引擎） 我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。 5.Data Quality and Master Data Management（数据质量和数据管理）数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。6.数据存储，数据仓库 数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。
我还是杰
具有数理统计，经济学，数据库原理以及相关知识；能熟练使用excel、spss、quanvert、sas等统计软件。工作能力： 严谨的逻辑思维能力、学习能力、言语表达能力、管理能力工作态度：积极主动、工作认真、工作严谨具体要求：1、根据数据分析方案进行数据分析，在既定时间内提交给市场研究人员；2、能进行较高级的数据统计分析；3、公司录入人员的管理和业绩考核；以及对编码人员的行业知识和问卷结构的培训；4、录入数据库的设立，数据的校验，数据库的逻辑查错，对部分问卷的核对；其他方面的要求：1. 持证上岗。2. 热爱本职工作，具有高度的责任心和忘我的工作精神，爱岗敬业，工作认真细致，能认真完成公司交给的各项工作任务。3. 要求掌握较深的业务知识和计算机应用知识，能用行业各种应用软件进行各种数据分析和综合数据处理，加工成有用的信息提供领导进行决策；能配合系统管理员进行计算机网络维护及管理。4. 负责本公司计算机信息网络数据的收集、传递（主要是上报）和管理工作，对各网点上报的数据和本机房传递的信息数据，要做好详细的“数据传递纪录”，对未按时间要求漏报和数据有误的网点要及时督促，每月将各经营站、点数据上报情况通报一次；负责各类数据的整理、汇总和分析处理工作，及时向本公司领导及有关部门上报信息数据，做好相关纪录；负责本公司网络信息数据的安全管理，及时做好各类数据及报表的备份工作，做好归档、保管工作，做好信息数据的保密工作，严禁向未授权单位、部门及个人提供各类信息数据；负责机房文件收发、归档和保管工作。5. 遵守特定的工作时间：必须等各网点数据传输完毕核对无误后才能下班。关于数据分析员：数据分析员是根据数据分析方案进行数据分析的人员，能进行较高级的数据统计分析，负责公司录入人员的管理和业绩考核，以及对编码人员的行业知识和问卷结构的培训，和录入数据库的设立，数据的校验，数据库的逻辑查错，对部分问卷的核对等职责。
上官雨莜
学什么?
数据分析要学的内容大致分为6个板块，分别是：
Excel
精通Excel分析工具，掌握Excel经典函数，准确快速地完成数据清洗,利用Excel数据透视及可视化，可以透过现象看本质。
MySQL
理解MySQL数据库相关概念及存储原理，掌握SQL基本的增、删、改、查等语法掌握数据库性能调优策略，熟练使用SQL进行数据清洗与数据规范化。
BI商业智能工具
了解商业智能的核心价值，精通FineReport、FineBI，快速挖掘数据价值，掌握行业场景应用。
Python
学习Python基本编程语言知识，了解Python程序的计算机运行原理，能够使用Python编程处理工作中的重复性工作。 掌握网络数据抓取技术，Python数据库应用开发，实现Python数据可视化操作，提高数据收集和数据分析能力。 掌握Python数据分析处理基础库，具有应用Python语言解决数据分析中实际问题能力。
数据分析思维与理论
掌握微积分、线性代数、概率论、参数估计、假设检验、方差分析等数理统计基础 掌握基本的数学、统计学知识，学习数据运营方法论、机器学习夯实基础，提升数据敏感性，建立数据思维和数据素养。
掌握如何撰写行业分析报告和数据分析项目流程，能够独立完成数据分析项目。 掌握常见的数据运营方法如AARRR、漏斗、ABTset、描述性统计分析、相关分析、指数系统搭建等，培养利用多种数据分析方法解决实际工作问题能力。
机器学习
掌握机器学习常用经典算法原理及sklearn代码的实现、机器学习算法的选取、调优及模型训练、神经网络的特点及原理，增加个人核心竞争力，拥有能够用相关数据挖掘算法为解决实际问题能力；奠定人工智能算法入门基础。
如何学?
至少花三个月掌握技术
“磨刀不误砍柴工”，要想从为“工人”，甚至熟悉工，也需要很多技能，因为怎么说数据分析师也是技术工种。我觉得至少你要花3个月时间来学习一些最基础的知识。
优质会计资格证问答知识库
