1. 数据挖掘研究院
由于近两年来大数据较火，导致市场上要许多统计专业专业人才。
许多国內企业，都有紧急招募数据挖掘师或是数据分析师等；现阶段来看统计学就业方向主要是集中在政府部门及金融业领域。比如说统计局，文献情报中心，标准化研究院及国家信息中心这类政府机构。
在金融业领域，则与在美国的就业去向相近，比如说银行、保险公司、证券公司等金融部门，市场调查公司、咨询公司、各公司的市场研究部门，工业企业的质量检测部门等企业事业单位。
2. 数据挖掘研究院怎么样
现在大数据的话，就业岗位和就业薪资还是不错的，而且现在的市场对大数据也很友好，现在大数据专业的就业前景很不错，一方面企业对大数据人才需求大，另一方面国家也在大力度的支持大数据的发展，有很多工作了几年，想在职提升或者是转行的，有很多都选择了尚学堂的线上课程，百战程序员学习，因为在自己的话，辞职去学，也很冒险，很多基本都是参加的线上学习，而且现在市场线上教育已经成趋势，现在的工作各方面待遇很可观，这里的管理制度还是相对较为严苛的，老师会关注各个学员的学习状态，还有专业的职业素养课和就业指导课，教学及就业质量比较靠谱。也有免费的资料可以学习，也可以先看看免费的资料再做决定。
大数据岗位匮乏，正处风口，我国大数据人才需求达到180万，目前只有不到30万人，人才缺口还将进一步扩大。在IT技术中，有不少技术因为人才的饱和，就业竞争力已经相对较大。而大数据的人才需求正处于供不应求的状态，人才的紧缺决定了大数据职位薪资水平，平均8K起步。而从工作经验来看，69.1%的企业对求职者的要求是经验不限，这对于正在需求工作，特别是应届大学生而言，无疑是千载难逢的机遇，当下是学习大数据黄金时间点。
目前国内大数据工程师工作领域大致可分为四类：①数据开发工程师：负责数据接入、数据清洗、底层重构，业务主题建模等工;大数据整体的计算平台开发与应用; ②数据分析师：在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询，商务智能，出分析报告。③数据挖掘工程师：在多媒体、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析。④科学研究方向：在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用。
3. 数据挖掘研究院是干嘛的
IDC即是Internet Data Center，是基于INTERNET网络，为集中式收集、存储、处理和发送数据的设备提供运行维护的设施以及相关的服务体系。
IDC提供的主要业务包括主机托管(机位、机架、VIP机房出租)、资源出租(如虚拟主机业务、数据存储服务)、系统维护(系统配置、数据备份、故障排除服务)、管理服务(如带宽管理、流量分析、负载均衡、入侵检测、系统漏洞诊断)，以及其他支撑、运行服务等。 互联网数据中心（Internet Data Center）简称IDC。就是电信部门利用已有的互联网通信线路、带宽资源，建立标准化的电信专业级机房环境，为企业、政府提供服务器托管、租用以及相关增值等方面的全方位服务。即拥有服务器的公司把服务器放到数据中心，就是我们平常所说的服务器租用和托管以及 相关的其他业务。 IDC机房就是互联网数据中心（Internet Data Center）简称IDC，就是电信部门利用已有的互联网通信线路、带宽资源，建立标准化的电信专业级机房环境，为企业、政府提供服务器托管、租用以及相关增值等方面的全方位服务。
4. 数据科学研究院
中科大数据研究院不是国企。
中科大数据研究院（简称“数研院”），位于郑东新区龙子湖智慧岛大厦8F，是郑州市政府、郑东新区管委会共同打造的“产、学、研”结合的新型研发机构，于2018年12月22日在智慧岛正式挂牌。
依托大数据分析系统国家工程实验室，结合国家大数据（河南）综合试验区的建设需求，开展建设人才培养基地，承担国家重大战略任务，研发自主可控的孵化大数据、云计算、智能制造等创新产业团队的大数据相关工作，构建大数据产业链、价值链、生态链，为“以数据为关键要素”的数字经济提供智力引擎。
5. 数据挖掘研究中心
华为RD实验室项目位于东莞松山， 湖高新开发区高雄路， 台湾科技园南侧，厂区规划总用地面积约为146295 ，总建筑面积约为207，383 。项目包括7个建筑单元，包括1-5号车间、生产配套机电设备室(6号楼)、5G实验室、配套员工食堂、门卫、地下停车场、车行道及绿化用地。
华为诺亚方舟实验室的主要部门是什么？
1.自然语言处理和信息检索部门
专注于如何让机器以无缝方式和自然语言与人交流，从文本和社交数据中挖掘有价值的信息。
2.大规模数据挖掘和机器学习部门
该部门主要致力于开发高度可扩展和有效的数据挖掘和机器学习算法，包括开发大数据挖掘系统。
3.社交媒体与移动情报部
该部门的工作重点是利用社交媒体、社交网络和移动数据开发最先进的算法和自主学习系统的研发，并从社交网络数据中获得深刻的见解。
4.人机交互系统部门
这个部门的主要职责是帮助人们更好地理解如何开发一个流畅的人机交互系统，使人机交流变得更加自然和容易。同时，该部门还负责开发大型智能系统。
5.机器学习理论系
通过建模和数学理论，研究人机学习和适应能力。
实验室：诺亚方舟实验
创新产品和技术：数据挖掘、人机交互、智能系统和大数据系统
诺亚方舟实验室是香港，华为公司于2012年建立的实验室。主要从事人工智能——数据挖掘的研究
华为“实验室”位于香港科学园。实验室占地700多平方米。实验室主任是香港，当地一所大学的教授，他从大陆和世界其他地方聘请研究人员从事基础研究工作。通过人工智能和数据挖掘技术抓住大数据时代的历史机遇。
6. 数据分析研究院
说实话，这类研究院搞的数据分析，大多都是无用的纯理论的东西，以前做过类似的事情，非常无聊，但后面那帮老头很执着，看你自己了，如果觉得工资收入满意的话·，可以去做做的
7. 数据挖掘领域专家
SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。
1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价。
8. 数据挖掘研究院招聘
全国高等应届毕业生的全日制本科生，硕士及博士生；海外留学生（备注：应届毕业生需取得相应学位）
招聘专业
通信工程、移动通信、数据通信、计算机科学与技术、计算机应用、计算机软件、软件工程、网络工程(安全)、计算机网络（1）技术、信息工程、信息管理与信息系统、信息与通信技术、通信与信息系统、信号与信息处理、数据挖掘、电子工程、系统集成、互联网应用、大数据、云计算、多媒体技术等理工科专业；
市场营销、财务、法律、人力资源管理、企业管理、工商管理、电子商务等管理学类专业;以及新闻学、传播学、媒体创意等（7）文科类专业。
要求在当年秋招之前取得国外院校颁发的毕业证书、学位证书和教育部开具的留学回国人员学历学位认证书（证书在国家教育部留学服务中心国外学历学位认证系统中可查询）。
9. 数据挖掘研究员
先了解下什么是行业研究员吧
1.什么是行业研究
行业研究分为买方研究和卖方研究，在我看来买方研究和卖方研究最大的区别是：是否涉及直接投资。卖方研究通过自己对于行业的理解以及调研，形成研究报告，向投资者路演推票收取分仓佣金，并不涉及到直接的投资行为。而买方研究员则需要对于投资形成自己的看法，反馈给基金经理决定是否买卖，是实打实的金钱交易。
2.我为什么选择行业研究
我在有限的券商职位申请中，无一例外选择的都是行业研究，我自己是有以下几点考虑：
提升：如果你想踏踏实实地学些东西，券商研究是能够提供给你这个平台。毕竟对于一个行业的理解非一朝一夕，能够安下心来深入一个行业总会有一些收获。
过渡：对于应届毕业生来说，前几年就是打基础学习的过程，也是不断明确自己未来发展方向的重要阶段。研究所是券商人才输送的重要通道，研究员在为券商内部服务的过程中，能够更加全面的接触到券商各项业务，也能在其中慢慢找到自己的兴趣和优势所在。
沉淀：我认为作为一个优秀的研究员，既需要对于行业有着很深的理解，又需要拥有能够在短时间内看清一个公司的能力，同时还需要兼备优秀的沟通和销售能力，毕竟研究报告是需要路演推介的。在这个成长的过程中，研究员沉淀下来的不仅是研究的逻辑、快速学习的能力，也是人脉的建立和坚持的精神。
3.行业研究的求职经验
因为我仅投了两家券商行研，所以只能结合自己和朋友的经历提供行业研究员笔试面试的技巧。
首先，想成为行业研究员需要对于研究报告的撰写逻辑有大致的了解。对于研究报告来说，一般分为行业研究报告、周报、公司深度报告和事件点评报告。
最常见的是事件点评报告，一般是公司季报、半年报、年报和重点公告的点评，由事件、点评观点和盈利预测组成，篇幅较短。
公司深度报告一般在20-30页之间，涉及内容包括但不限于公司所属行业分析（如宏观经济、行业概况、行业特征、行业政策、产业链分析、产业供需分析等）、公司分析（如股权结构、财务分析、同业比较等）和盈利预测。主要的资料来源为相关部委新闻报告、行业协会、咨询报告、行业重要网站、企业招股说明书、企业公告和企业年报。
其次，推荐求职者有机会去券商研究所进行实习，一方面是可以通过实践了解行业研究的工作，提早确定自己是否喜欢和适合；另一方面现在大部分券商通过实习途径招聘留任，正式招聘季的用人需求较少，因此实习成为进入券商行研的重要途径。券商行研实习，一是公开网申渠道，另外还有通过券商员工内推、海途内推网投行实习内推等各渠道。
最后，在笔试面试前，既要对于宏观经济形势有一定的了解，也要选定自己涉及或者感兴趣的一两个行业，提前搭好框架，重点是确定好分析逻辑。
这个过程可以通过阅读行业新财富排名靠前的券商研究深度报告实现，报告可以通过迈博汇金或者东方财富下属的choice资讯下载，公告可以在巨潮网查看。有条件的话建议和行业内的前辈多交流，听听他们对于整个行业的研究思路，这样可以大大节约时间。在面试过程中一定要对于自己写过的研究报告非常熟悉，能够用几句话概括出行业特点或者公司的投资要点。
4.行业研究员的未来
业界前辈给的几个方向是：基金经理、私募和资深研究员。但是如果像我这样的情况，在一家中小型券商的研究所且研究所担负着输送人才职责的地方，行业研究员则有着更加多样的选择路径，可以转向集团内的基金、资管、创新业务和私募子公司。
5.大券商还是中小券商
关于这个问题，我的建议是搞清楚你最想要什么。大部分券商没有留京户口指标，如果户口对于你是第一选择的话，那么可供挑选的券商寥寥无几，仅有中金、中信建投、银河证券、几家资管类券商和一些央企系下的小券商拥有有限的户口指标。而对于中信证券、国泰君安、申银万国和海通这样的大券商来说，成长、发展和薪资则是更大的诱惑，未来也有更多跳槽的机会。
作为行业研究员，既有那些工作两年通过自身努力改变命运年薪几百万的新财富新贵，也有兢兢业业十几年仍默默无闻写报告的资深研究员。网上盛传的行业研究员的一天，也真实地折射出这个行业过饱和的现实状态。研究所作为后台消耗部门，并不直接产生利润，因此也确实存在着人员流动大的特点，券商作为高度市场化的行业，竞争压力也不言而喻。
仅从卖方研究员处道听途说，卖方研究员每天睡4-5个小时非常正常，且没有正常的假日，需要随时关注市场动向和公司公告，联系调研和路演的过程也是一把辛酸泪。但是大家似乎又都在蛰伏等待，用他们的话来说：行情来了，挡都挡不住。不过在我看来，选择怎样的工作状态是个人价值观的体现，这是一个最好的行业，也是一个最差的行业，天堂与地狱只有一线之差。
首先，你是211本科+硕士吗？
如果不是，估计你可能做不了的。
其次，你要从助理研究员开始做起。
第三，研究员如果与股票挂钩，经常经常要夜里半夜写报告。因为白天股票公告没出来，你白天没法写。
第四，你有没有做主持人的经验。因为路演就是经常面对一大堆人，你一个人讲PPT行业研究员的三个阶段
在我个人看来，行研会经历三个阶段：基础fundamental、进阶professional和高级master。
1、基础阶段
该阶段行研应能达到以下三个要求：
（1）熟练认知所负责行业的基本特征，包括：行业整体供需状况以及市场在当前阶段对供需水平的一致预期，了解行业主要的技术经济特征，比如：是否具有规模效应，竞争的主要手段（如技术、品牌、渠道、管理）等；
（2）熟知行业估值的历史区间（纵向），并与当时的经营（盈利）状况有总体对应，或者说清楚行业的生命（景气）周期；
（3）熟知行业内主要公司当前的估值横向对比情况，对主要公司的经营状况有一定了解。该阶段行业一般从业在一年左右，应该已经经历了对行业基础数据和竞争特点的详细梳理，对行业及主要公司的纵向与横向估值状况了然于胸，推荐的标的往往主要是基于估值特别是横向比较进行。
2、进阶阶段（信息主导阶段）
进阶阶段行研所（应）的主要特征是：
（1）与一批上市公司（董秘或证代，甚至是总经理或董事长）及同行（买方&卖方）保持较为密切的联系，能够及时获取上市公司或行业整体最新的信息，包括但不限于：业绩大幅增长或下滑、资产重组、送配信息、技术突破、再融资、股权激励、增减持等；
（2）能够判断信息的价值并给出合理的推荐（强力、一般、持续、短期），对其中长周期信息能够及时跟踪其进度；
（3）如何判断信息的价值非常非常重要，这里给出几条帮助鉴别信息质量及价值的原则，可能并不完整，欢迎补充：
企业高管的利益与投资者一致：比如在再融资前、股权激励行权后（最好是离解禁还有一段时间）、公司大股东或高管大比例增持股份后、前次增发即将解禁前（这个力度稍弱些，视企业的责任心）等。这一点非常重要，因为企业释放利好的动机不同即使是同样的消息也会有截然不同的结果，比如有可能是高管股份解禁前拉高股价，随之而来可能有大笔卖出；
信息与行业及公司基本面不存在逻辑背离：比如有大额投资但公司实际上资金紧张（当年大龙地产巨资拍地被证明为是“地托”），号称技术突破但是缺少足够技术积累，号称业绩大增（大比例送配）但大股东或高管在减持，号称业绩大幅增长但同行业经营不佳且缺少足够个性化因素等等；
理性对比信息的收益与风险：经过前面的分析后，假定信息属实，也要理性对比信息所可能带来的收益和风险。我们往往会面临这样的局面，就是股价已经上涨了一定幅度，然后经过努力我们掌握了上涨的原因，这时该如何决策呢？这个很难给出单一的确定答案，大致可以通过计算“预期收益”以及“策略保护”的方法来平衡收益与风险。具体来讲，就是估计信息兑现的可能性与收益，并与失败的概率与风险进行对比，比如那些完全没有当前价值支持的重组类信息，在股价已经有所表现的情况下一旦失败风险巨大，投资需谨慎，而另外一些由于细分行业景气持续改善导致的业绩超预期消息，即使短期低于预期，只要行业景气持续改善，则仍有希望。另外还有一个操作策略方面的保护性动作，比如赌重组类的操作，首先是确定资金配置不能超过一定比例，其次是制定严格的止损纪律，这样就给自己加上了一层保护膜，使得最终推荐成功的概率更大。
重视信息兑现的时间，综合考虑兑现前时间内与市场整体的互动：有时候信息属实，但是由于兑现时间太久，期间大盘疲软，则可能造成提前止损，或者是信息出台的刺激力度低于预期，这要求我们不仅要广泛了解信息，还要对信息进度有密切及时的跟踪，并给出（或调整）相应的投资建议。
目前绝大多数的买方行研就是以进阶为努力方向，乐此不疲甚至以此为荣，特别是在市场活跃的时期这些行研往往能创造十分可观的收益，因此，作为行研，深入结交上市公司和同行，是非常重要的功课，建立自己的人脉网络，这是研究员不可划拨的无形资产。
如果信息覆盖率能够达到较好的水平，并且自身具备较好的判断能力，那么进阶阶段可以成为行研努力的最终目标，事实上绝大多数的行研也是以此为目标的。一般来讲，行研从业一年之后就开始从基础阶段向进阶阶段过渡，过渡期的时间与研究员的努力程度、个人性格等有很大关系，大致2-3年就可以完成过渡，并给投资经理很好的支持。
但如果要能够对操作策略和风险控制等方面都有很好的理解和建议，则需要与投资结合非常紧密，比如某些基金公司把行研也作为行业基金经理对待，或者像交易部目前试行的对成熟些的行研给予少量仓位试验，这个过程应该至少持续2-3年，行研经历了行业自身以及市场的完整周期，才能对实际操作和风险有更深更全面的认识。再其后行研把该行业经验向其他行业复制，并经过实际锻炼，成为组合投资经理。当然，这些时间段都是我个人的经验判断，具体进程可能会有很大差异，但我相信这个大致的整体进程应该是这样的。
3、高级阶段
成熟的进阶阶段行研已经是很高的要求了，但如果说对行研有一个终极目标，我个人认为还有一个高级阶段（事实上我个人觉得是个大师级要求，大家继续看吧）。其特征为：
（1）对行业发展规律有极深的理解：这种理解除了认识行业自身的技术、供求等特点外，往往还需要对行业的宏观环境和长期因素有深刻的理解，甚至是对整个社会政治经济文化环境的当前特点与发展方向有准确的判断。最典型的例子体现在资源和品牌消费行业，站在当前我们可以清晰地看到过去5-10年中国产业层面有两个特点最为引入注目：
一是资源价值重估：上游资源行业谈判能力越来越强，侵蚀了中游行业不少的利润，自身利润更是几何式增长；
二是消费大升级：品牌消费特别是带有一定垄断性质的高端消费品（典型如白酒）经历了近10年的“旺季”。如果能够对这样的大趋势有准确坚定的判断，那么即使不靠消息（甚至要避开若干消息的噪音），一样可以赚取巨额财富。即使是放到更小的周期，诸如09年初的煤炭、10年上半年的航空、10年下半年的工程机械与水泥等等，如果判断准确并且坚定，收益也相当理想。
（2）对公司估值和风险有纵向和横向的清晰把握，在公司的经营拐点有准确坚定的判断。这主要是指非周期行业，典型的例子有如在2003年左右发掘烟台万华（那时的万华应该是非周期的）、贵州茅台、中集集团，近年的洋河股份、山西汾酒、中恒集团，以及大部分时间的张裕、三一重工等等。
能达到这一阶段的行研是比较少的，因为不仅需要有判断能力，还需要有极强的自信心，而信心的积累肯定需要成功的实践，所以成长到这一阶段的行研数量少，需要的时间也更长，但这种行研为投资经理甚至机构整体的贡献是巨大的，甚至可以不夸张地说，可以改变自己乃至若干人的人生轨迹，因此是每个行研努力的终极目标。
如何成长为更好的行研
根据亲身经验和观察交流，个人认为行研成长需重视以下三点。
1、打牢基本功
不要认为基本技能对应的就是行研的基本阶段，事实上，行研的高级阶段正是建立在对于行业和公司分析的最重要基本点的深刻理解之上，我们会看到不少报告中频频出现诸如“长尾”、“博弈”等新鲜词汇，但最终我们发现，正是最为基础的竞争优势、财务和公司治理的分析，决定了行业景气和公司价值。我们对行业供求和公司治理等方面的疏忽，往往是对毛利率以及公司可信度等方面判断错误的原因，正如在篮球比赛中，决定比赛成败的，往往不是拉杆式扣篮，而是娴熟得接近本能的挡拆与三分远投。
（1）行业分析与企业管理
推荐波特《竞争优势》，多年下来发现还是这个经典模型最全面和好用；
（2）财务
推荐CPA教材的《会计学》和《财务管理》，也有人推荐罗斯的《公司理财》。从实践来看，能够把 “杜邦分析”娴熟使用，从而面对任何的投资与并购行为，都能快速反应到相关的财务指标是非常重要的。我们经常会发现，对业绩的高估来源于景气下降时对毛利率的弹性估计不足，或是对清理库存的损失估计不足，或者，我们重点分析了收入和毛利率，但是最终误差出现在不断膨胀的管理和财务费用。有多少人能够自信地说，对于行业景气和周转率、库存、现金流以及毛利率和管理费用率等指标，自己已经建立了一个清晰的分析框架或模型了呢？
（3）投资
投资与前述价值分析的差异在于引入了与股价的比较，个人觉得这个最难。价值是相对稳定的，而价格波动性很大，行研存在的基础是假定“价格围绕价值波动”，虽然有的时候波动幅度有点过大，但这不能作为动摇前者的理由，否则我们的存在就没有价值。
投资（技巧）类的必须技能包括：
如何分析公司价值，这个我们前面已经讲了很多；
如何衡量和利用市场的情绪，在股价低于价值最深的时候买入，在股价高于价值最多的时候卖出，比如很多判断市场情绪的现象、指标等；
如何最优化（保护）我们的投资，比如集中或分散、止损止盈等。
但是很遗憾，除了经典的巴菲特、费雪和少数技术分析书籍，对后两者我也没有合适的推荐。南方基金投资总监邱国鹭在微博中有一些不错的总结，可以借鉴，但还不算很系统和完整。我建议大家还可以看一些行为金融和决策学方面的基础书籍，比如一些很简单的决策方法如“最小后悔法”等，可以帮助投资者保持心态稳定，《行为金融》的经典是福克斯的，《金融心理学》可能也会有所帮助，推荐特维德的，但也有人说很一般。
2、建立投资盈利模式的基本框架
借鉴前辈的总结及个人经验，投资的盈利模式有以下四类：
（1）持续成长
成长类投资的关键在于选股，选股则要兼顾市场空间、公司竞争力（技术、规模、管理、品牌、渠道等）以及公司治理，其中公司治理尤为重要，因为成长投资一般来讲时间相对长，无论对行业与公司跟踪如何密切，行研总还是个“外部人”，作为“内部人”的上市公司高管，一旦不能确认其诚信，他们要想忽悠研究员是很容易的一件事。
（2）景气反转
景气投资的关键在于判断景气，相对而言选股的重要性弱一些。其特点是弹性大（无论业绩还是股价），容易产生盈利惊奇（可能高也可能低哦），关键点是要选出并十分十分密切地跟踪景气指标。要做到这一点并不容易，但世界上又有什么钱是容易赚的呢，成长类投资要有千里眼，于万千股票中选出最有能力最靠谱的来，景气类投资则要有顺风耳，随时准备成为惊弓之鸟。
（3）事件驱动
事件投资的关键是信息和判断，缺一不可，另外对操作的要求也比较高。事件驱动投资的基础是要有广泛的信息来源，这很多是“功夫在诗外”，研究员可能会抱怨自己又成为“三陪”了，认命吧J。但只有信息没有判断肯定不行，缺乏理性判断的信息有时会成为“噪音”甚至是“毒药”，而判断的标准有两个：一是信息源的可靠性，比如其透露信息的动机，历史上信息的准确性等；二是信息真实或虚假时对股价的影响有多大，可以借用我们前面提到过的“预期收益法”进行分析。此外时间因素也很重要就不再重复了。
（4）主题投资
主题投资很容易与价值投资相混淆，很多时候“先成功后失败”的价值投资就是主题投资。主题与价值的差异在于：狂热性和阶段性。狂热性是指该主题广受追捧，龙头股或许是主业与主题相关，边缘股票则可能只是一个概念，比如产品刚刚开始立项或是只有孙公司少量涉及等，另外狂热还指有些时候炒作概念并不要求业绩，至少短期不要求业绩，远期则还看不清楚；阶段性是指主题炒作往往是集中在某个阶段，过了这个村，哪怕你抱着纯正的龙头股甚至产生了一些业绩的时候，股价都再也进不了那个店门了。当然也有少数的主题投资转化为成功的价值投资，比如网络股时代的三大门户，虽然在泡沫破灭时股价都跌到过几毛钱濒临退市，但后来都远远超越了泡沫高峰时的最高价，但这种例子实在是太少了不足为据。主题投资既要有景气类投资的敏感，又要有事件类投资的信息广泛，但最关键的是敢于“始乱终弃”，该胆大的时候色胆包天义无反顾，该撤退的时候铁面无情，别让一夜情发展成天长地久，唉，真的有点分裂，一般人还真做不来那么彻底L。
这四类模式很容易理解，但人最难是自知，即每时每刻都清楚地知道自己玩的是什么游戏，游戏的规则是什么，什么时候要忠贞不二，什么时候逢场作戏，这样才能如鱼得水游刃有余。
3、能力建设与持续改进
以上我们给出了行研发展的三个阶段，以及一些技能要求，那么行研该如何建立并改善自己的能力呢？除了勤奋和扩展人脉之外，我还想推荐一些个人认为有益的思维习惯，可能有些抽象，但句句都是经验（或教训）之谈。
（1）建立自己的锚
有一句网络流行语，“有逻辑的研究员你伤不起”。我前面帮助大家梳理了一个基本的盈利模式框架，同时反复强调基本功的重要性，是希望大家建立起自己对行业、公司以及投资建议方面的分析框架，并且在框架的每一个结点上都很清楚其需要跟踪的要点是什么。唯有如此，我们才具备了持续改进的基础，虽然搭建框架并不容易且需要时间检验，但一旦框架被证明有效，那么我们的投资生涯就有了“锚”，总体来讲不会犯太大的错误，也不太可能错失重大的机会。
（2）建立定时检验机制
靠“锚”来分析和投资一定是正确的，但是期待一套既定的“指标体系”来明确指导投资也一定是幼稚的，就像虽然船有了锚但并不能总是泊在固定港口，所以还必须建立检验和持续改进的机制。最简单的办法就是每月、每季、每年把所负责股票的涨跌排行榜打印出来，“逐个”分析涨跌两端个股的原因，并与自己的“锚”相对照，是自己忽略了某些因素，还是“锚”本身出现了问题？同样，如果是已经向投资经理推荐的品种，更是要时时处处要反复检验，新出一个行业数据是不是朝着预期的方向发展，新出的公司公告是不是在预期之内？如果不符合预期一定要高度警惕，是不是自己的假设有问题，是行业景气反转了，还是公司自己管理不善，是仅仅时间低于预期，还是管理层有意在忽悠我，下一次的验证节点在哪里，预期会怎样？只有坚持这样的检验体系，你的投资才不会“出轨”，才不会被“雷”追尾。个人的框架体系也才能持续改进趋于完善。
（3）清楚自己在哪里
投资到底是艺术还是科学，这是个永恒的难题。就我个人的观点，投资很难用科学来完全解释，但也不能像艺术那样挥洒自如无拘无束。再精巧的体系也会有疏漏，所以我们的决策总是会面临一定的不确定性，如何处理这剩余的一些不确定性，我认为这是个决策的技术问题。这正如德州扑克，你可以赌，但是要随时清楚自己所处的位置，你有多大的概率跑赢对手，总体来讲前面我们所建立的“锚”可以帮助我们认清自己的位置，但这还不够，需要用设定好的技术性策略来应对剩余的不确定性，比如并不是在出现买入信号的第一时间就满仓，而是等待确认甚至是二次确认时才“梭哈”，再如满仓状态下第一次低于预期就减仓，而最重要的是坚决执行（合理的）止损策略等等，这些具体的策略与个人风格有关但仍有很强的技术性和规律性。
10. 数据挖掘学院
天善学院是一个专注于商业智能BI、数据挖掘、大数据等课程培训的平台。上海拓善智能科技有限公司旗下产品。