大数据分析师这个职业怎么样？

做大数据分析师的前景怎么样？~

随着大数据技术在各行各业应用的越来越广，数据驱动智能产品和精细化运营已经成为企业经营的制胜法宝，相应地，数据分析师这个岗位也越来越受到关注，越来越多的小伙伴也转行做数据分析，因为大家不仅看到的是未来数据分析的发展前景，而且数据分析师的薪资待遇也很不错。


岗位缺口大，就业薪资高，而且这个岗位对学历的要求不是特别高，对经验的要求也不算严格，从而数据分析师，在大数据时代，迎来了黄金就业期。


数据分析师，这是数据分析职业的起点。有些企业则会根据自身所处行业特点，赋予数据分析师一些更具体的岗位名称，例如业务分析师、运营分析师、数据库分析师和财务数据分析师等。除了所处的行业不同、业务不同，对于技术来说万变不离其宗，所有数据分析师的最主要职能都是针对业务或运营问题或需求，去获取、清洗、分析数据，并呈现数据分析结果，辅助企业做出判断或决策。

近期成为月入两万的数据分析师的广告遍地都是，可能会对一些未入行的同学造成错觉。我个人感觉数据分析师这个岗位，可能近几年会消亡。

这不意味着这份工作本身不重要，而是说这份工作本身可能会转化为产品运营的一些必备技能，而不再需要单独特设人力去做这件事。或者说，不是再需要你学习SQL或者学习python，只是为了成为一名数据分析师。作为一名数据分析师，职业自身的壁垒正在不断消减，更加主动的拥抱业务，解决真正的产品和用户需求，或将成为未来的发展趋势。

数据分析师的日常工作

我们来看下预设中的分析师的一些工作场景，看看数据分析师核心的工作价值。

• 取数

• 数据清洗

• 数据可视化

• 统计分析

• 数据方向建设和规划

• 数据报告

取数 — SQL

很多人对数据分析师的预设是SQL达人，包括现在很多数据分析师的核心工作其实就是进行SQL取数。

这项工作的痛点和难点在于，我们为了得到一个结果，通常需要join很多的数据集，然后整个SQL语句就会写的特别长，而且可能会出现一些问题：比如join的表可能会出现key是重复的情况，造成最终的SQL结果因为重复而变得不可用。所以我们需要专人去专门维护各种各样的数据集，他们知道每张表应该怎么用。

但这个其实是关系型数据库遗留下来的产物——我们完全可以不需要join那么多的表。现在的分布式计算的框架，已经完全可以支持我们只保留一张大宽表，有需要的所有字段，然后所有的操作都在这张大宽表上进行，而且可以保证查询速度。这样数据分析最大的痛点已经没有了。至于你说大宽表里面存了很多重复的数据，是不是很浪费资源(关系型数据库之所以不用大宽表就是从存储空间和性能的trade-off角度考虑的)：放心，分布式存储本身是不贵的，而计算效率则是由分布式计算框架进行专门优化的。现在的计算框架计算的响应速度，已经可以在大宽表上可以很快的得到结果了。相比之下，多次join操作反而可能会更慢一些。

同时，现在很多公司的NB框架，其实都已经支持拖拽取数了，也根本不需要写SQL了。

此外，不得不说的一点是，SQL语句本身真的不难。可能如果你自己静下心来想学，一个周末的时间肯定能搞定。而资历老的数据分析师，并不会比资历轻的数据分析师，在SQL语句的写作上有什么本质的区别。以前可能还有一些小表join大表的trick，但现在计算框架大多都已经优化过这些了。所以即使是需要写SQL的场景，本身也是没有什么难度的。

所以，通过大宽表来解放数据分析工作的生产力。即使在一定要写SQL做join操作的时候，本身也不是一件壁垒特别高的事情。取数这件事儿，对于其他岗位的同学，就已经没那么复杂了。

数据清洗 — Python

数据清洗其实是很多强调python进行数据分析课程中，python部分的主要卖点。包括但不限于，怎么处理异常值，怎么从一些原始的数据中，得到我们想要的数据。

在日常产品需求过程中，这种需求的场景其实很小。因为数据大部分都是自己产生的，很少会出现没有预设到的极端值或者异常情况。如果有的话，一般就是生产数据的同学代码写的有bug，这种发现了之后修复代码bug就行。

数据清洗在工作场景的应用在于落表——就是把原始数据变成上面提到的，可以通过SQL提取的hive表。这个工作是需要懂代码的同学去支持的，他们负责数据的产出，包括数据的准确性，数据的延时性(不能太晚产出)等等。前文提到的生成大宽表，其实也可以是他们的工作。这其中就涉及到一些代码的效率优化问题，这个就不是简单懂一点python可以搞定的了，可能涉及到一些数据压缩格式的转化，比如Json/Proto buffer到hive表的转化，还有一些计算框架层面的调优，比如spark设置什么样的参数，以及怎么样存储可以更好的提升查询速度。

所以这部分工作一般是由懂代码的同学完成的。可能数据团队会有比较少数的同学，管理支持全公司的基础表的生成。

数据可视化 — Tableau

很多之前在数据分析做实习的同学，主要的工作内容就是在一个商业化的软件(比如Tableau)上，做一些统计报表。这样可以通过这些数据报表，可以很方便的查看到所属业务的一些关键指标。这些商业软件通常都比较难用，比如可能需要先预计算一下才能输出结果；而且不太好做自定义功能的开发。稍微复杂一点的需求场景，可能就需要一个专门的同学捣鼓一阵，才能输出最终的统计报表。

现在有更先进的套路了。

首先可视化。很多公司打通了前端和后端的数据，这样就可以通过网页查询原始的数据库得到数据结果。而现在很多优秀的前端可视化插件，已经可以提供非常丰富的统计图形的支持。而且因为代码是开源的，可以根据公司的需求场景进行针对性的开发，公司可以再辅以配置一些更加用户友好的操作界面，这样一些复杂需求也有了简单拖拽实现的可能。而且这些前端js代码都是免费的！对于公司来说也能省去一笔商业公司的采买成本。

其次很多商业软件，都是针对小数据集场景设计的。在一些大数据集的场景，一般需要先预计算一些中间表。而如果自己公司定制化开发的前端展示结果，就可以根据需要自主设置计算逻辑和配置计算资源，先在后端进行预计算，前端最终只是作为一个结果展示模块，把结果展示和需要的预计算进行解耦。这样就省去了很多中间表的产出，也会更加快速的得到想要的业务指标，快速迭代。

所以可视化数据的工作量也会大大减少。而且会变成一个人人都可以操作，快速得到结果的场景。

统计分析

对于一名数据分析师而言，统计学分析可能是一块知识性的壁垒。尤其是在现在ab实验成为互联网公司迭代标配的今天。需要把实验设计的那套理论应用起来：比如ab实验进行后的显著性检验，多少样本量的数据才能让这个结论有效可信呢。

但是，你我都知道，经典的统计分析其实是一个非常套路性的工作。其实就是套公式，对应到代码层面，可能也就一两行就搞定了。这个代码的统计分析结果可以作为ab平台的指标展示在最终的ab结果上，大家看一眼就能明白。即使是对那些可能不知道显著性是什么意思的人，你可以跟他简单说，显著了才有效，不显著就别管。

这么一想是不是其实不怎么需要投入额外的人力进行分析？

其他数据相关的工作

数据层面的规划和设计。移动互联网刚刚兴起的时候，可能那时候数据分析师需要对每一个数据怎么来设计一套方案，包括原始的埋点怎么样，又要怎么统计出想要的结果。但现在大部分已经过了快速迭代的时代了，新产品的埋点添加可以参考老产品，这就意味着形成套路了。而一旦形成套路，其实就意味着可以通过程序直接完成或者辅助完成。

数据报告。那就真的是一件人人都能做的事情了，试想谁没在大学期间做过数据报告呢？以前只是因为数据都是从分析师产出的，而如果人人都能取到数据的话，数据报告是不是也不是一个真需求呢？

在我看来，数据分析师这个岗位的天花板和其他岗位相比起来是比较低的。可能工作一两年之后，从岗位本身就已经学不到什么额外的工作知识了。主要的工作内容技术含量不是特别高，技能性的更多的是一些可以简单上手的东西，而且做的时间长了，在这些技能性的事情上得到的积累并不是很多。

数据分析师更像是一个在时代变迁过程中的一个中间岗位：我们从一个基本没有数据的时代，突然进入了一个数据极大丰富的时代，在这个过程中，我们都知道重视数据。那怎么能够利用这个数据呢？可能之前的那一帮人并没有太多的经验，于是老板就招一些人专门来研究一下它，同时做一些底层数据的优化。

经过多年的迭代，现在互联网行业的每个人都知道数据的价值，也大概知道了什么样的数据是重要的，怎样可以更好的挖掘数据背后的价值。同时底层的基础设施也已经支持可以让一个之前没有经验的同学可以快速的上手得到自己想要的关键数据。这时候对于一个职业数据分析师来说，他的任务就已经完成了。就如同当人人都会讲英语的时候，翻译其实也就没有存在的价值了。

此后的数据分析工作，可能不再是一些单独的人做的工作。它会变成一个产品和运营的基础工具，而且足够简单，没有取数的门槛。只是产品运营怎么样可以更好的认识数据，通过数据本身更好的配合产品运营的工作，这已经超脱我们一般理解的数据分析师的工作了，而是一个产品运营分内的工作。

对于那些已经在从事数据分析师岗位的同学来说，建议不要把心思全部投入到数据分析的本职工作上，以完成任务为核心KPI。而是不要给自己设置边界，多从用户的角度思考问题，不要因为是产品运营的工作就不去做了。数据分析师这个职业发展到这个阶段，要么做更加底层的数据建设，要么拥抱业务，最大化的发掘数据背后背后的价值。不要再死守着数据分析的“固有技能”沾沾自喜了。

数据本身的价值是无穷的，作为数据分析师，你们已经先人一步的掌握它了，要有先发优势。你们最接近数据的人，是最可能发现用户的宝藏的人。

大数据分析师是做什么的？
阿里巴巴集团研究员就曾表示，“大数据分析师就是一群玩数据的人，玩出数据的商业价值，让数据变成生产力。”而大数据和传统数据的最大区别在于，它是在线的、实时的、规模海量且形式不规整，无章法可循，因此“会玩”这些数据的人就很重要。
据报道，在美国，大数据分析师平均每年薪酬高达17.5万美元，而国内顶尖互联网公司，大数据分析师的薪酬可能要比同一个级别的其他职位高20%至30%，且颇受企业重视。
数据分析越来越受重视，企业开始倾向聘请在数据存储、检索和分析方面有所长的人才。对拥有这项技能的人来说，现在的形势可谓是一片大好。
大数据分析师岗位要求？
大数据分析师更注意是对数据、数据指标的解读，通过对数据的分析，来解决商业问题。主要有以下几个次层次：业务监控、建立分析体系、行业未来发展的趋势分析。
主要技能要求：数据库知识（SQL至少要熟悉）、基本的统计分析知识、EXCEL要相当熟悉，对SPSS或SAS有一定的了解，对于与网站相关的业务还可能要求掌握GA等网站分析工具，当然PPT也是必备的。
为什么选择大数据分析师？
现如今大数据将又一次引领技术变革的大潮，大数据产业已逐步从概念走向落地“大数据”和“虚拟化”两大热门领域，并得到广泛关注和重视，90%企业都在使用大数据，而大数据高端软件类人才供应远不能满足时代的发展。
你是否已经意识这是你人生中的一个重要转机？能不能抓住这个时代的机遇，就在于你对大数据信息的应用和获取。而如何成为大数据时代的弄潮儿，掌握当下最紧缺的软件技能是关键！谷歌、阿里巴巴、百度、京东都在急需掌握hadoop技术的大数据人才！无论你精通大数据的哪一项类，都将在未来职场脱颖而出！
经典IT技术王者数据分析的出现，西线学院即可满足你的新期待。从此，你不必再去苦苦追赶最新的IT技术。选择西线学院，轻松助你稳做IT界稀缺级贵族人才！

未来人才缺口150万，大数据分析人才最稀缺。先看大数据分析人才缺口有多大? 根据LinkedIn(领英)发布的《中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是当下中国互联网行业需求最旺盛的六类人才职位。

其中大数据分析人才最为稀缺、供给指数最低。

现在的时代就是大数据时代。这就是需要大数据来发挥作用了。大数据的分析应用，可以为一个公司、一个企业、一个地区的未来发展规划起到一针见血的作用。

随着大数据的火热，关于大数据分析师的职业领域也越来越多，想在大数据分析领域占得自己的一席之地，可以说，大数据分析师前景是非常乐观的，也是发展巨大的。所以我们对大数据分析的前景大可不必担心。

大数据计算技术可以完美地解决海量数据的收集、存储、计算、分析的问题，所以以上的种种社会现象、互联网现状无一不在推动着大数据行业的快速发展。大数据分析师的缺口很大，未来发展空间很好。
大数据产业的发展离不开国家政策的支持，国家对大数据的战略政策制定和实施，也成为大数据市场不断发展的有力条件。

---

阿勒泰地区18226256375： 大数据分析前景好吗?？
云茅头孢： 数据分析的发展前景挺不错的.因为每个企业都需要数据分析师,特别是集中在保险、银行、电子商务企业、零售业等行业,而且数据分析师也可以跨行发展,只要肯学习以及有潜力的话,发展方向也是有不同的.

阿勒泰地区18226256375： 女生转行做大数据分析师怎么样? - ？
云茅头孢： 至于你说的女生适不适合做大数据方面的工作,我觉得只要你想做,你认真学,技能达标都ok.又没有规定只能男孩子来做!工作大致分为以下5类1、数据挖掘师/算法工程师 做数据挖掘要从海量数据中发现规律,这就需要一定的数学知识,最...

阿勒泰地区18226256375： 数据分析师这行业好做吗? - ？
云茅头孢： 不好做,需要对数字敏感, 一般人数学基础不好的话,对数字没感觉的.而且分析师对各种分析方法都要很熟悉,很多工作场景都是反复实验

阿勒泰地区18226256375： 做大数据分析,这个职业前景怎么样 - ？
云茅头孢： 前景当然不错,现在的企业逐渐开始重视数据的分析,并且国家逐渐开始提倡数据的公开,那时据分析师将是热门的职业.

阿勒泰地区18226256375： 数据分析专业怎么样?？
云茅头孢： 数据分析专业前景很广阔的.随着大数据技术在各行各业应用的越来越广,数据驱动智能产品和精细化运营已经成为企业经营的制胜法宝,相应地,数据分析师这个岗位也越来越受到关注,越来越多的小伙伴也转行做数据分析,因为大家不仅看...

阿勒泰地区18226256375： 大数据工资待遇一个月多少钱有哪些岗位 ？
云茅头孢： IT技术领域薪资一直是普遍偏高的,而IT技术中,大数据的薪资也是一直高居不下的.大数据平均月薪30.1k,达到IT行业平均月薪榜首.大数据薪资待遇怎么样工作方向不...

阿勒泰地区18226256375： 做数据分析员前景如何? - ？
云茅头孢： 前景还不错,不过光本科的统计学知识是不够的,我本科是应用数学,大学毕业工作中学了sql用来获取数据和数据处理,之后做数据分析,才开始重新拾起统计学知识,但数据分析最重要的是业务知识要特别熟悉,然后转了数据挖掘,要求就更多了,涉及很多数学知识,又开始自学. 总的来说,发展方向就是这样的,不过现在随着云计算的兴起,慢慢的大数据分析师职位开始出来,这就要求更高了,不仅挖掘的知识要求高,还要求较高的计算机知识和编程. 具体前景的话,举个例子,一个数据挖掘专家,8年以上经验,年薪怎么也得50万左右,现在搞数据分析的,2年工作经验的话,基本到1万月薪了

阿勒泰地区18226256375： 学习大数据的就业前景怎么样? - ？
云茅头孢： 在大数据时代,大数据的应用与开发逐渐发展成熟,企业越来越重视大数据开发技术,市面上相关大数据的岗位越来越多,况且大数据人工智能是未来大的趋势,就业前景还是很不错的.随着大数据开发应用的不断发展,有越来越多的小伙伴选...

阿勒泰地区18226256375： 数据分析师的前景如何? - ？
云茅头孢： 随着大数据时代的兴起,数据分析已经成为一个很火的职业了.可以从国家的新闻报道,政策(贵阳大数据),每年举办的峰会中可以看出.数据分析师的目的就是帮企业利润最大化,前景是很光明的,按照CDA数据分析师的总结和预测,数据分析师的薪资从10k开始不封顶,主要是项目越大,提成也越大,对应的待遇当然也更高.

阿勒泰地区18226256375： 大数据分析师好就业吗? - ？
云茅头孢： 大数据分析师很好就业的,一是,大数据是未来的方向,二来你需要学好大数据,这样才更有发展机会.