数据分析师要学什么

IT的更有前途，IT的工作范围包括的比较大。数据分析和大数据的区别也是很大的。大数据是需要学习java，linux，mysql的，而数据分析只是分析数据就行了。柠檬学院大数据，注册就能学习java，linux，mysql，大数据，html5的课程了。

数据分析师的就业前景是广阔的。

1、人才缺口大，IT时代逐渐被DT时代取代，用理性的数据分析代人工的经验分析成为主流，数据分析人才的供给指数仅为005，属于高度稀缺。

2、入门相对简单数据分析是一门跨领域技术，不需要很强的理工科背景，反而那些有市场销售、金融、财务或零售业背景的人士，分析思路更加开阔。

3、薪资待遇高1-2年工作经验的大数据分析岗位的平均月薪可达到13k左右的水平。岗位的薪酬和经验正相关，越老越值钱。

4、行业适应性强几乎所有的行业都会应用到数据，数据分析师不仅仅可以在互联IT行业就业，也可以在银行、零售、医药业、制造业和交通传输等领域服务。

5、职业寿命长数据分析职业一旦掌握，可以在职场上收益长久，掌握这门新兴技术都会大有用武之地，受其他外部业务影响相对较小，职位相对稳定。

问题一：想考大数据分析师应该学什么？ 数据分析师是为了适应大数据时代要求，加强正规化、专业化、职业化的数据分析师人才队伍建设，进一步提升我国数据分析员师的职业素质和能力水平，经国家相关部委统一颁布实施，旨在通过掌握大量行业数据以及科学的计算工具，将经济学原理用数学模型表示，科学合理的分析投资和运营项目未来的收益及风险情况，为做出科学合理的决策提供依据。

数据分析师由工业和信息化部教育与考试中心和中国商业联合会数据分析专业委员会统一安排考核，考试共有三门《数据分析基础》《量化经营》《量化投资》，每门100分，60分及格制

问题二：数据分析师需要掌握哪些能力，需要做哪些准备 不管是什么行业的数据分析师，必须要掌握的技能是：

该行业的行业知识和经验，不能低于行业专家的平均水平

必须具有的数学知识，例如统计分析、数理统计、模糊数学、线性代数、建模方法等等

IT技术：数据库技术、大数据技术、离散数学算法。甚至是编程技术，例如C、Fortran、Java、falsh等

我曾经作为销售，在类似行当工作多年，一点点体会仅供参考。

-:(来自淘宝网的京东藏宝斋

问题三：想找数据分析的实习 应该学些什么 我做过一段时间 不过是和推广混着做的，个人觉得电商的数据分析没什么大的前途，如果真的想在数据分析行业发展的话，建议你找个有机会学建模的行业，那样出去以后到哪都吃香，或者找个需要用到统计学软件的行业，那样也好，如果你只是准备阶段建议你参加一下全国数学建模大赛，像多元统计分析，计量经济学，数理统计，这些都挺重要的

问题四：想要做数据分析师应选择什么专业？ 统计（有统计理论）、计算机专业（会编程序实现）。其实专业关系不大，只要想做，都可以慢慢的做到

问题五：如何自学成为数据分析师 中文专业的前期要多花点功夫了啊，我是数学专业的，大学做过建模，所有统计学的东西还有一些软件多少接触过一点。建议你自学的话，excel软件和spss先熟悉一下，找两本书看看，《谁说菜鸟不会数据分析》是入门的，可以看一看，先了解一下吧，数据分析的东西还是要多实践的。如果你现在工作跟数据分析没有什么关系的话，转业工作可能有点困难，这种情况建议去考个证书吧，虽然现在国内数据分析刚起步，还没有太有含金量的证书，不过你这种情况有肯定比没有好，我就去考了一个，考CPDA吧，还有一个CDA，我选考的CPDA，说是CDA国外有机构什么的，但是我找不到任何网站可以查到这个证书，问他们他们也不说，我怕找工作人家要查查不到，但是CPDA工信部网站能查询证书信息的，所以对就业帮助可能会大一些，工作还是有参考作用的，不过指望靠班学到很多还是不可能，只是让你了解入门，手上多个敲门砖。数据分析属于技术类工种，要多实践，数据采集和挖掘是基础，这些工作门槛比数据分析岗相对低一些，好找，希望对你有帮助。

问题六：如果想成为一名数据分析师，需要具备哪些基本知识 一、 办公软件

1） 熟练使用excel， Access，Visio等MS Office办公软件，可以制作相关的原型； （MS即microsoft微软，MS Office 是微软提供的系列软件，Word， Excel， PowerPoint， Access， OutLook，Publisher，InfoPath这7个办公软件中，常用的是前4个。） 2） 重点掌握EXCEL表，会使用高级功能，能快速制作报表，熟练使用EXCEL VBA；

二、 数据分析软件及方法

1）熟练使用各种数理统计、数据分析、数据挖掘工具软件，熟悉各种网站分析软件的应用，如Google Analytics 、百度统计、Omniture等；

2）具备相关数据分析软件的使用经验SPSS\SAS\EVIEW\STATA\R\Weka……

3）至少精通使用IBM Intelligent Miner、SAS Enterprise Miner、SPSS Clementine、LEVEL5Quest、SGI、WinRosa、ExcelVBA、S-plus、Matlab、SSIS等等常见数据挖掘软件中的一个进行数据挖掘的 开发工作；

4）熟练使用至少一种网站流量分析工具（Google Analytics、Webtrends、百度统计等），并掌握分析工具的部署、配置优化和权限管理；

5）精通一种或多种数据挖掘算法（如聚类、回归、决策树等）； 6）熟悉维基编辑者优先； 7）使用软件的要求；

（71）掌握数据分析、挖掘方法，具备使用Excel、SQL、SPSS/SAS、Powerpoint等工具处理和分析较大量级数据的能力；

（72）能够综合使用各种数理统计、数据分析、制表绘图等软件进行图表、图像以及文字处理；

（73）掌握常用的数据统计、分析方法，有敏锐的洞察力和数据感觉，优秀的数据分析能力；

（74）能够综合使用各种数理统计、数据分析、数据挖掘、制表绘图等软件进行具有基本数据美感的图表、图像以及文字处理 。

三、 数据库语言

1）熟悉Linux *** 作系统及至少一种脚本语言(Shell/Perl/Python)；

2）熟练掌握C/C++/Java中的一种，有分布式平台（如Hadoop）开发经验者优先； 3）熟悉数据库原理及SQL基本 *** 作；

（31）了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，具备很强的学习能力，写过程序，会perl，python等脚本语言者优先； （32）熟练应用mysql的select，update等sql语句； 4）熟悉sql server或其他主流数据库，熟悉olap原理； 5）熟悉Oracle或其他大型数据库。

四、 思维能力等方面

1）具备良好的行业分析、判断能力、及文字表达能力；

2）沟通、协调能力强，有较高的数据敏感性及分析报告写作能力； 3）理解网站运营的常识，能从问题中引申出解决方案，提供设计改进建议；

4）具有良好经济学、统计学及相关领域的理论基础，熟悉数理统计、数据分析或市场研究的工作方法，具有较强的数据分析能力；

5）熟悉数据分析与数理统计理论，具有相关课程研修经历。

五、 其他要求

1）较强的英文听说读写能力，英语6级以上；

2）文笔良好；

3）了解seo,sem优先；

4）知识要求：同时具备统计学、数据库、经济学三个领域的基础知识；英语四级或以上、熟悉指标英文>>

问题七：学数据分析师有专业要求吗？ 你好，是没有专业要求的，只要你数据基础不是太差，通过下面几步就可以成为一名数据分析师。

第一步：统计概率理论基础

这是重中之重，千里之台，起于垒土，最重要的就是最下面的那几层。统计思维，统计方法，这里首先是市场调研数据的获取与整理，然后是最简单的描述性分析，其次是常用的推断性分析，方差分析，到高级的相关，回归等多元统计分析，掌握了这些原理，才能进行下一步。

第二步：软件 *** 作结合分析模型进行实际运用

关于数据分析主流软件有（从上手度从易到难）：Excel，SPSS，Stata，R，SAS等。首先是学会怎样 *** 作这些软件，然后是利用软件从数据的清洗开始一步步进行处理，分析，最后输出结果，检验及解读数据。

第三步：数据挖掘或者数据分析方向性选择

其实数据分析也包含数据挖掘，但在工作中做到后面会细分到分析方向和挖掘方向，两者已有区别，关于数据挖掘也涉及到许多模型算法，如：关联法则、神经网络、决策树、遗传算法、可视技术等。

第四步：数据分析业务应用

这一步也是最难学习的一步，行业有别，业务不同，业务的不同所运用的分析方法亦有区分，实际工作是解决业务问题，因此对业务的洞察能力非常重要，而这个能力是需要在工作之中一点一滴的积累，也许目前是做零售，会用到一些相关回归方法，但转行做电商，又会用到其他的挖掘等方法。业务虽千变万化，但是分析方法却万变不离其宗，所以掌握好技术用到任何一个环境靠的只有是业务经验的积累。

当然，考个CDA的数据分析师证书就更好了。

问题八：数据分析师学习方式是什么，数据分析师课程内容包括什么，数据分析师在哪里培训？ 一数据分析师的学习方式是面授和远程。

面授

项目数据分析师培训课程涉及到经济学、市场营销学、财务管理学、计量经济学、预测学、金融学等多方面知识，需要学员具备全面性理论基础知识贮备。我们对各个学科中项目分析所要用到的知识点进行了深入分析，在讲义中详细说明，使学员可在相对准确的领域内迅速掌握知识并加以运用。做到能够让学员将课本上所学的东西真正变为可以利用的有效工具。

远程学习

时间为一年整，采取先进的同步教学方式，保证学习质量，具体特点如下：

a、面授期间（8天面授），更新课程五次，通过每周的更新课程，让学员不仅可以在面授前提前预习基础知识，而且可以通过远程学习中心提交作业、知识点自我测试、考试复习、习题解答、在线答疑、案例参与等综合项目更好的掌握知识。

b、面授结束后，学员还有11个月的远程学习时间，每月一次的课件更新，使学员不仅能顺利适应项目数据分析师的认证考试，而且可以掌握各种数据分析的拓展知识和技能，为分析师在未来能够胜任专业分析工作奠定深厚基础。

c、远程学习不仅有丰富的文字学习内容，而且大比例增加了音频、视频课件，使学员可以通过生动的课件完成阶段性学习。

d、远程学习中心为学员提供学习计划制定、班级交流、继续教育等功能，帮助学员自觉学习、实现更好的学习效果。

二数据分析的课程有四本书：数据分析基础、量化经营、量化投资、战略管理

三、数据分析师在全国各地都有授权管理中心上课，北京、上海、广东等都有，具体的要看您在哪里。

问题九：数据分析师培训，什么人适合学数据分析 数据分析师需要学习以下几个方面的课程：

（1）数据管理。

a、数据获取。

企业需求:数据库访问、外部数据文件读入

案例分析:使用产品信息文件演示spss的数据读入共能。

b、数据管理。

企业需求:对大型数据进行编码、清理、转换。

案例分析:使用银行信用违约信息文件spss相应过程。

1）数据的选择、合并与拆分、检查异常值。

2）新变量生成，SPSS函数。

3）使用SPSS变换数据结构――转置和重组。

4）常用的描述性统计分析功能。频率过程、描述过程、探索过程。

c、数据探索和报表呈现。

企业需求:对企业级数据进行探索，主要涉及图形的使用。spss报表输出。

案例分析:企业绩效文件，如何生成美观清晰的报告。

1）制作报表前对变量的检查

2）制作报表的中对不同类型的数据处理

3） 报表生成功能与其他选项的区别

（2）数据处理

a、相关与差异分析。

案例分析:产品合格率的相关与差异分析。

b、线性预测。

企业需求: 探索影响企业效率的因素，并进一步预测企业效率。

案例分析:产品合格率的影响因素及其预测分析。

c、因子分析。

企业需求: 需要抽取影响企业效率的主要因素，进行重点投资

案例分析:客户购买力信息研究。

d、聚类分析。

企业需求: 需要了解购买产品的客户信息

案例分析:客户购买力信息研究

e、bootstrap。

案例分析: bootstrap抽样。

（3）SPSS代码

SPSS代码应用

问题十：大数据分析师 应该要学什么知识？ 1、需要有应用数学、统计学、数量经济学专业本科或者工学硕士层次水平的数学知识背景。

2、至少熟练SPSS、STATISTIC、Eviews、SAS等数据分析软件中的一门。

3、至少能够用Acess等进行数据库开发；

4、至少掌握一门数学软件：matalab，mathmatics进行新模型的构建。

5、至少掌握一门编程语言；

6，当然还要其他应用领域方面的知识，比如市场营销、经济统计学等，因为这是数据分析的主要应用领域。

伴随着信息化技术飞速发展的同时，作为重要业务的支撑基础，IT基础设施规模亦日益强大我整理了it热门技术论文，有兴趣的亲可以来阅读一下!

it热门技术论文篇一

IT设备数据处理技术

摘 要：伴随着信息化技术飞速发展的同时，作为重要业务的支撑基础，IT基础设施规模亦日益强大与复杂，这给信息系统的安全、故障定位、信息监控带来了新的挑战，增加了运维管理的难度。本论文对IT设备数据处理技术介绍以及IT服务设备数据处理设计和系统的测试与分析做了描述并进行了总结与展望。

关键词：运维;监控;数据处理

中图分类号：TP315

1 绪论

11 课题的来源及研究背景

伴随着信息化技术飞速发展的同时，作为重要业务的支撑基础，IT基础设施规模亦日益强大与复杂，这给信息系统的安全、故障定位、信息监控带来了新的挑战，增加了运维管理的难度。经过近几年的IT管理发展，目前市场上已初步具备对主机、网络设备、数据库和业务系统进行监视管理的能力。但由于监控工具众多而分散，缺乏统一的监控数据展示及集中管理平台，导致目前的监控手段并没有很好地在运维流程中发挥更大的作用。同时对于不同的IT服务设备产生的告警和性能信息的处理也进一步出现在运维管理工作的议程上，IT服务设备数据的复杂性和多样性为企业IT运维管理工作的提出了新的难题，鉴于此，策划并启动了本研究课题，提高对IT服务设备数据处理能力的突破，以切实有效地提高IT管理及业务服务能力，确保信息系统的安全稳定运行，最终得以有力支撑企业管理模式改革和创先需求。

12 国内外研究现状

目前，在国内外，根据各企业的IT服务设备数据特点和技术难点，各个行业都已经开始着手于IT服务设备数据处理技术的研究，以解决IT服务设备故障定位问题。但是，较为成熟的IT服务设备数据处理模型还没有完全定型。

13课题研究意义和研究内容

通过对课题的研究背景的研究，IT服务设备数据主要包含这些设备的性能数据和告警数据，将这些复杂的告警数据通过数据处理规则和模型进行规范化处理，对设备问题的定位能起到快速、准确的目的。为信息系统的安全运行，运维管理水平的提高，起到决定性的作用。本文正是以这样的目的为初衷，研究将IT服务设备数据处理技术与系统建设结合起来，通过分析IT服务设备数据的特点，提出将复杂的IT服务设备数据处理技术应用到企业业务系统中，对企业的运维管理进行辅助处理，提高企业IT设备故障处理的效率，以及降低企业运维管理的难度。

本文分析了某公司IT设备数据处理技术的模型和规则，阐述了IT服务设备数据在企业运维管理中问题定位能力所起到的作用，同时阐述了数据在系统中的效果。通过对IT服务设备数据的分析处理，能够及时获取最准确的故障定位信息。

14 论文组织结构

本论文围绕IT服务设备数据处理技术进行研究分析，目的在于对复杂的IT服务设备性能和告警数据进行处理分析，以提高IT设备故障定位的能力，起到提高整个IT运维服务水平的作用。论文一共分为五章，各章节的内容安排大致如下：

第一章：对课题的背景和国内外研究现状进行调研分析，结合相应的环境背景提出课题并分析课题研究的意义，在第一章中，我们还对论文的整个架构进行一个简单的介绍。

第二章：在第二章中，主要是对IT服务设备数据处理技术相关的一些概念的进行简单的介绍说明。

第三章：详细介绍IT服务设备数据处理设计架构，模块设计，业务处理规则设计思路等内容。

第四章：对系统进行测试和性能分析，并对测试结果进行了分析和总结。

第五章：对整篇论文和实验进行总结，提出论文中存在的不足，提出课题研究中还存在的问题等。

15 本章小结

本章中主要是对本文要进行研究的课题IT服务设备数据处理技术进行一些预先的调研工作，比如对课题的来源，课题研究背景，国内外对复杂事件处理技术的研究状况等。

2 IT设备数据处理技术介绍

21 IT服务设备

本论文中提到的IT服务设备数据主要是指：

(1)主机设备，包含小型机、PC服务器、VM、LPAR等;

(2)软件实例，包含 *** 作系统类、数据库类、中间件类、用软件类等;

(3)网络安全设备，包含交换机设备、路由器设备、漏洞扫描设备、审计设备、入侵检测设备、、防火墙设备、负载均衡等;

(4)存储设备，包含磁盘阵列、带库、光纤交换机等;

(5)环境设备，包含UPS、空调、机柜、配电柜等;

(6)业务服务类，包含基础的业务系统等。

22 IT服务设备数据

本论文中提到的IT服务设备数据主要是21章节中所提到的设备在运行状态中的性能数据和告警数据，这些数据是通过不同的监控工具获取，各自独立的存在，数据之间没有进行有效关联，对IT服务设备的故障排查、问题定位。

23 IT服务设备数据处理所涉及技术

231 列表法

列表法是记录和处理实验数据的基本方法，也是其它实验数据处理方法的基础。将实验数据列成适当的表格，可以清楚地反映出有关物理量之间的一一对应关系，既有助于及时发现和检查实验中存在的问题，判断测量结果的合理性;又有助于分析实验结果，找出有关物理量之间存在的规律性。一个好的数据表可以提高数据处理的效率，减少或避免错误，所以一定要养成列表记录和处理数据的习惯。

232 作图法

利用实验数据，将实验中物理量之间的函数关系用几何图线表示出来，这种方法称为作图法。作图法是一种被广泛用来处理实验数据的方法，它不仅能简明、直观、形象地显示物理量之间的关系，而且有助于我们研究物理量之间的变化规律，找出定量的函数关系或得到所求的参量。同时，所作的图线对测量数据起到取平均的作用，从而减小随机误差的影响。此外，还可以作出仪器的校正曲线，帮助发现实验中的某些测量错误等。因此，作图法不仅是一个数据处理方法，而且是实验方法中不可分割的部分。 233 逐乘法

逐差法是物理实验中处理数据常用的一种方法。凡是自变量作等量变化，而引起应变量也作等量变化时，便可采用逐差法求出应变量的平均变化值。逐差法计算简便，特别是在检查数据时，可随测随检，及时发现差错和数据规律。更重要的是可充分地利用已测到的所有数据，并具有对数据取平均的效果。还可绕过一些具有定值的求知量，而求出所需要的实验结果，可减小系统误差和扩大测量范围。

234 最下二乘法

把实验的结果画成图表固然可以表示出物理规律，但是图表的表示往往不如用函数表示来得明确和方便，所以我们希望从实验的数据求经验方程，也称为方程的回归问题，变量之间的相关函数关系称为回归方程。

24 本章小结

在第二章中，主要是对IT服务设备数据处理技术相关的一些概念的进行简单的介绍说明。

3 IT服务设备数据处理设计

31 IT服务设备性能数据处理设计

311 IT服务设备性能数据处理架构设计

312 IT服务设备性能数据处理规则

(1)性能数据-轮询采集

322 IT服务设备告警数据处理规则

(1)告警数据-级别映射

1)监控管理系统分四个级别：严重、重要、一般、提醒;

2)分别收集整理底层监控工具的告警级别;

3)在系统的告警级别映射模块中，搭建系统与底层工具的级别映射关系;

4)此环节为获取原始告警信息后的第一个业务处理环节。

(2)告警数据-过滤

1)系统支持对对象或对象组的过滤，比如单独针对小型机或针对小型机、pc机一起定制过滤;

2)支持对IP、周期、级别、类型、业务系统、采集工具等的过滤;

3)支持对关键字的过滤;

4)支持对不同维度的交集或并集的联合过滤;

(3)告警数据-次数过滤

1)鉴于底层采集工具中，次数过滤的算法参差不齐，初步确定在本系统中搭建一层次数过滤机制。原工具自身包含算法的，设定为不启用。

2)系统提供告警次数过滤的配置功能，一旦设定了次数，需要同类型的告警连续达到此数字，才将告警抛出，否则将丢弃。

(4)告警数据-压缩

(5)告警数据-关联

策略1：对象指标关联

系统提供源指标和目标指标的配置功能，如在某时间段内，A对象的A1指标和B对象的B1指标均产生告警信息，而两指标又存在关联关系，则报出A1指标告警，同时在告警内容中反映B1指标受关联的提示。

策略2：类型指标关联

在对象指标关联的基础上，提供根据主机或业务系统泛化功能，即：A对象所属类型中的A1指标对同属一台主机或同属一个业务系统内的B对象所属类型中B1指标存在关联关系。

(6)告警数据-处理

34 本章小结

本章详细介绍IT服务设备数据处理设计架构，模块设计，业务处理规则设计思路等内容，主要包括以下内容：(1)性能数据-轮询采集处理;(2)性能数据-数据量折算;(3)性能数据-归档存储方案处理;(4)告警数据-级别映射;(5)告警数据-过滤、压缩;(6)告警数据-关联;(7)告警数据-处理与清除。

通过上述的方法和步骤，对IT服务设备的性能数据与告警数据的从收集到分析处理建立了一套行之有效的规则，保证了IT服务设备数据的及时性和准确性，为企业IT运维管理的有效开展提供了强有力的数据支持。

4 基于系统的测试与分析

41 系统测试分析

通过对性能和告警数据的处理分析，能够快速定位IT服务设备的告警信息，在业务拓扑图上也能明细定位设备问题。

42 本章小结

本章主要介绍了IT服务设备数据处理技术在系统建设实现中的应用，通过业务关联分析，能够快速定位IT服务设备故障，提高运维工作效率，提升整个运维管理水平。

5 总结与展望

经过系统的运行和测试，使用IT服务设备数据处理技术在IT运维管理上对问题定位起到决定性作用，同时提高了整个运维工作效率，提升了运维管理水平，为企业的信息化管理水平起到了促进的作用。

但是由于IT服务设备的复杂性，底层监控工具的多样性，目前IT服务设备数据处理技术的公用性和通用性还存在着一定的缺陷，该技术需要进一步的提升和优化。

展望，本文主要分析和论述了IT服务设备的性能数据和告警数据的处理，后续也可以考虑对IT服务设备的属性数据进行管理和分析，充分考虑数据与性能数据、告警数据的技术处理，为IT运维管理水平的提高起到积极的促进作用。

参考文献：

[1]薛尤贵基于PCIM的告警分析处理方法[J]电信工程技术与标准化，2011(7)

作者简介：赵旭(198708-)，女，黑龙江人，研究方向：软件开发与运维。

作者单位：广州供电局有限公司，广州 510000

it热门技术论文篇二

IT技术的日常生活化

摘 要互联网从最初崛起时作为最具震撼力的社会事件发展到如今近乎家喻户晓，期间伴随兴起的IT行业，催生出一批拥有专有技术知识的群体，他们借助网络平台共享技术知识。IT知识日益被民众所接受，拥有专业技术知识的人员是如何将自己拥有的知识社会化，普通大众又是如何内在化这些知识IT专业知识融入后对日常生活产生了怎样的影响文章拟在借鉴前人研究成果的基础上，通过文献资料的搜集与解读，就IT技术的“自然化”与日常生活化做一分析。

关键词IT技术的“日常生活化”;自然化;影响

一、IT的引入与虚拟社区的建立

从上个世纪80年代中国IT业起步至今已经过了30多年的风风雨雨，伴随中国经济社会的快速发展，IT行业的发展速度和技术更新的周期也越来越快，IT技术如何从最开始令人震惊的社会事件发现到被人们的日常生活所熨平，这一自然化的过程源起于IT专业技术知识人才的出现，这支队伍人数伴随IT行业在日益壮大 ，由于他们在日常生活中专业实践内容的日益丰富，一个依附互联网形成的为有着相同爱好、经历或与IT相关业务的网络用户服务的虚拟社区产生了，在这里他们可以相互交流和分享经验。

二、IT技术的日常生活化

(一)IT技术初入日常生活产生文化震惊

互联网起源于美国国防部先进研究计划局为军事目的而采用的一项工作，经过20世纪后30年的发展才逐渐进入人们的日常生活，最初IT技术的产生带来一场信息技术革命，技术神秘性对具有惯习的日常生活产生冲击，产生文化震惊，人们对这个知道的比自己多的多的并且运算速度超过人脑的庞然大物感到惊奇和震惊，那个时候的计算机还不为多数人所熟悉和使用，使用计算机还只是少数专业人员的事情。

在中国曾掀起三次计算机的普及高潮，普及的对象已经涉及一切有文化的人，可以想象对IT技术的震惊和好奇会随着IT技术的快速发展和人们不断接受的教育而消减。随即进入IT技术融入日常生活的第二个阶段，IT技术逐渐被人们接受并为日常生活服务。

(二)快速更新换代的IT技术抚平产生的文化震惊

日常生活的经济适用性和重复性特征习惯简单重复旧有的行为。然而，由于IT技术更新换代速度快，当新的IT技术出现的时候，人们已经在一定程度上被已有的IT技术所包围，因而新技术产生的社会震惊要小于最初进入民众日常生活。这个过程的实现是专业IT知识群体专业知识社会化和普通民众IT知识内在化两个过程结合实现的。

1 IT技术人员的专业知识客观化。(1)IT技术人员专业知识制度化的过程。人们的所有行为都会倾向于习惯化，在习惯化的过程中，偶然性行为逐渐采取有规则的形式变为可以预见的行为。行为的规则在行动者行为中保留、传递和发展的过程就是沉淀化。IT精英群体借助网络语言把习惯化的行为超出特定的行动情境而传递下来，这样用语言文字把行动规则巩固下来就产生了制度。进一步，行动的规则和制度经过长时间的执行和巩固，逐渐被互动网络中成员接受为一种传统。(2)IT专业知识合法化的过程。合法化的功能是使已经制度化的“初级秩序”客观化，在客观上可以得到，在主观上听起来可信。IT专业技术人员拥有的专业知识通过“类化”、“定型化”后在网络虚拟社区形成一种彼此共享认同的行为规则，这种规则或制度得以被执行和传递需要“合法化”的保证，它向人们解释和证明制度化的行为何以如此。

2 非IT专业人员专业知识内在化。这个过程是通过行动者个人的社会化而实现的，包括初级社会化和次级社会化。(1)初级社会化是个体在孩童时期经历的最早的社会化，初级社会化的关键是“概化他人”在意识中的形成，当概化他人的概念在意识中晶化时，客观现实与主观现实之间的一种对称关系便确立下来。在这一内化过程中，个体对客观知识的学习主要来自父母。(2)次级社会化是制度或是以制度为基础的“亚社会”的内在化，一定程度上可以说，次级社会化是获取专门知识的过程，这些知识直接或间接地扎根于劳动分工，爱好信息技术或从事IT工作的人们最先获得这方面的专业知识。在多数次级社会化中，不需要个体对重要他人的情感认同，只需人与人之间进行沟通的相互认可即可，这时人们在与他人的沟通交流中内化各种IT知识。

IT群体的专业知识不断外化、客观化为客观知识，非专有知识群体又不断通过社会化来内化各种专业知识，共同构成技术的“自然化”循环往复的过程。渗透到日常生活中的专业知识又对民众的日常产生了怎么样的影响呢

三、IT专业知识融入日常生活产生的影响

IT知识主观化使IT知识内化为普通大众的认知结构，从而提高他们的知识水平，对人类发展和社会发展都具有重大的理论意义和实践意义。

(一)加速社会知识的生产和进步

主观知识不断地转化为客观知识的过程就是社会知识加速生产的过程。IT专业技术人员通过社会实践等途径所获得的各种新的IT知识、新发现源源不断地从他们那里客观化到社会共有知识体系中，个体通过初级社会化和次级社会化等过程而内化那些贮藏在各种载体上具有创新性的客观知识，从而提高自身的知识拥有水平。

(二)有利于促进IT行业的更快发展

社会知识因主观知识不断地转化而提高质量，有利于促进了科学研究和科技教育事业的发展，并通过应用其科研成果推动了科学技术的发展与进步。随着社会知识质量的提高和数量的增长，人们通过交流和学习社会知识提高了素质，产生出新的消费需求，刺激新一轮的技术创新，普通大众新的消费需求将促使IT行业的更进一步发展。

伴随IT行业出现的IT群体，他们拥有的专业知识不断客观化以及普通大众将IT知识内在化这两个过程相互渗透、循环往复实现技术的日常生活化。与此同时融入日常生活后的IT技术在对社会各个方面带来各种影响，如何趋利避害，合理引导IT技术融入日常生活，需要每个人的努力。

参考文献

[1] 彼得・伯格，托马斯・卢克曼现实的社会构建[M]北京：北京大学出版社，2009

[2] 马恒通主观知识客观化论纲[J]中国图书馆学报，2004， 30(5)

作者简介：潘广芝(1989- )，女，山东日照人，辽宁大学文学院研究生，研究方向：民俗学。

以上就是关于it工作和数据分析比较全部的内容，包括:it工作和数据分析比较、数据分析师的就业前景如何、数据分析师要学什么等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！