现在数据分析师需求量很大么？

水木BBS上转了一圈，感觉招这个的最多了，有没有数据可以真的表明就是这样？还是我的错觉？还有就是做这个的都是什么出身啊？没听说过有分析师专业…

Lincoln · 2018-10-3 22:09:23

未来 3 年，中国需要大约 180万大数据人才，但目前只有约 30万人。

摘自：制约大数据发展的核心因素是什么？

凡语 · 2018-10-3 22:09:24

现在数据分析师的需求确实很大，特别十三五将大数据放到了国家战略后，各企业也逐渐重视起来，几乎任何企业都需要数据分析师。
数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。他们知道如何提出正确的问题，非常善于数据分析，数据可视化和数据呈现。
数据分析师主要有以下五方面的职责：
1、负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对用户的行为进行分析了解用户的需求；
2、参与业务部门临时数据分析需求的调研、分析及实现；
3、参与数据挖掘模型的构建、维护、部署和评估；
4、整理编写商业数据分析报告，及时发现和分析其中隐含的变化和问题，为业务发展提供决策支持；
5、对产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。
要求：
1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。
2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
4、懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。
5、懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。
貌似还有数据分析师的证书等级：当前中国数据分析师由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证，通过培训考核，工信部教育考试中心颁发《项目数据分析师职业技术证书》，数据分析行业协会颁发《项目数据分析师证书》，此证书是申请成立项目数据分析事务所的必备条件之一。
…………
以上内容来自于启创方舟微信公众号：createarktech，还有百度百科。

优达学城（Udacity） · 2018-10-3 22:09:25

是的，目前无论是中国还是全世界对于数据分析师岗位的需求量都很大。这其实从优达学城（Udacity）去年联合 Facebook x Kaggle x Tableau 推出第一个硅谷认证的「数据分析师」纳米学位中就可以看出。

从2017年3月到现在仅一年的时间，中国地区该课程学员即将突破五位数，注意这还是在优达学城每期限制名额的情况下，因为能提供对课程服务相关的专业1对1中文导师、助教和项目代码审阅的人才有限。

数据科学结合了多个学科，包括统计学、数据分析、机器学习和计算机科学。如果你是数据科学的新手，这些学科可能会令你望而生畏，但要记住，不同的角色和公司会强调不一样的技能，所以你不必成为精通一切的专家。来看看四种常见的数据科学工作。

[h1]1 数据分析师[/h1]

有一些公司的数据科学家就是数据分析师的代名词。你的工作可能包括从SQL数据库中提取数据，成为Excel或Tableau大神，及生成基本数据可视化和报告仪表板等任务。有时可能会分析A / B测试的结果，或者在公司的Google Analytics帐户中担任主角。

“像这样的公司是一个有抱负的数据科学家学习的好地方。”

一旦掌握了日常的职责，像这样的公司可以成为尝试新事物和扩展技能的好环境。

[h1]2 数据工程师[/h1]

一些公司访问流量很大（数据量越来越大），因此需要寻找建立公司所需的大数据架构人才。他们也需要人来提供数据分析。这种类型的职位，可能称为“数据科学家”或“数据工程师”。由于你将是第一批数据雇员之一，强大的软件工程技能会比统计和机器学习专业知识更重要。

“对于希望迅速增长数据量的公司来说，初级数据科学家的辅导机会可能不多。”

因此，你将有很大的机会在高压环境下发光发热，但是会有较少的指导，并面临更大的风险。

[h1]3 机器学习工程师[/h1]

有许多公司的数据（或其数据分析平台）就是他们的产品。在这种情况下，数据分析或机器学习的需求可能会非常高。对于那些具有正式的数学，统计学或物理学背景, 并且希望继续走向更学术的人来说，这可能是理想的工作。

“机器学习工程师往往更关注产生顶尖的数据驱动型产品，而不是回答公司的运营问题。”

属于这类的公司可能是面向消费者且拥有大量数据的公司，或提供基于数据服务的公司。

[h1]4 数据科学通才[/h1]

许多公司则寻找数据通才，加入已经成熟的数据科学家团队。这类的公司关心数据，但可能本身不是数据公司。同样重要的是，加入后你也可以进行数据分析，生产代码，与可视化数据等。

“一些最重要的”数据通才“技能，是熟悉那些为”大数据“设计的工具，以及使用混乱的”真实“数据集经验。

一般来说，这些公司在寻找通才，或者寻找填能补他们自己团队缺乏的特定领域，比如数据可视化或机器学习等。

如果你是数据科学的新手，这些学科可能会令你望而生畏，但要记住，不同的角色和公司会强调不一样的技能，所以你不必成为精通一切的专家。

寻找工作的一个重要建议，是仔细阅读数据科学的工作描述。这将使你能申请符合自己条件的工作，或者开发特定的数据技能组合，以匹配想要追求的工作。“数据科学家”常常被用作描述截然不同的工作内容。

匿名用户 · 2018-10-3 22:09:26

提示: 作者被禁止或删除内容自动屏蔽

古月 · 2018-10-3 22:09:27

大数据是当前炙手可热的行业之一，对数据分析师的需求量也很大，但是想做好数据分析师就要具备一定的能力：
1. 数学知识
数学知识是数据分析师的基础知识。
对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数(主要是矩阵计算相关知识)最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
2. 分析工具
对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。
对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具(如Matlab)视情况而定。
对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。
3. 编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。
对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
4. 业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
5. 逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。
对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
6. 数据可视化
数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
7. 协调沟通
对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。
对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。
对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

朴刀Kikins · 2018-10-3 22:09:28

需求量很大，但是很廉价。
除非你所进去的公司一开始就能给你很好很高的平台，否则我还是建议去做业务，毕竟数据分析也就那么回事，有点数学和统计底子很好弄，缺的是业务思维。
但是，就现在的大环境来看，搞数据分析很难有更高的发展，一般到头就相当于大厂里的中端码农级别。

Cara · 2018-10-3 22:09:29

作为从业者之一，我个人观点是，任何一个精明的决策者都会知道并主动使用数据作为决策支持，与以往的拍脑袋和经验决策有实质的区别，这种决策方式的变化势必会带动数据分析相关工作的需求增加，可以说数据分析的需求是客观存在的，至于需求量有多大，这个因行业而异，可以查阅具体的报告，这里推荐几个非常好用的行业报告平台：
企鹅智酷
首页-阿里研究院
首页-百度营销中心
还在到处找数据？2016行业报告全汇总！_报告_360营销学院
艾媒网-全球领先的新经济行业数据发布平台
艾瑞网_互联网数据资讯聚合平台
数据报告列表 - 极光｜数据改变世界
普华永道中国
北森-测评、招聘、绩效等一体化人才管理云平台
Trustdata官网
另一方面，我们也知道，目前AI发展迅猛，数据分析人员与AI之间的竞争也是客观存在的，二者之间如何发展这个我自然不能预计，但是在AI全面铺开之前，作为数据分析人员有喘息的时间，结合具体业务进行商务分析，而非机械的数据归纳和展示，核心竞争力还是对业务的理解和熟悉，数据分析毕竟是工具。
希望对你有帮助。

黄浦江畔 · 2018-10-3 22:09:30

可以肯定的说，需求量非常大，目前所处的情况时生产力赶不上生产关系（脚没有鞋子大）。如果想从事这个行业的话，希望能够抓紧时机（不然脚超过鞋子时就难啦~~）。

现在数据分析师需求量很大么？

8 个回复