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!

文 | 商业智能BI相关文章 阅读次数:1,275 次浏览
2023-01-10 19:27:17

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:

数据分析行业,数据监控体系,过程指标

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。

数据分析行业,数据监控体系,过程指标

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。

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

数据分析行业,数据监控体系,过程指标

商业智能BI产品更多介绍: www.finebi.com

相关内容

立即体验 立即体验

在线客服

电话咨询

技术问题

投诉入口

返回顶部