現在數據分析師需求量很大么?

水木BBS上轉了一圈,感覺招這個的最多了,有沒有數據可以真的表明就是這樣?還是我的錯覺?還有就是做這個的都是什麼出身啊?沒聽說過有分析師專業…


未來 3 年,中國需要大約 180萬大數據人才,但目前只有約 30萬人。

摘自:制約大數據發展的核心因素是什麼?


現在數據分析師的需求確實很大,特別十三五將大數據放到了國家戰略後,各企業也逐漸重視起來,幾乎任何企業都需要數據分析師。

數據分析師指的是不同行業中,專門從事行業數據搜集、整理、分析,並依據數據做出行業研究、評估和預測的專業人員。他們知道如何提出正確的問題,非常善於數據分析,數據可視化和數據呈現。

數據分析師主要有以下五方面的職責:

1、負責項目的需求調研、數據分析、商業分析和數據挖掘模型等,通過對用戶的行為進行分析了解用戶的需求;

2、參與業務部門臨時數據分析需求的調研、分析及實現;


3、參與數據挖掘模型的構建、維護、部署和評估;


4、整理編寫商業數據分析報告,及時發現和分析其中隱含的變化和問題,為業務發展提供決策支持;


5、對產品部門下的運營,產品,研發,市場銷售等各方面的數據分析,處理和研究的工作需求。

要求:

1、懂業務。從事數據分析工作的前提就會需要懂業務,即熟悉行業知識、公司業務及流程,最好有自己獨到的見解,若脫離行業認知和公司業務背景,分析的結果只會是脫了線的風箏,沒有太大的使用價值。

2、懂管理。一方面是搭建數據分析框架的要求,比如確定分析思路就需要用到營銷、管理等理論知識來指導,如果不熟悉管理理論,就很難搭建數據分析的框架,後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法,並能靈活運用到實踐工作中,以便有效的開展數據分析。基本的分析方法有:對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有:相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。

4、懂工具。指掌握數據分析相關的常用工具。數據分析方法是理論,而數據分析工具就是實現數據分析方法理論的工具,面對越來越龐大的數據,我們不能依靠計算器進行分析,必須依靠強大的數據分析工具幫我們完成數據分析工作。

5、懂設計。懂設計是指運用圖表有效表達數據分析師的分析觀點,使分析結果一目了然。圖表的設計是門大學問,如圖形的選擇、版式的設計、顏色的搭配等等,都需要掌握一定的設計原則。

貌似還有數據分析師的證書等級:當前中國數據分析師由中國商業聯合會數據分析專業委員會以及工信部教育考試中心共同考核認證,通過培訓考核,工信部教育考試中心頒發《項目數據分析師職業技術證書》,數據分析行業協會頒發《項目數據分析師證書》,此證書是申請成立項目數據分析事務所的必備條件之一。

…………

以上內容來自於啟創方舟微信公眾號:createarktech,還有百度百科。


作為從業者之一,我個人觀點是,任何一個精明的決策者都會知道並主動使用數據作為決策支持,與以往的拍腦袋和經驗決策有實質的區別,這種決策方式的變化勢必會帶動數據分析相關工作的需求增加,可以說數據分析的需求是客觀存在的,至於需求量有多大,這個因行業而異,可以查閱具體的報告,這裡推薦幾個非常好用的行業報告平台:

企鵝智酷

首頁-阿里研究院

首頁-百度營銷中心

還在到處找數據?2016行業報告全匯總!_報告_360營銷學院

艾媒網-全球領先的新經濟行業數據發布平台

艾瑞網_互聯網數據資訊聚合平台

數據報告列表 - 極光|數據改變世界

普華永道中國

北森-測評、招聘、績效等一體化人才管理雲平台

Trustdata官網

另一方面,我們也知道,目前AI發展迅猛,數據分析人員與AI之間的競爭也是客觀存在的,二者之間如何發展這個我自然不能預計,但是在AI全面鋪開之前,作為數據分析人員有喘息的時間,結合具體業務進行商務分析,而非機械的數據歸納和展示,核心競爭力還是對業務的理解和熟悉,數據分析畢竟是工具。

希望對你有幫助。


可以肯定的說,需求量非常大,目前所處的情況時生產力趕不上生產關係(腳沒有鞋子大)。如果想從事這個行業的話,希望能夠抓緊時機(不然腳超過鞋子時就難啦~~)。


先佔坑,過兩年回來看看是不是很大


推薦閱讀:

寫給大家看的機器學習書(第二篇)
零基礎學習Python數據分析
數據挖掘新手該如何開始這一領域?
用戶畫像建模:方法與工具
機器學習和數據挖掘在網路安全領域會有哪些應用?

TAG:數據挖掘 | 數據分析 | 數據分析師 | 大數據分析 | 大數據處理 |