数据分析行业在国内又卷又水了起来，不清楚这几点，谁劝都别进！
首先我们简单了解下数据分析行业的主要工作，可以分为四类：
1、从0到1搭建数据分析体系
大部分公司还处于此阶段，可能是全新搭建，也可能是新业务线搭建。
①搭建数据监控体系
搭建数据分析体系的第一步是搭建数据监控体系，定期查看发展业务情况，让业务发展结果可量化，可衡量。
通过这套监控体系，业务侧可以得到实时的效果反馈，根据业务效果指导业务决策；领导层可以了解业务发展情况，做到心中有数。
那这套数据监控体系到底包含哪些内容？——没有标准答案，主要看业务目标。
从实现思路上，可以做业务拆解：整个公司或者整个部门要实现的KPI是什么？KPI可以拆分为几个小目标？在小目标实现上，需要实现哪些过程指标？要想实现过程指标，需要多少预算，什么资源？
业务拆解后，要监控哪些过程指标和结果指标，就一目了然。
②根据业务监控体系，洞察业务问题
数据监控体系能让领导及业务相关同事了解业务结果。对于规模或比例变动较大的指标，数据分析师就需要了解业务原委：是行业变动导致？公司战略方向调整？还是市场格局发生变化？亦或是新技术巨变？公司产品迭代漏洞？对于行业、业务有深度理解，将有助于快速定位问题关键点。
③提出业务优化方案
根据对数据、业务理解及与业务部门沟通，提出可能的潜在影响因素的业务假设。对于明显影响效果的因素，优化之，如产品迭代中的漏洞等；对于不明朗、不确定因素，进行AB测试，根据数据反馈验证业务假设。
2、数据分析工具化，产品化
从0到1搭建数据分析体系是解决“有数据可用”的问题；让数据分析产品化是解决“让数据易用”问题，是提升数据使用效率和发挥数据更大价值的手段。
常见的数据产品就是商业智能系统（Business Intelligence），也就是BI。
数据产品部门会根据数据使用情况，优先上线使用人数众多、对业务决策有关键影响的数据报表。
对于使用频繁，涉及人数较多的数据，数据分析行业需要提出数据报表需求，供业务、产品、市场、财务等部门使用。
3、支撑领导、部门决策的专题分析及业务方向探索
如果说前两部分属于常规分析，第三部分就是专项分析。
专项分析大多是一次性分析，使用频率低。专项分析的提出可能是部门要进行业务方向的新探索，可能是领导想要验证自己的新想法，可能是已有数据中反应出来的新问题。
要做专项分析，数据分析师需要自己获取数据，清洗加工数据，分析数据，得出数据结论。现有数据在时间维度、指标口径、新字段关联上都无法满足分析需求，而数据提取可能就要耗上几天时间。可谓“台上一分钟，台下十天功”！如果你有个“有想法”的领导，天天标新立异提需求，而你又不精通业务，无法马上判断是否具有分析意义和分析价值，那可真要披星戴月搞数据了。
4、数据规范制定及提升数据质量等基础工作
为了完成以上三部分工作，像制定数据规范、提升数据质量这些基础工作就必不可少。
数据规范性是个系统性工程，在数据系统搭建之初，就需要考虑好。数据分析行业日常工作中，接触更多的是提升数据质量：数据是否准确，数据是否有效，可用数据比例是否足够用于分析。
当然，现在大多数公司还无法做到打通所有数据系统，统一数据源。在使用任何数据时，数据分析师都需要校验，确保数据准确无误，这是所有分析工作的基础。
数据分析行业目前的发展前景如何？
如果是还没入门的，我会先告诉你，数据分析行业在国内逐渐开始又卷又水了起来
卷在哪？
拿2022年来说，就我知道的，一大堆国内外高校硕士今年秋招想卷进数分的，别说offer了，投了几十份简历，面试机会都没几个，投了就是石沉大海，招聘官网上的数分hc跟闹着玩儿似的放在那钓人，本科985英G5，也只能拿到中小厂offer，还不是核心业务线。
本来今年因为疫情，几乎所有企业的hc都砍了一半以上，技术岗都不好找到工作，更别提数据分析这种从前两三年因入行门槛低、培训机构热推而卷到飞起，hc屈指可数的行业了。
这个行业的好岗位实在是太少，但想进来的人又太多。除非你是海外名校或者国内985211本土高校的计算机/统计/BA/数学专业毕业的数据人才，否则很难在这片红海里找到工作。（我这里主要说数据行业的好工作，如果是一些传统行业的基础数据员岗位，还是好找工作的）
水在哪？
一是企业。
表面上看好像什么企业都想要数据分析，但你要明白，你们对数据分析趋之若鹜的同时，国内企业其实也是在盲目随众。现在哪个企业不搞数字化转型、不搞数据平台建设？其实你要问企业真的很需要吗？也并不一定是。很多企业就是招了一堆人天天做报表，当取数机器，等到寒冬来了，钱不好赚的时候，你猜先裁谁？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传统企业中，业务分析经常是被老板说没价值的，不能直接带来钱，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，情商高点说就是门槛不明显。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，而大厂企业争得抢的是这样的人，未来不怕被淘汰的也是这群人。
但如果你目前已经找到数据相关工作，就先上，这两年都不要对就业市场抱太大希望，况且就算你再焦虑，也得先真的入门后才有资格焦虑，干就完事了。
而至于是否容易被替代，我觉得这是后面的事了。从目前形势来看，无论是23届还是未来几年，数据分析的发展趋势只会愈发呈两极化、具体化、普及化，但数据分析行业不可能会被完全取代。
具体展开讲下：
两极化：低端的数据分析师，例如传统企业的表哥表姐，互联网企业的SQL BOY，逐渐会被BI等工具或者外包替代掉，这类岗位的技术和业务天花板很低，2-3年即可毕业
具体化：数据分析岗位细化，以往数据分析师可能要一个人做数仓建设、数据开发、数据运营，但随着各大公司的业务线收缩，数据分析师必须得找到自己最擅长的部分，放大，在特定领域做到至少超过80%人的专业
普及化：数据分析未来会更偏向技能，而不是岗位，人人都应该是数据分析师，数据分析技能不会是某个岗位专属（你去看看大厂里，就算是非技术岗谁不会写两句Sql、用用可视化工具？）如果是想去传统企业做数据/业务分析师，可看我之前写的这篇：
还有一点，数据分析师大多数到后期都是会转型的，你大可以把他当做一个过渡岗位，一步一步打好基础，再往下一个阶段走，没必要想着一步登天，人很多时候焦虑都是来自自己的过度想象。
另外记住一点，选择大于努力，在数据行业选对赛道、企业和老板非常重要
去一个重视数据分析和以数据为导向的公司很重要（这也是为啥大家都想去互联网公司，因为人家有数据基因，认可数据价值，你去传统行业看看，多少老板认可你的价值？）不然你这个岗位就是可有可无，做再多成绩公司和老板都不认可你，你能有什么办法？选择比努力重要太多，不要把自己耗死在一家公司或一条赛道，把视野放宽点。
ps：如果所在行业太卷的话，可以去试试跨到医学/生物信息统计类的，据我所知这块挺需要数据分析师的
数据分析行业需要掌握哪些相关知识？
1、基本的计算机知识和统计知识
①数据库+SQL语言
一些常用的数据库如Oracle、SQL Sever、DB2、MySQL，这些数据库或者说日常接触的数据库都要有所了解，懂最常用的就好，最重要的还是要会写SQL。
②基础的数学/统计学知识
一些基本的数学统计方法如描述性统计、多元统计分析、回归分析等，重要性不言而喻。
数据挖掘知识：方差分析、回归分析、因子分析、聚类分析等等。这些东西作为入门多多少少都要会一些，虽然有可能不会全用到，但一旦用时方恨少。
③数据分析可视工具
数据分析可视化工具很宽泛。首推Excel，中小公司很依赖，熟练使用数据透视表，这是必备技能。中大型公司都是用报表工具或者BI来做报表，但有了SQL+Excel的基础，这些工具上手都很快。
2、业务知识
数据分析师要与公司的各业务打交道，所以对于各部门的业务知识要有深入的了解。某业务领导需要知道某个指标，你需要知道这个指标由哪些数据构成?数据统计的口径是什么？数据怎么取出来？这个指标对于行业的意义是什么，处于什么范围分别对应什么样的情况，是好还是坏。然后慢慢摸索这个指标层面多维度的规律，如何设定最合理。
立即沟通
