最实用数据分析师准备之路

最近在关注知乎上大数据相关话题，发现很多在校大学生或者已在职场人士都对数据分析师感兴趣，将来想从事数据分析或者转行数据分析，所以大家的问题比较集中在如何准备，需要学习哪些技能，从问的问题中发现这些数据分析爱好者存在一定的误区，同时对很多热心人的回答中也有部分不同的观点，作为在大数据领域工作10多年的从业人员，也是专门写下这边文章（本文更多是基于互联网公司经验）。

今天主要从下面五大板块进行介绍

一. 市场需求&待遇
二. 岗位介绍
三. 日常工作
四. 必备技能
五. 职业发展路径

一. 市场需求&待遇

从知乎这么多人关注并咨询该岗位，也可以看出该岗位的市场热度和需求，当然咱们还是以数据说话，毕竟咱们是干数据这个行当的。

先看社招方面，从百度指数来看近10年全网的关注量一直在上升趋势之中，另外在51job中搜索数据分析关键字，结果2000页(每页50个)，需求量之大一目了然。

image.png

image.png

说明：2020年10月搜索

再看一下2021届校招职位方面

截至2020年10月中旬中型及以上的IT/互联网公司我们共计监测到有168家开启秋招(不包括房地产、金融等其他行业)，其中50%的公司都有招聘“数据分析”职位，共计651个职位，人数需求暂时无法统计。

为什么这么大的需求呢？最直接的原因肯定是待遇好，而且跟着大数据的风口，想不火都不行。从下面的几张中可以看出来：

1. 应届生平均年薪达到20万+，溢价非常明显。如果拿到了offer，爽歪歪
2. 社招的初级数据分析岗待遇虽然不是很高，但是也基本月薪过万
3. 北上广深的数据分析岗位待遇远高于平均值

image

二.岗位介绍

工作内容

• 建设管理报表体系，并进行报表的开发维护与检测
• 搭建业务KPI指标体系，并进行监测与分析，为公司产品运营优化提供建议；
• 撰写数据分析报告，为业务问题原因排查提供数据支持及解决方案；
• 给业务部门提供运营、产品、活动数据，根据数据问题，提出相应的解决建议

工具要求

• SQL 50%
• Excel 30%
• Python 20%
• PPT 20%
• R 17%

性格特征要求

• 学习能力 60%
• 逻辑思维能力 50%
• 表达沟通能力 50%
• 抗压能力 40%
• 分析总结能力 40%

这里要说明一下上面的岗位介绍内容，尤其是上面的数字，他并不是一个标准的JD，而是我们通过大量数据分析岗位（校招的岗位）JD，总结分析出来的，其中的工具要求和性格特征要求后面的数字就是根据JD中出现的频次统计分析出来的，为什么要这么做呢？在以前看JD的时候每家招聘的JD都有一定的差异性，而且招聘主管对该岗位的理解不同也会导致JD描述不同，通过这样大量的JD文本分析和总结，就可以比较全面和科学的了解该岗位。当然如果要投递某家公司的岗位，还是要具体看一下他们JD的特殊要求的。

从上面的要求和工作内容来看，很多数据分析培训机构培训推荐Python、各种算法、Hadoop等方面的知识性价比是没这么高的，当然知道是有好处的，只是应用场景不多而已。

三.日常工作

从上面的总结后的工作内容以及各个公司的招聘JD看上去都还蛮高大上的，但是实际的日常工作中到底是什么样呢？

image

这里重点要说一下临时需求，对于应届生或者初中级分析师刚到公司，基本都是处理临时需求，临时需求就是业务方需要跑个数据，你去写个sql或者通过数据分析工具把数据拉出来，反馈给业务方即可，也没什么可分析的，这个过程要持续很长一段时间，而且后续的工作临时需求也会一直伴随你的工作当中，会让很多人觉得大材小用，我堂堂211/985的毕业生难道每天就做这个吗？以前在带团队中的应届生时候，他们也经常给我有类似的“抱怨”。

其实临时需求的价值是非常大的，尤其是新人，首先通过大量临时需求的处理可以快速了解业务细节，以及数据平台中底层数据的含义及分布，这两项是基础，如果没有这2项作为基础，后面的项目、分析报告是无法完成的。另外还有最大的价值就是，可以随时知道业务方当前最新的业务想法和动态，如果不做他们的需求，是没人告知你的，所以有了这些价值，我当年虽然带了几十人的团队，也都会给自己安排一些临时需求处理。

四.必备技能

技能这块是很多应届生和想转入该岗位同学关注的，也是在知乎中关系问题最多的。总共可以分为下面几个模块去准备。其中下面基础知识、数据可视化、用户行为分析三个模块是要重点准备的。

基础知识

• 统计学知识
• 数据库Sql
• Hive Sql(互联网公司最常用)
• 数据仓库
• 存储过程

上面这些内容是最基础的，专业面试的过程肯定会问到，也是开展工作的必备

数据可视化

• Excel/PPT
• Tableau
• ...

用户行为分析

• 基本概念与名词
• 辅助工具
• 这个还是蛮复杂的（我另外会有专门的文章介绍）

用户行为分析是互联网分析公司中不可或缺的工作，但是这个在校园和还是各种培训中都是缺失的，自学也是非常难的。

外部数据源

• 国家统计局
• 百度指数
• 谷歌指数
• 微信指数
• 西瓜数据
• 艾瑞咨询
• 行业报告网站
• …

作为往高级数据分析师发展的道路上，外部数据源的积累是必须的

进阶技能

• Python
• 算法
• Hadoop
• ……

算法、hadoop之类的如果了解对于后续工作的开展和晋升的，但是不建议初期就学习和准备这么多，如果没有实践机会很快就忘掉。

推荐书籍

• 统计学 - 中国统计出版社
• SQL必知必会
• Hive编程指南
• 数据仓库工具箱数据仓
• 库生命周期工具箱
• 谁说菜鸟不会数据分析
• 图表表现力

五.发展路径

数据分析岗位的发展路径有数据和业务两个方向，其中数据方向又可以分为深度和广度2个房展路径。

深度发展比较容易理解，这里不必多说。广度发展要澄清一个误解，很多人会把算法工程师作为数据分析师的进阶路径，其实并不然，他们是一个并列的地位，算法并没有高人一等。数据分析、数据产品、算法工程师、数据仓库他们都是并列的，都有深度的发展路径，如果你有幸加入其中至少两个模块的项目，并且有一定的深度，恭喜你，你有成为数据总监或者数据科学家的潜力。（之前专门写过一天数据科学家的文章，有兴趣的可以看一下）

image

业务发展路径，在上面说的岗位要求中有一项最重要的，我没有写出来，那就是对“业务”的理解，对业务的理解深度，也代表着你在数据分析上发展的深度。所以如果你愿意，数据分析师是可以也是非常容易转向运营岗位的，也意味着你从背后支持业务走向了前台业务运营。

image.png

六.结束语

以上是本人作为10多年数据从业者的感悟，有幸从事了数据仓库、数据建模、数据测试(之前专门写的一篇文章)、数据产品、数据分析，数据团队组建等工作，对于有疑惑的应届生或者想转入数据行当的同学，可以留言交流，希望能够有所帮助。