米乐m6（中国）官方网站

　　最近高考结束开始填报志愿，知乎上很多问某个学校、某个专业怎么样的问题。本科嘛，绝大多数人只上过一个学校，因此没有什么横向比较的经验，专业嘛毕竟是自己亲身经历，本科和读研都是信息管理专业，所以我就结合自己的经历来说说这个专业吧。

　　我是2010年读的信息管理，本科的方向就是商务智能。那个时候大数据还没那么热，2016年毕业到现在基本上从业也有6年的样子，陆陆续续也呆过几个行业和公司，算是比较了解专业的学习内容和就业方向。现在随着大数据的升温，很多学校也开设了大数据类、数据科学类的专业。当年大数据概念还没有那么火热，和当年的信息管理专业基本上是一个专业。

　　这个文章只是我个人对专业的一点看法，并不全面，只求真实。所以是个人观点，切勿全信，如果和你的认知有不同，那么可能是我错了~

　　学一个专业，可以学的不好，也可以不喜欢，但是你首先要明白这个专业是为什么存在的，这是根本问题。

　　这里的“信息“、”管理“是广义上的信息、管理。信息在大数据时代到来之后，内涵和外延都得到了极大的扩充。原来的信息就是表格，名单，档案等纸质材料以及电子档案。但是现在，大数据的内容多种多样。图像信息、自然语言信息、数据信息，来自于移动、PC端的用户行为可以做用户画像，要数据挖掘整理；来自汽车的信息可以做自动驾驶，及时避障；来自各种网站的新闻数据可以做热点预测、舆情监控、甚至是预测；来自企业ERP等系统的数据可以做企业数据挖掘，提升内部管理效率和员工满意度；来自用户的反馈可以做商业预测、投票预测等等等等……当“信息”来源的广度和深度都无限扩展之后，对于信息的“管理”越来越需要专业的能力和人才。“管理”在以前只需要复印一个表，简单加减乘除，现在需要高效准确的提取出想要的信息，并且经过准确的加工，做成简单明白的可视化项目呈现出来。所以你看到那么多业务大图，饼图、柱状图、地图上增加各种颜色、大小等等等等，背后都是复杂的数据加工和处理技术。

　　所以简单而言，信息管理这个学科自古就有。只是以前信息太单一了，不太需要管理，你只需要把表格整理好，然后最多把多张表格汇总一下。通俗的说，拿教育学生举例，以前是把学生各科成绩加总算个总分然后降序排列算个排名完成任务了。现在呢，你可以获取学生的行为数据，错题数据，答题数据来有针对性的分析为什么有的学生学习差，如何自动化有针对性的对学生的错题和知识盲区进行辅导？这是强大的数据驱动，是当下和以前本质的区别，也是对信息管理人才需求的本质。

　　技能其实不重要，但是要入门。大家都想做一个表格，在没有电脑的时代，凭手绘可能熟练地人一周做好了，不熟练的人也就2周就做好了。虽然有差距但是差距不大。但是随着电脑的普及，数据的不断复杂，可能一个技能过硬的人1分钟处理好的数据，一个技能不够好的菜鸟需要几周的时间。不管是在职场还是学界都是非常致命的存在。所以，技术可以不是非常精深，但是一定要入门，达到一个中级的水平。就像唱歌，不需要唱到天王天后的级别，但是想学作为一个从业者，至少音准、节奏、气息等基本要求要非常过硬。技术也是一样，不要求做到特别精深，那是CS同学的事情，但是在整体的数据处理全流程要特别清楚基本逻辑和基本操作。

　　基本上你想到的数据处理方法，都能用计算机代码或者其他操作自动化的去完成，这是最基本的要求。

　　大学基本上没有课程是专门叫“逻辑思维”的。但是有一类课程却特别需要这类严密的逻辑思维，所以我个人统一归类到这个课程里面了。

　　而且每门课程在不同大学即使是相同的教材和讲授内容，名字也可能有很大出入，大概来说类似于商业分析、商务汇报、数据可视化、商业案例等数据分析类课程。这类课程里面很少涉及数据分析的技术，但是会让你实操或者学习历史上经典的分析方法和分析案例。包括运筹学、博弈论等数学、经济学学科，其实也是在逻辑思维类课程里面的，学习了这米乐M6 M6米乐些课程，你知道什么是囚徒困境，知道什么是动态博弈，知道一点心理学，知道幸存者偏差、知道辛普森悖论，知道了种种这些东西之后，你会建立自己的分析框架，会明白你的分析不仅是表象，表象之下的深层原因可能和表象恰恰相反。通过经典的案例，触类旁通建立自己的分析框架，透过现象看本质，是这类课程的根本目的。

　　这类课程其实和数据分析没有太大的关系，但是很多学校开设这类课程。经济类课程诸如宏观经济学、微观经济学、货币学等等。这类课程是让你明白经济运行的基本规律。本质上和第二部分商业分析类课程提供更多的理论支持。比如预测业务会有所提升，不仅要根据客户的反映，也要考虑宏观经济的运行方式，你要有理论支持。央行降息有利于企业发展，同时人民币贬值有利于出口等等等等……

　　有了基本的经济世界运行规律，在作出商业分析的时候，既有企业的基本情况，又有宏观视野，才是最好的信息管理视野。

　　这是这个专业最硬，也最容易作出壁垒的方面。要在这方面作出自己的特点，一定要不断的思考和沉淀。看别人优秀的算法论文，学习别人的分析思路，并且不断尝试用代码复现或者至少是复用优秀的算法来分析问题。要子啊这方面做的好，一定要多看论文，了解学界的前沿在哪里。同时还可以多参加建模竞赛，多和大神交流，学习别人的先进技术和经验。同时，这个方面要始终保持先进，就需要在日后的学习和工作中也不断沉淀，有些东西是书本上学不到的，有些坑是必须要踩的，但是有些人勇于尝试，踩完了能记住并且不二过，有些人连尝试的勇气都没有，或者做完了就忘记了，这也是拉开差距的一个方式。

　　这个专业本质上需要数据技术和算法的学习能力和应用能力，不太需要开发能力，这一点要特别说明的。当然，可以自己开发算法或者独立把paper算法实现，自然是很好的加分项。

　　换句话说，讲故事的能力不在于能不能讲的美，而是在于能不能讲的高效。高效的意思就是“干货”，既有用而且篇幅少。

　　这是一个软实力，越是软实力越不容易立刻显现，不容易被别人看到，需要长久以来的工作才能被看到。信息管理类的工作难免会有作报告、讲报告的时刻。如何把你手头上的信息整理成一个有头有尾有逻辑的故事，既不夸张失实，又能让听者饶有兴趣的听下去并且显而易见的明白你的结论和洞察，看到你的亮点，其实是非常困难的。同样一份数据和目标，有的人做就毫无亮点，昏昏欲睡；有的人讲起来就让人如沐春风个、逻辑井然。表达力、思考力、表现力的结合至关重要，既不能用力过猛，也不能虚浮无力，挺难得，我也没做好，共同提高。

　　互联网。互联网这两年逐渐降温，客观上为应届生就业提供了便利。但是互联网升温太久了，所以即使稍有降温，如果是本科学历，那一定是有极其过硬的实习或者学术经历，加之学校背景好，那么基本上互联网大厂才有希望。如果是二三线互联网，一半学校的硕士或者优秀的本科也是有机会的。互联网企业中，做一切跟数据分析相关的岗位都是适合的。这里的互联网，可以使互联网电商，也可以使内容平台，也可以是支付平台，也有可能是互联网等等。因为是本科，我知道目前大学教育本科所讲述的课程都是大通识+小专业的模式。基本上本科的学习经历不会局限在某一个点上。所以本科重在培养思维能力和学习能力。进入工作中，脱颖而出的是你在本科构建的知识体系上，快速补充新知识并且成体系输出的能力。而且，互联网本质上是一个快速学习的行业，基本技术有了之后，再各个相对专业的岗位上门槛较低。举个简单例子，如果你数据科学的底子很好，那么互联网运营，电子商务数据分析，物流体验优化分析，app优化分析等，都是强依托数的，只需要结合具体工作学一下方法论即可。大道至深至简，掌握了底层的道，上层的工具和方法论，学校不会教给你，后期根据工作需要不断进化而已。

　　传统行业数字化转型相关技术类岗位。现在传统企业的线上化转型不断深入，传统企业也需要大量的互联网人才。这方面和第一点有点类似，基本上是一个mini版互联网就业的感觉。就是工作强度不如互联网，收入相对不如互联网，工作难度也较低。

　　行业。主要是银行和证券，保险行业参照第二点。科技不断加码，银行的话最好把相关经济学类课程认真学，同时有一些CFA，FRM的证为好。证券的话，如果想特别发挥专长，建议coding要过硬，做算法交易。这两点不是主流，但是也是不错的选择。有些人不看好银行，但是相反，我觉得银行被互联网打压的最惨的时代已经过去了，银行的盈利能力其实还是有目共睹的（详见各大上市公司年报），银行工作的性价比（如果是专业对口而不是通用类如柜员等岗位）其实还是可以的，同时相比于互联网行业，35岁焦虑要少的多。这方面如果想进一步了解也可以私下探讨。

　　就业主要方向就是以上，我自己基本都做过，如果相对某个方面有具体了解欢迎私信。如果是本科生选择专业，我觉得目前谈就业为时尚早，关注大方向即可，谁知道过几年这个世界什么样子呢？

　　因为我也读了一个硕士，总的来说走的是第三条路子。但是有很多朋友是在1、2条路上发展，发展的很好很顺利。这方面后续有时间再跟，想具体了解，也可以来问我哈。