数据行业这几年发展迅速,出现了很多数据的工种,包括人工智能,机器学习,数据挖掘,数据分析,数据仓库,数据中台,数据流式计算等方向。
我几年前入坑的数分,由于门槛低,覆盖范围广,学习可广可深,受到天南海北万众宠爱于一身。当然,我估计大家选择数据分析的真实原因,还是认为数分技术门槛低,不太需要写代码,而自己又想进入互联网行业发展。然后在上面的原因下,给自己找出各种说服自己的理由,包括:
先说概况,再细节说:大厂缩招、小厂饱和、无名厂需求不大
今年,整个互联网不景气,原因我拆给你看。
互联网行业,智力密集型行业,随着核心业务和用户增长,边际成本不断下降,边际收益不断提高,正是这种网络效应,才备受资本青睐,也是热钱集聚地,因为有钱的人更恐惧金钱的贬值,希望钱投到增长最快的地方,可以承受前几年的巨额亏损,因为他们知道,当网络边际达到临界点,就会得到丰厚的资本回报。
以上,说的是资本喜欢互联网企业的原因。
但是,互联网公司的收入,90%以上直接或者间接来自广告收入,而广告收入来自于其他广告主的投放,而广告主每年的投放预算,都建立在经济或者行业稳定快速发展的前提下,而一旦增速放缓,或者有不可预测的因素出现,比如贸易战等不利好因素,那广告主自然会缩减营销费用,自然互联网公司也会首当其冲。
好,以上,你应该归纳总结出,最开始那三点,即:
数据分析在互联网行业中更多是属于通用技能,即使你不做数据分析师,不管你是做产品、运营、研发,还是项目、管理,基本上都需要掌握数据分析技能。
而且这是大趋势,市面上大多数的数据分析都是比较低级的业务分析工作,不需要专门设立新的分析岗位来负责,交给产品、运营的人做就行了;比较高级的数据分析,比如业务决策等还是比较少的,目前来说整个数据分析行业的专业深度还不够深。
如果你说的是数据分析师的地位,那就要先分一下类,企业中的数据分析师为运营和研发两种角色。
如果是运营类,数据分析都有前提目标,分析一场营销活动的转化效果、分析用户下载激活注册的转化率、分析某个广告渠道的下载量、每激活成本、用户留存情况等等,这些一般是不设专岗,往往ceo、coo、产品、运营同学把这部分工作各自承担了。
当然,如果公司组织结构很大,不排除单独设立,这时候需要你具备熟练操作数据分析工具、如mySQL、spss、python,甚至是报表呈现。
另外一个就是就是研发型数据分析师,一般就是据业务需求做数据埋点、监测,数据处理、报表呈现。高深一点的就是大数据分析、BI工程师、机器学习、个性化推荐了。
其实造成数据分析师地位不高的主要原因,就是不认同和价值缺失。
我们总说数据驱动业务,可平时看到的,却总是业务部门追着数据部门屁股要数据,而且数据分析的价值其实很难表现出来,领导不认同,同事不认同,甚至连自己都不认同,甚至会怀疑自己所做的事情是不是真的有价值,这种情况在企业中非常常见,做数据分析的人基本都会转做管理和运营。
这一方面是整个数据分析行业的大环境造成的,另一方面也是因为个人的发展有瓶颈,数据分析行业这几年吸引了太多人涌了进来,水平又都参差不齐,企业又都盲目做数据分析,趋之若鹜,你说这里面掺的水分能少吗?
水分是什么?
一是企业,表面上看好像什么企业都想要数据分析,你要明白,你们趋之若鹜的同时国内企业也在盲目随众,现在哪个企业不搞数据化改革、不搞数分平台建设?
其实你要问企业真的很需要吗?并不是。
很多企业就是招了一堆人天天做报表,当取数机器。如果你想做的是业务分析师,情况就更惨一些了,在大多数中小型企业和部分传统企业中,业务分析经常是被老板说没价值的,时间久了你自己都会怀疑自己的工作是否有价值。
二是求职者,主要是这个行业门槛太低了,换句说话,门槛不明显。可能很多人觉得学个r语言、学个python、学个BI就行了,其实用excel做统计都算是数据分析,所以数分的人多而不精。
别看行业里人这么多,真正达到分析师高度的人很少很少,大厂企业争得抢的是这样的人。
A:“我今年30多岁了,已经成家立业了,现在从事的是传统行业,干了很多年,想要转行做数据分析,不过之前完全没有接触过,属于纯小白。而且我不在北上广深杭成武这些一线城市,是小二线城市。”
建议:千万要慎重、慎重再慎重,不能因为一时冲动而裸辞,尤其是传统行业的中年从业者,进入数据分析行业很难有非常大的发展空间,而且还要抛家舍业,除非家底殷厚。
B:“今年25岁,也是纯小白,刚开始准备数据分析,想要进入一二线的互联网大厂工作。但是我没有相应的互联网实习经历,也没有参加过数据相关的比赛,准备自学。”
建议:如果是毕业生,校招的数据分析岗位竞争十分激烈,如果没有准备和相关经历,去3线小厂都难,建议选择其他岗位或者其他公司;如果不是毕业生,则应该一边做好本职工作,利用空闲时间进行学习,慢慢准备。
C:“21岁,是大学生,专业是计算机,但是不喜欢本专业和编程,想要进互联网大厂做数据分析。”
建议:这么小千万别立刻定义自己不喜欢某某东西,或许你是没有遇到合适的导师,或许你缺一次上手的项目,来让你喜上。如果真的不喜欢编程,那就不要考虑机会成本的问题,要不设置边际,重新探索合适的新方向。