a 当前位置：前瞻网 » 资讯 » 产经

明知故问 | 2020热门职业——数据分析师前景如何？

分享到：

Cathy Shen • 2019-12-10 22:22:10　来源：前瞻网　E34913G1

互联网下半场,企业的数字化转型已经成为必由之路。

当办理登机牌可以自助完成，当过安检开了人脸识别通道、当ETC已经在取代人工岗亭、当智能客服在逐步替代人工、甚至连外卖小哥也面临无人配送的挑战……

近两年的信息革命来的悄无声息，乍看已经翻天覆地。最直接体现就是越来越多的智能化设备逐步取代人类，成为我们社会的一个组成部分。

在这样的一个大趋势下，未来每一个人的工作都会与智能设备有交集，而这所谓的“交集”正是由数据组成的。而各行业的互联网化也会让业务数据开始增多，更多的业务决策将基于数据。

所以对于每一个人而言，未来与数据打交道的频率和机会会越来越多，因此数据分析思维可以说是未来任何工作中最核心的竞争力之一。而作为与数据打交道最密切的职业——数据分析师，在大数据时代，他们是否也迎来了黄金就业期?本期前瞻经济学人明知故问栏目邀请到行业专业机构一起探讨。

中企人力人事经理Crystal：

What——何为数据分析师?

关于数据分析师职业，从不同的视角切入，业界有各种分类和理解，但总的来说主要可以分为三类：数据分析师、数据科学家以及数据工程师。

首先是数据分析师，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、数据库分析师等等。但万变不离其宗，所有数据分析师的最主要职能都是针对问题或需求，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。

再者，是数据科学家，某种程度而言，这是数据分析师的进阶版。与数据分析师不同是：其一，他们精通优化。不是优化数据，而是优化分析数据的模型和工具，他们往往都非常熟悉机器学习，可以构建机器学习模型，并基于大量的数据分析结果不断完善机器学习模型;其二，他们重在预测。如果说数据分析师是基于历史和当前数据分析眼下的问题，那么数据科学家就是在前者的基础上深挖异常原因和趋势走向，对关键问题作出解答。

第三，是数据工程师，相对于前两者在数据分析和应用能力方面的侧重，数据工程师则更需要数据库设计、编程开发的能力。他们搭建用于数据传输的API，设计、构建、安装、测试、维护数据管理系统，保障数据的存储及传输，为数据分析师和数据科学家提供稳定有效的分析环境。

鉴于本期话题更主要的是围绕数据的分析与应用，而数据工程师的专业能力更倾向于软件开发类，因此今天，我们将着重围绕数据分析师和数据科学家来聊一聊他们的必备技能与职业发展前景。

How——入行技能装备需多少?

在这个数据驱动的时代，数据分析师已渐渐在各大行业占据了举足轻重的地位，这也使得越来越多的年轻人想要从事这个职业，那么在数据分析师的职业画像里，有哪些技能是入行必备的呢?我们可以分为两大类来看：硬技能、软技能。

1、入行必备硬技能

对于数据分析师而言，入行必备硬技能主要有以下几项：

①熟练掌握数理统计分析理论。

②熟练掌握SQL。

③熟练掌握Excel。

④R或Python语言可以二选一学习掌握。关于R，主要了解其命令行用法、掌握一些数据分析库包(如tidyr,dplyr,ggplot2);关于python，则可以主要了解其基本语法、函数和相关库包(如numpy,pandas,matplotlib,sklearn)。

⑤初步了解机器学习，能够理解一些常见算法的基本原理、用途和优缺点(如分类算法：贝叶斯、决策树;回归算法：线性回归、adaboost回归;聚类算法：K-means)

对于数据科学家而言，入行必备硬技能主要有以下几项：

①精通数理统计分析技巧及方法论。

②精通SQL、Excel、R或Python语言，或视工作需要针对性掌握专业数据分析软件。

③构建机器学习模型，并不断训练完善模型。

④熟练掌握企业级分析平台，例如KNIME。

2、入行必备软技能

对于想要进入数据分析行业的候选人而言，除了上述硬技能，还有三项软实力也是不可忽视的。

其一，需要具备强大的逻辑性、数据敏感性，以及善于发现问题、总结规律的能力。

其二，需要对自身所在行业有深刻的商业理解，不能仅局限于数据本身做出分析，当然这部分的要求针对数据科学家而言会更高一些，在数据分析的过程中，需要精准把握异常数据及数据所体现的趋势，结合公司业务及市场行情做出问题诊断及趋势预测。

其三，无论是数据分析师还是数据科学家，都必然需要呈现他们的数据分析结果，在这个过程中，呈现的方式就尤为重要了。这也是现在我们经常能听到“可视化报告”一词的原因，如何在将海量数据经过整理分析得出结论后，以精确、清晰、易懂而又美观的方式呈献给这些结论的阅读者并被对方准确理解，这才是让数据分析师们的专业能够产生现实意义的能力。

Why——职业前景知多少?

在一切都在走向智能化的今天，数据分析职业无论是就其资源的集中性，还是专业的前沿性，都会给它带来多元而蓬勃的发展前景。我们可以从以下三个方面来简要分析一下。

1、关于职业发展平台

就数据分析本身的特点而言，需要设立数据分析岗位的行业通常是比较接近时代发展前沿的，或者企业本身的规模已经发展到相当的程度，又或者具备受众对象极其广泛的特点，例如涉及公共事业或民生政策。因此，数据分析师本身所处的职业发展平台往往会在规模、资源、技术、资金等方面都具有较大的优势。例如互联网、金融、BAT等数据平台企业，以及其他数据驱动的非数据公司都会需要大量优秀的数据分析师或数据科学家。

互联网公司基于对用户洞察、数据提取、实时数据分析的需求;金融类公司基于对发展数据基础设施、离线数据分析的需求;BAT等数据平台企业基于对强大的机器学习、数据分析能力的需求;其他数据驱动的非数据公司，则因为需要通过数据分析优化产品，提成产品竞争力，因此对于大数据的获取、处理、分析、可视化报告的呈现都渐渐成为刚需。

2、关于职业发展方向

在数据分析行业内，职业路径的发展大致分为两种。其一是向专业型发展，在技术层面不断深挖，在算法、模型等方面精益求精，为分析工具的优化革新做出贡献;其二是向“数据+方案”型发展，在具备扎实的数据分析技术基础上，结合企业、市场需求，进行数据分析，抓住关键问题，深挖原因并做出预测，提供解决方案。第二种方向的数据分析师在职业发展前景中会有更多的可能性，比如很多数据分析师基于他们强大的数据分析能力以及精深的商业理解，转型从事产品、运营、业务的管理岗、技术项目管理、战略专家也都是很成功的。

3、关于薪资水平

从一线城市平均薪酬来看，数据分析师的入行起薪一般在6K/月-8K/月;入行3到5年的数据分析师则一般在15K/月-25K/月;数据科学家的年薪通常在40万以上是比较常见的。而在数据科学家的范畴中，真正能洞察行业先机、把握关键预测的人，其收入也必然更为可观。

More——其他择业建议

如今，在人工智能快速发展的背景中，大量基础性、规律性强的工作都开始渐渐能够被机器所取代，各项职业会迎来“终极优化模式”，随着人工智能的发展，有些看似需要思考，需要分析的工作也渐渐在机器自我学习的进化下面临被取代，那么数据分析师的岗位是否也面临着这个危机呢?

其实，过分的担忧是不必要的。就我国目前的数据分析行业发展程度而言，即使对大数据的应用越来越广泛，但无论在整体技术水平、应用环境，还是国民意识、商业环境等各方面都仍然距离世界顶尖程度还有相当的差距。数据分析行业在其专业技术上的前沿性正是这个时代通往不断智能化道路上的关键工具之一。因此，单就行业本身的发展需求而言，也还远没有到它的夕阳期。

我们在做职业生涯规划时，除了对职业的终极优化模式进行描绘外，也要综合自身黄金职业生涯时间段考虑。在通往职业终极优化模式的实践中，所产生的那些岗位都是非常有价值的。

(机构观点以上)

职业综合评价：★★★★☆

综合上述机构观点，可以看出数据分析师就业前景潜力很大。从整个行业来看，数据分析师几乎覆盖了所有的行业，从数据类公司、咨询公司到物流、传媒公司等，无一不渗透着数据分析的内容。在被视为“数据元年”的今天，数据分析师以待遇优厚和地位尊崇而闻名国际，曾被Times时代杂志誉为“21世纪最热门五大新兴行业”，可以预测，未来中国对数据分析师的需求将呈井喷之势。

相关专业推荐高校

而大数据时代对数据分析师的巨大需求也大大刺激了高等院校的培养热情。如果你想从事数据分析师职业，作为没有经验的应届毕业生，那用人单位通常会要求具有数学、统计学、金融经济学、计算机等教育背景。

以数学专业为例，根据教育部学位与研究生教育发展中心最新发布的第四轮数学专业学科评估结果可知，全国共有129所开设数学专业的大学参与了排名，其中排名前3的大学是北京大学、复旦大学、山东大学，以下是数学专业考研学校排名TOP20，是目前比较权威的排名数据，供大家参考：