利用python求职数据分析工作，重要的不只是技术

今年的 Python 的热度居高不下，其中一个主要原因，是数据分析带起来的。很多岗位都人人自危，而企业对数据分析师的需求却在不断上涨。这是今年 10 月的数据：

数据分析入门相对简单，而初级岗位薪水却高于同类均值，同时应用广泛、天花板高。因此学个 Python 转行数据分析师，成为不少人的首选。尤其是数字时代，即使是非数据类岗位，也必须掌握基本的数据分析技能和“数据思维”。

想做数据分析的人不少，但企业想招一个理想的数据分析师却并不容易。

上周，一位 HR 朋友向我抱怨。她说最近在招数据分析师，看到一份简历感觉挺好：会 Python、会 SQL、会 Tableau……但面试的时候，候选人面对一张数据表分析半天，却没得出什么有用的结论。

面试到最后，候选人问：学了如此多的技术，还是很难胜任工作，我还要学点什么呢？
出现这种问题，其根源就在只学了 Python 等各种技术，但缺少数据驱动业务增长的思维，以及真实的项目实战经验。

要知道，老板要的不是花里胡哨的图表，而是能带来业务增长的具体方案。因此一个让老板舍得花重金聘请的数据分析师，要有足够业务敏感度、能在数据中获得深刻洞察。

前两天一个 Python 写得很溜的朋友找我，说最近压力很大，我问他哪来的压力，然后他甩给我一张公司群聊的截图：

同事的一段话，把自己想提加薪的计划直接噎回去了。

再举个例子，汇报工作时，向领导表达销售额略有增长的意思：

• 表达一：相较于上个月，这个月销售额略有增长。
• 表达二：销售额环比增长12%，领先竞争对手4个百分点。
• 表达三：近三个月销售额增长率分别为9%、15%和12%，其中线下销售额基本平稳，销售增长主要由线上业务带来。下一步可以在线上新用户转化流程上多做优化，同时减少线下投入。

如果你是领导，你更青睐于哪一种？

据英国一项职业调查研究显示，掌握数字力的员工，在收入方面，高于普通员工30%；在失业率方面，低于普通员工50%。

想成为稀缺的高薪数据分析师，你就要对数据足够敏感，这样才能亲自操盘数据驱动业务增长的全流程：

所以只会写 Python 是难以做好数据分析的。这就像背了几千个单词，就想和外国人谈笑风生一样，很不现实。