万字长文 | 数据分析师的机缘与挑战

本文摘要：作者：gongyouliu 微信号：liuq4360泉源民众号：数据与智能文章近1万字，阅读约1个小时，建议收藏。笔者本科、研究生学的都是数学专业，2009年事情后基本都是从事跟数据、算法相关的事情，算是跟数据分析渊源颇深。事情后，在2010年开始接触数据分析，2012年开始接触大数据，约莫有10年数据分析实践履历。通过多年的实践与总结，对数据分析有了一些思考和感悟。 这篇文章分享一下自己对数据分析职业生长的一些思考。

作者：gongyouliu 微信号：liuq4360泉源民众号：数据与智能文章近1万字，阅读约1个小时，建议收藏。笔者本科、研究生学的都是数学专业，2009年事情后基本都是从事跟数据、算法相关的事情，算是跟数据分析渊源颇深。事情后，在2010年开始接触数据分析，2012年开始接触大数据，约莫有10年数据分析实践履历。通过多年的实践与总结，对数据分析有了一些思考和感悟。

这篇文章分享一下自己对数据分析职业生长的一些思考。在《数据分析的价值》这篇文章中，笔者提到：作为数据分析师一定要从业务维度来思考和体现数据分析的价值。是否有业务思维，是否会从用户增长、用户体验、商业变现的角度来体现数据分析的价值是数据分析师的焦点竞争力。

有数据驱动意识、能够很好地从数据中发现纪律并充实使用这些纪律的公司才气够在猛烈的市场竞争中更好地生存下来。是否能够使用数据来驱动业务生长是公司的焦点竞争力。

数据分析不是一个新生的职业，可以说从人类发现盘算机开始（甚至更早）就有了数据分析，特别是2006年大数据时代到来后，数据分析变得异常火爆，数据分析师的人为相对较高，人人都想从事数据分析。最近4、5年随着人工智能、区块链等新的技术热点的泛起，大数据行业逐步归于平静，数据分析行业回归到了理性状态。不管是未来想从事数据分析的结业生，还是想转行做数据分析的职场人士，亦或是正在从事数据分析的从业人员，大家肯定会关注数据分析这个行业的未来生长。

所以，这篇文章我就来说说数据分析职业生长相关话题。本篇文章主要从数据分析的时代配景、数据分析师的机缘、数据分析师面临的问题与挑战、数据分析事情的建议、数据分析师的职业生长等5个方面来先容数据分析相关的话题，期望本文可以给从事数据分析的同行或者期待进入数据分析行业的读者提供一定的参考和借鉴。

一、数据分析的时代配景数据分析需求其实很早就有了，纵然不借助盘算机也是可以做数据分析的，最早导弹发射的弹道盘算就是接纳盘算尺算出来的。当盘算机泛起后，有了电子表格软件，数据分析就越发容易了。

最早的电子表格软件是美国莲花公司的Lotus，该公司不敌微软，在与微软的竞争中败下阵来，最终被IBM收购。大家熟知的由微软开发的Excel是电子表格软件的佼佼者，险些统治了整个电子表格软件的市场。

Excel很好用、很实用，通例的数据分析与数据可视化都可以轻松应对。随着移动互联网的生长，数据量指数增长，数据的形式也越发多样化，泛起了种类繁多的非结构化数据（如图片、音频、视频、网页、富媒体等），这时处置惩罚数据就没有那么容易了。

2003到2006年间，Google揭晓了3篇具有划时代意义的大数据论文，标志着大数据时代的到来。真正让大数据火起来的触发点是2006年Doug Cutting开源的Hadoop软件（参考Google其中一篇论文的思路开发而成），这之后全世界的开源孝敬者围绕Hadoop构建了一系列的大数据组件，大数据逐渐形成了一个庞大的生态系统。从2007年到2016年的近十年时间，是大数据生长的黄金十年，人人都在谈论大数据，基本每家互联网公司都在招聘大数据分析师。

大数据场景下的庞大业务分析让（大）数据分析这个新生的职业为公共所认可和接受。大数据时代的到来才真正让数据分析从小众到普通化，最终让数据分析走到聚光灯下。数据分析行业的火爆，是跟许多因素有关联的，总体来说，是科技生长和社会进步引领数据时代的到来。

这其中最重要的原因有如下3点：1. 移动互联网的兴起催生了大数据苹果在2007年公布第一代iPhone智能手机，标志着移动互联网时代的到来。移动互联网最大的特点是人人都可以实时在线，一部智能手机让我们可以毗连全世界。手机上的摄像头、麦克风、触屏等输入设备让我们很容易生产数据，可以说，每小我私家都是一部生产数据的机械。制造业的成熟及原质料价钱的下降，制造一部智能手机的成本越来越小，人手拥有一部手机成为可能，据预计全世界至少有50亿部手机在使用，这50亿部手机组成了一个庞大的数字化工厂，源源不停地制造数字化生产资料。

3G、4G及当前的5G技术的生长、成熟与商业化，让数据传输越发稳定、高效、快捷、廉价。互联网公司通过提供人们日常生活必须的（2C）产物让用户沉醉其中，源源不停地为公司生产数据，公司借助数据分析与挖掘技术，在更好地服务用户的同时攫取更多的商业利润。2. 大数据技术的成熟让大数据分析成为可能随着以Hadoop为焦点的大数据生态系统的完善，处置惩罚大数据有了更多、更好的方法和工具。

HDFS、HBase、Hive平分布式数据存储系统可以让企业可以越发利便、宁静、可伸缩地存储海量数据。Spark、Flink等一系列构筑在Hadoop之上的盘算组件让漫衍式处置惩罚大规模数据成为可能。随着数据堆栈和数据建模履历的积累，现在互联网企业基本都有了一套自己的数据堆栈系统，数据根据业务举行条理化存储，利便举行各种业务分析。数据堆栈建设完备的公司，90%以上的数据分析需求都可以用SQL来完成，数据分析师的事情也变得越来越简朴高效。

除了开源的大数据基础工具，云盘算公司和大数据的2B创业公司也提供了端到端的数据解决方案，数据分析酿成了一件很是容易的事情。现在的创业公司不再需要自己去搭建、运营、维护一套庞大的数据平台，只需要像水电煤一样购置数据服务即可使用。3. 公司自身生长依赖数据驱动举行决议互联网行业是一个构建在规模经济之上的、竞争相当猛烈的行业，产物更新迭代速度快。

只有快速迭代产物，更好、更快地满足用户需求，吸引足够多的用户关注与使用，获得快速增长，才气拿到融资、才气获得较好的现金流，否则很难生存下去。现在2C行业已经到了增长的天花板，竞争只会愈演愈烈。

怎么快速地获取用户、让用户多使用你的产物，以及怎么更好地举行商业化变现，是比力难题的事情，这需要科学的思考和决议。我们处在信息爆炸的高科技时代，行业关系错综庞大，牵一发而动全身，光靠拍脑壳决议是不行的，大脑有太多的主观性，会受到小我私家履历等外部因素的滋扰。单靠大脑思考往往无法正确决议，这时就需要借助其他更科学的方法与工具了，其中数据化决议是一种很是科学有效的思维工具，特别是Google在2000年将AB测试引入互联网企业后，开启了数据决议的先河。要举行数据决议就需要收集数据并对数据举行分析。

互联网企业自身生长的需要及大情况施加的竞争压力让企业对数据分析提出了更高的要求，企业越来越依赖数据化举行决议，从而驱动了数据分析行业的生长。上面从3个差别维度来说明晰在大数据时代下数据分析的重要性和迫切性，这就给数据分析师提供了绝好的生长机缘，有越来越多的数据分析岗位向社会敞开。我们在下一节来说说数据分析师的机缘。二、数据分析师的机缘我们在第一节3中提到公司对数据分析有很是大的需求，而数据分析，特别是大数据分析是最近几年才发作起来的，因此数据分析人才相对稀缺，求过于供。

凭据经济学原理，当人才求过于供时，价钱就上涨，因此，数据分析师的人为普遍会高于IT行业的平均水平。总体来说，数据分析师的机缘与优势体现为如下2点：1. 数据分析人才需求庞大，更容易找到事情从大的情况来看，随着移动互联网的发作，许多2C的互联网公司如雨后春笋般泛起，互联网公司竞争猛烈，需要靠数据来驱动，因此对数据人才的需求自然增多。前几年市面上招聘数据分析的岗位很是之多，虽然这两年由于大情况的影响，职位相对前几年有所淘汰，可是总体来看，还是相当多的。

从公司生长维度来看，现在的企业竞争压力大，通过数据化运营是一种比力好的技术手段，可以提升公司决议正确率，让企业少犯错误。数据驱动也可以更好地满足商业化需求。特别是AB测试工具的大规模使用，让数据驱动变得科学高效。

要举行数据化决议，就需要招聘相关的数据分析人才。企业运营也进入了数据化时代，未来数据化运营是企业最重要的一种运营手段，我们熟知的搜索、广告、推荐系统等都可以看成是数据化运营的工具（只不外是算法驱动的自动化的运营）。基于用户画像构建的精致化运营平台也是一类可以人工操控的数据运营工具。在数据化运营时代，对数据分析与数据运营人才的需求是极大的。

可以说互联网改变了整个社会结构，互联网也对实体经济造成了庞大的打击。现在许多传统公司都在做互联网转型，不转型就无法生存下去。而要做转型的第一步（也是最重要的一步）就是数字化，即将企业运营流程中涉及到的方方面面数据化。

数据化后才可以通过数据分析的手段分析流程中可能存在的优化点，挖掘数据中蕴含的经济价值，最终优化流程，提升生产效率，节约成本。传统企业在数字化转型历程中肯定是需要招聘大量数据分析相关人才的。当前2C行业已经生长到了瓶颈期，获取流量成本庞大，增长日益疲软，大的互联网公司（包罗BAT）在前两年就开始了2B转型（或者将生长2B业务作为焦点），2B转型很重要的一块是资助传统企业举行数字化革新，这些转型2B的互联网企业也需要大量懂特殊行业详细业务的数据分析型人才。国家也看到了数据化对社会运行、工业进步和经济生长的利益，进而从各个方面举行支持，包罗：给数据相关创业公司更多的税收优惠；国家支持高校开设数据分析专业，甚至是数据科学学院（现在海内有上百所高校设立了大数据相关的专业或者学院）。

前几年，科技媒体和国家焦点媒体对大数据相关工业和技术举行过大量报道，在这个历程中起到了推波助澜的作用。这些行动向企业传导出数据分析人才很是重要的信号，因此企业更迫切希望招聘到数据分析师。另有一个现实的原因是科技的生长也迫切需要数据分析人才。视频照相技术的进步，让生产图片/视频数据变得很是容易。

物联网与5G的生长导致更多的数据发生，数据也更容易传输。数据量的增大及数据处置惩罚时效性要求越来越高，这也间接催生了对数据分析师的强烈需求。

未来随着智能家居、物联网（无人驾驶汽车、智能音箱、智能设备、智能摄像头等）的生长、应用与普及，越来越多的设备接入互联网，这些联网的设备，时时刻刻都在发生数据，导致数据量发作增长，增长的数据需要举行处置惩罚，也从另外一个侧面也需要更多的数据分析人才。大数据与数据分析行业的火爆也催生了许多举行数据分析技术培训的知识变现型公司，这些公司也需要相当大规模的懂数据分析技术、有相关业务履历的培训师或者助理讲师。有了上面多重配景先容，相信读者也看得出，数据分析师是一个需求量很是大的职位，未来的需求只会更多，因此，数据分析师有更多的就业时机，更容易找到一份相关的事情。

2. 数据分析师的待遇高于行业平均水平我们可以将人才看成是一种特殊的“商品”（这里只是类比，没有贬低人的意思）。只要是可交流的商品（其实是人才的时间跟公司付给我们的人为举行交流，虽然不是等价交流），一定是满足经济学纪律的，这里满足的一个重要纪律是供需平衡。

当数据分析人才求过于供时，数据分析师的价钱（即人为）就会上涨。在大数据生长早期，数据分析人才是求过于供的 ，自然他们的人为相对较高。

移动互联网生长太快速，人才造就没有跟上，这也导致了人才求过于供。另外，在大数据时代，行业对数据分析提出了更高的技术要求。一般做数据分析是需要懂大数据技术的，常用的Hadoop、Spark、Hive等几多是需要熟悉的。这些新的技术生长历史短，在大数据早期阶段学习质料相对匮乏，要想完全明白透、学醒目，还是比力难的，因此有一定的技术壁垒。

一旦有了技术壁垒，掌握这种技术的人肯定是可以要到更高人为的。这也可以看成是大数据技术能力的求过于供。除了技术能力外，数据分析师也是需要有一定的数据思维和直觉的，同时还需要有业务意识、懂业务，可是数据思维/直觉好、懂业务的人还是不太多的。

一旦你具备这些能力，你就可以更好地产出业务价值，这样人为肯定会更高。三、数据分析师面临的问题与挑战除了上一节讲的机缘外，数据分析师未来还碰面临许多挑战。

这些挑战如果我们乐观应对，不停学习发展，能力会有极大的提升。如果只是为了完成任务，不欺压自己精进，未来几年之后一定碰面临比力大的职业发展风险。下面我们就对这些可能存在的问题和挑战举行说明，供读者参考，也希望可以警醒读者，在平时事情中要多思考、多积累，一定要有危机意识。1. 数据分析存在感不强数据分析师主要的事情是支撑业务部门，为业务部门提供种种数据用于业务决议。

业务部门提出的数据需求到底有什么价值，怎么发生价值，数据分析师往往是不知道的（业务方也往往不会跟你说清楚数据的价值在那里，他们一般只会找你要数据，有时甚至连他们自己也不知道这个数据到底有啥价值），许多数据分析师不太关注业务，也不屑于知道数据的价值在那里。如果我们不知道我们做的事情的价值在那里，一般我们会没有成就感。如果我们天天都做着没有成就感的事情，我们对事情的热情一定不会高，最终自己也会失去存在感。2. 竞争太猛烈数据分析行业在刚起步时，属于新兴行业，由于职位需求量大，许多刚结业的学生会实验应聘这一职位。

刚开始时，职位是求过于供的。后面随着大数据观点的普及与盛行，媒体对大数据行业的过分正向宣导，也让做其他偏向的人大量转行做数据分析，中国人比力从众，这部门转行的人还不在少数，这就让数据分析职位从求过于供逐步过渡到了供过于求了。

前面在第一节中提到，国家层面临大数据行业的支持，效果是上百所学校设置了大数据相关专业或者学院，这些学生结业做大数据的概率肯定会比力大，这就让未来几年大数据人才发作增长。虽然刚结业的学生技术没有那么强，可是他们年轻、听话、人为低、身体好、能加班。再说，数据分析的事情基本SQL都能搞定，刚结业的大学生纵然不熟悉SQL，只要经由一两周的培训就可以轻松胜任。

如果入行好几年的数据分析师去跟刚结业的大学生竞争基础的数据分析，一定是处于下风的。3. 可替代性强随着云盘算技术的成熟，主流的云厂商都提供了比力完善的数据分析型产物，从日志收集、数据存储、数据处置惩罚到数据可视化，一应俱全。现在的创业公司基本不需要自己去搭建数据分析平台了，直接采购云端服务就行。除了云盘算公司，另有大批做数据相关2B业务的创业公司也提供了定制化的、细分领域的数据分析工具供我们选择。

这些工具我们只需要会用，就基本能够解决事情中的绝大部门数据分析问题（基于完善的数据体系，现在绝大部门[90%以上]的数据分析事情都可以用SQL来完成）。这导致数据分析技术的不行或缺性严重降低，未来只做简朴的数据分析事情的数据分析师就类似于富士康工厂的工人，随时都有可能被刚结业的大学生替代。一般来说，数据分析师的事情比力零星、杂乱，不成体系，如果自己不在 日常事情中归纳总结的话，很难过到较大提升，没有焦点竞争力就更容易被取代。4. 数据分析技术要求更高随着智能手机摄像头技术的进步、4G、5G技术的成熟、以及视频类APP（如抖音、快手等）的火爆，整个互联网平台上发生了越来越多的数据，这些数据出现出越来越非结构化的趋势，数据种类也越来越多样化，这些数据包罗文本、图片、视频、音频、网页、社交关系等多种数据类型。

针对上面的庞大数据，处置惩罚方式也会越发庞大。音频和视频都有一套自己的数据处置惩罚方法，这些处置惩罚还涉及到专门的软件工具。因此，不光要懂SQL，未来的数据分析师可能还要醒目（至少要相识原理、会用工具）许多其他的数据处置惩罚技术。

这无形给数据分析师提出了更高的要求，事情也会越发有挑战。现在的数据分析更多是事后分析，也就是事情发生之后（用户在APP上完成了相应的操作）举行的分析。我们一般分析用户的行为日志，日志就是一种事后数据。事后分析主要包罗数据可视化（展示）、解释（对泛起的情况从数据层面举行说明解释）、归因（从数据中发现某个趋势或者事件泛起的原因）。

事后分析的最大缺点是事情已经发生了，我们将无法控制。另外一种更高级的分析方式是事先分析，也就是当事情没有发生之前提前做好准备，未雨绸缪。事先分析主要包罗预测类、预防类和决议分析。

数据分析只有做到了事先决议才算真正意义上的分析驱动业务生长。5. 需要有业务价值产出当数据分析行业进入成熟期时，企业会越发在意数据分析的价值产出。企业希望以数据驱动的形式快速迭代产物，发生更多的用户增长和现金流。这就要求数据分析师要以业务为导向，关注商业价值，而企业中的商业价值主要体现两大方面：一是与用户生长相关的，好比DAU、日活、留存等；二是直接与钱相关的，如发生收入、节约成本等。

其实生长用户、让用户留下来的目的也是为了变现，可以这么说，用户生长是跟商业变现正相关的。作为一个数据分析师，一切从业务价值上去思考问题自己就是很难的一件事情，更不用说大脑里时刻关注业务价值产出了。要有业务思维这要求数据分析师多接触业务、多思考业务，要多学习一些商业、产物、运营、心理、经济、社会、文化等跨学科的知识，而且能够活学活用，站在一个比力高的视角从全局思考。建议可以多看看一些商业的民众号文章、书籍，对你所从事的行业及相关重点公司要有所相识。

上面从5个维度解说了数据分析师面临的问题与挑战，虽然做好数据分析绝不简朴，也不代表没有方法可寻。在下一节，笔者就给读者提供几个好的建议，希望对大家的日常事情有所启发，如果能够资助到大家那就更好了。

四、数据分析事情的建议下面从思维转变、技术提升等2个角度来讲讲笔者自己的一些思考，这些思考也是给读者提供的建议，希望对大家有用。1. 思维转变其实人最难改变的是自己的思维，思维就像牛顿第一定律（惯性定律）一样，不受到一些外界的刺激是很难变化的。

如果思维改变了（转换成了正确的思维方式），你就乐成了一半了。要想成为一个（对公司）有价值的数据分析师，一定要从关注需求落地转变到关注业务价值实现。

下面4大思维是需要我们深刻明白并熟练运用的。（1）价值怀抱思维企业是一个商业机构，企业存在的目的就是追求商业价值，这是企业的基本。数据分析师作为企业中的一员，必须要关注价值产出，价值主要体现在2个方面：一是用户价值，主要包罗用户增长（激活、留存等）和用户体验（使用流通、操作利便等）；二是商业价值，主要体现在为公司挣钱（广告变现、会员变现、商品售卖等）和为公司省钱（优化流程、提升效率、淘汰资源浪费等）。

作为数据分析师，对于自己卖力的某个模块或者某个业务，不管是用户价值还是商业价值，一定要量化出来，只有量化的价值才是可怀抱的。量化的价值最好形成指标体系。（2）闭环思维数据分析师通过数据来驱动公司业务增长，数据的使用一定要形成闭环（提出问题 -> 给出解决方案 -> 方案上线 -> 方案验证 -> 问题复盘 -> 乐成解决问题或者引出新的问题），让数据驱动可以不停迭代下去，让（1）中提到的可量化的价值最大化。

互联网公司常用的AB测试技术就是一种比力好的工具，可以辅助数据分析师在控制风险足够小的情况下更好地做出正确的决议。（3）漏斗思维用户在产物上的任何一次有商业价值的操作一般是由几个相互关联的步骤组成的，这些步骤根据操作的先后顺序形成一个链条（如购物就可以拆分为浏览 -> 加购物车 -> 付款等几个焦点环节），链条后面的步骤依赖前面的步骤（每一步都有用户流失，看成一个漏斗可能越发形象）。

最后一步往往才是最关键的（即是真正发生商业价值的一步），为了让最后一步顺利举行，前面每一步都需要关注，特别是需要关注从前一步到后一步的转化，只有当每一步的转化率足够高时，才会有较大比例的用户发生最终的商业化行为（最终的商业行为的转化率是前面各个步骤转化率的乘积）。作为数据分析师一定要有将用户行为合理地拆解为漏斗的意识和能力，数据分析师的事情是通过数据化的方法，努力让流量漏斗在向下流动的历程中保持每一步都有较高的转化。

（4）遵循抓大放小的原则往往一个企业中需要做的事情是很是多的，有再多人的还是会以为不够用，这时一定要分出问题的优先级和主次。一般的原则是在资源可控的条件下，基于公司当前大的目的从所有具备业务价值的需求中选择最匹配公司当前目的的需求，这类需求一般是最重要的，凭据二八原则来选择最重要的2-3个需求作为当前的焦点需求。怎么判断需求的价值其实也是数据分析师的焦点能力之一。未来企业运营（用户运营、产物运营、流量运营等）的趋势一定是越来越个性化、自动化、智能化、实时化的。

数据分析师需要有这种意识，在事情中需要借助其他团队提供的种种工具（推荐系统、算法、实时盘算等），让业务朝着这4个偏向转变，让业务价值获得最大水平的提升。2. 数据分析师的技术提升数据分析师最频繁的事情是取数并对数据举行可视化，基础的技术需要熟练使用Excel、SQL、数据可视化技术（如Tableau）等。

在成熟的互联网公司，一般90%的数据需求是可以用SQL实现的（传统公司用关系型数据库、互联网公司一般用Hive数据堆栈，这些数据都可以用SQL来查询）。Excel一般大家都比力熟悉，可以说，只要是熟悉SQL，数据分析师在技术上就是胜任的。

如果能够掌握Python数据分析技术或者Spark等大数据技术那就更好了。除了上面提到的基础技术要很是熟悉外，数据分析师还需要学习一些更高阶的技术。好比常用的数据分析方法论，如留存分析、漏斗分析、归因分析、路径分析、热力分析等。另外，前面也提到，未来的数据分析师需要做许多预测性的事情，这就要求数据分析师掌握常用的数据挖掘模型，如分类、聚类、回归等。

总体来看，未来数据分析师要想在这个行业做得好、做得深入，具备不行替代性，一定要注意如下4点：时刻关注用户价值、关注商业价值；技术上要深入、精进；数据分析的事情要从事后分析进化到事先预测；对所从事的行业要有深刻的意会和洞察，需要关注细分领域，关注行业动态；五、数据分析师的职业生长在本节我们来说说数据分析师的职业生长问题。数据分析师的职业可以从如下几个偏向来拓展，这些偏向的职业前景我会做简朴先容，希望可以给读者提供一些参考和借鉴。第一个可选择的偏向是数据开发工程师，就是做偏底层的数据基础设施的开发，如构建数仓系统、搭建数据分析平台等。这类职位一般要求编程能力好，这样才气实现数据基础设施的种种功效。

该偏向虽然对技术要求颇高，可替代性不强，可是随着云盘算的深入生长与成熟，云平台会提供越发完善的数据基础设施，未来的企业一定会用数据分析的云基础设施而不是自己去搭建数据分析基础架构（未来的竞争太猛烈，公司只有做轻才气跑得更快，否则很容易被自己给拖死）。因此，该职位未来会越走越窄，只有云盘算公司、做数据基础设施的2B创业公司及少少数将数据平台作为焦点能力的中型公司才会提供这类职位，笔者是不建议往这个偏向转的。

第二个偏向就是专门的数据分析师，即所谓的取数工程师（被大家戏称为“表哥”、“表姐”，因为天天跟种种数据表打交道）。在数据基础设施和数仓构建比力完善的公司，绝大多数数据分析的事情都可以用SQL来完成，因此，这类职位只需要熟练使用SQL就足够了（固然还需要对平台中的种种表、表的字段很是熟悉，而且对业务有一定相识）。SQL好基本就可以很好地应付种种数据需求了。

该职位的日常事情主要是取数（可能还会有数据可视化的事情，如使用Tableau、第三方BI工具或者自己公司自研的可视化工具做数据报表等），这类事情没有太大的挑战，一个刚结业的大学生，只要经由不长时间的培训就可以熟练使用SQL，因此可替代性很强，绝不夸张地说，这类职位就像是富士康生产流水线上的工人，随时都有被替代的可能。所以，笔者是不建议将取数工程师作为自己恒久的职业生长偏向的。

前面两个职业偏向基本是不直接接触业务的，数据开发是构建数据能力平台，取数工程师是为业务方提供需要的数据。第三个笔者比力推崇的偏向是商业数据分析师，这个职位是直接面向业务的，数据分析只是其中的工具，目的是使用数据分析工具分析挖掘用户行为，使用数据来举行决议，提升产物的商业价值（用户增长、用户留存、为公司挣钱、为公司省钱等）。这类职位一般会直接卖力某一个商业维度的KPI指标，因此是可以直接看到自己的价值产出的。这类职位的主要事情是举行业务分析，寻找解决方案，使用数据作为工具，更好地举行商业决议。

该职位需要对行业、对产物、对用户心理、对渠道生长、对运营、对变现等多种跨领域的知识比力熟悉，要有思想，有解决问题的思路，有价值驱动的意识，需要多实验，通过借助数据分析更好地、低风险地举行决议，最终提升商业指标。商业数据分析师一般包罗数据产物、数据运营、大数据团队中直接卖力某类商业化偏向的数据分析师等，这几个偏向是笔者强烈建议读者未来应该从事的。未来公司一定是很是关注商业价值产出的，因此商业分析师是直接跟公司的目的一致的，更容易看到自己的价值产出，做得好是很是容易获得公司的重用的，也更容易升职加薪。固然做数据分析师未来还可以往CDO（首席数据官）、CIO（首席信息官）等更高阶的职位生长，这两个职位属于公司的高层了，因此是更难、更好、更有挑战的偏向，相应地，对员工的综合能力有更高的要求。

作为一个数据分析师，当事情年限比力长了，如果还是做取数的事情，还看 不到生长前景，可以往销售、项目司理等偏向转行，这是万不得已的选择。如果可行，笔者还是希望数据分析师转向商业分析师，小我私家以为商业分析师是未来的趋势，是数据分析师最好的归宿之一。总结在移动互联网时代，任何小我私家和企业都离不开数字化技术，在数据量指数增长的同时，对数据举行分析处置惩罚的需求发作增长，这给数据分析师缔造了绝好的时机。同时，由于数据分析事情的性质及中国整个大情况的影响，数据分析师竞争压力大，可以替代强，不太容易发生业务价值，这给数据分析这个行业提出了庞大的挑战。

可是，总体来说，数据分析肯定是一个好的职业选择。未来数据分析师一定要懂产物、懂用户、懂商业，能用数据分析服务好用户、发生商业价值。数据分析师一定要朝着贴近业务、贴近商业价值的偏向生长，商业数据分析、数据产物、数据运营可能是未来数据分析师最好的职业选择。

如果你正在从事数据分析或者准备从事数据分析，你需要提前做好准备，因为时机只会留给充实准备的人。在这篇文章中，笔者基于自己多年的履历和对数据分析行业的思考，谈了对数据分析未来生长的思考，期望给从事数据分析和想转行数据分析的读者提供一份参考指南，更好地指导大家思考数据分析的价值，提前做好准备，在未来猛烈的竞争中赢得先机。

本文关键词：万字,长文,巴黎澳门人娱乐网站,数据,分析师,的,机缘,与,挑战,作者

本文来源：巴黎澳门人娱乐网站-www.js-gold.com