數據分析師可以創造什麼價值？

01-25

題主想從事數據分析師，但是對於此崗位了解甚少，希望大牛能解答:1數據分析師的作用(直白點就是能幹什麼)，2數據分析師的薪資水平，3未來特別是互聯網行業非常需要數據分析師嗎。

謝邀！

1、這個問題知乎一大把，說直白點，數據分析師就是對收集的數據進行分析。舉個例子吧：某個菜市通過對周邊人口的習慣、工作規律、消費情況進行分析得出，芋頭是整個市場中最為暢銷的產品，於是，菜市提供了更多的優質芋頭供大家消費。這是數據分析。

數據挖掘呢？通過編寫機器學習聚類演算法發現無法通過觀察圖表得出的深層次原因。原來是小區老年人居多，而芋頭比較方便老年人食用。於是，又引入了更多便於老年人食用而且她們喜愛的菜蔬和食品。結果大賣，這就是數據挖掘。

2、數據分析師的薪資水平，各個公司和城市待遇不同，參照本地IT工程師崗位。

3、肯定需要！而且需求越來越大!

關注大數據，歡迎加我微信：dashuju234

套用我們大老闆的一句話：數據分析讓業務更清晰、讓決策更高效。

1，數據分析師的作用：

從產出上講，基本就是效果評估（評價某個策略或者新產品上線效果好不好）、專題分析（針對某一個問題看現狀找問題提建議）、數據需求（就是給業務方or老闆提供PPT所需的數據），目前就想到這些；

估計你看這些沒感覺，那就說說日常應用的工具吧，其實基本SQL+EXCEL就可以解決大部分問題了，數據挖掘的那些東西比如R、SAS、Python什麼的很少用，所以基本就是通過統計性的分析找出數據之間的邏輯關係，串聯起來用PPT講一個可信的故事

2，薪資水平：

自己去招聘網站找吧，如果是互聯網那個行業的話就去拉勾網看看。要分城市分年限，反正不會很高就是了

3，未來需求量（互聯網行業）：

個人感覺會減少，因為目前大部分數據分析師的職能都可以被數據產品甚至數據報表替代，我找幾個碼農幾個PM幾個行業專家就可以搞出一個能看現狀能解決問題提供建議的數據產品，機器能幹的事兒自然就不需要人了

無法被替代的數據分析師必須具有深厚的行業經驗，否則空有數據和技術也解讀不出其中的價值，而這類數據分析師往往崗位名稱不叫數據分析師，更多是商業分析師或者行業諮詢顧問

挺有意思的一個問題。

我在大數據行業做了十年，創辦過幾家大數據領域的公司，也負責研發過騰訊的首款遊戲領域的大數據預測引擎。

所以還是挺想在知乎上聊一聊我對大數據、和數據分析的一些想法和看法的。

我們先來談談『數據分析師』這份工作的本質是什麼。

數據分析師工作的本質，就是通過對既有信息的採集，整合、梳理、分析等，從而令我們對事物的認知更加清晰，做出更為明智的決策。

進行數據分析的核心目的，始終是為了最後的決策負責的。所以我覺得，『數據分析』事實上應當是『分析』在先，『數據』在後。

數據是我們為了做出最優決策的一個比較特殊的分析工具和切入點，這個切入點可以是『數據』，可以是『行業』，可以是『戰略定位』、也可以是『量化策略』。

只是相對於其他的切入點來說，『數據』是屬於更直觀、更全面、涉及面更廣的一個切入點。

事實上數據分析師的工作也並非是現代才有。古代的軍事家，政治家，基於對敵我人數，糧草數量，兵馬數量，地區各方面經濟指標等進行軍事和政治決策，其實就是在進行「數據分析師」的工作。

只是到了近現代，隨著商業和經濟的高速發展，各項的職業和工作發展的越來越精細化和專業化，所以「數據分析」這項工作會需要很多的編程技術和和專業的數據分析方法；

同時也是隨著商業和經濟的發展，以往粗放的、不專業的、籠統的、基於經驗主義的決策方式，已經無法滿足很多發展的越來越精細和完備的企業的需求，所以我們也需要更加專業、準確、精細的數據分析，來為決策提供更先進的依據；

也能夠令我們對各種事物、市場、領域格局等產生更真實、更準確地認識。

綜合而言，數據分析師的核心價值就在於：幫助決策者獲得對既有信息、環境、和資源的更清晰的認知；

幫助決策者做出更先進、更明智的決策。

再談數據分析師的薪資水平：

以我的經驗來看，數據分析師的崗位需求多數是集中在北上廣深杭等這些一線城市。

待遇的話，1年以上經驗，基本就要在10K~15K這個區間內起步；

如果是應屆生，通常在6K~8K；

但如果是3年以上的經驗，但凡是工作能力還可以的，那基本上要在20K以上了。

所以薪資這一塊還是非常客觀的。

數據分析師的前景：

可以在這裡直接給出一個肯定的回答：數據分析師的前景是非常好的。人才需求旺盛，就業機會多，且不會被輕易替代。

1. 無論是國內還是國外，數據分析師的人才需求都很大。

麥肯錫預測，2018年，美國的大數據工程師的缺口是20萬人；

國內的人才缺口的話，說幾百萬上千萬的都有，我個人認為即便是擠掉一些水分，中國未來的數據分析師的人才缺口最起碼也要在50萬以上。

2. 『數據分析師』是一份難以被替代的職業。

它就像律師、HR一樣，很難被替代或取消。

數據分析、HR、律師，這三份職業的類似之處就在於，它們的工作任務都需要依賴於從業者本人的『主觀職業經驗』+『職業技能』。

其中的『主觀職業經驗』就決定了從業者本人的不可替代性——既無法被其他經驗更少的同行替代，也無法被人工智慧和機器替代。

3.『數據分析』是企業恆久的「剛需」。

企業永遠都需要在各種複雜的情景、發展階段下做出最有力的決策；

數據本身一直以來就是進行決策所必備的依據和工具，隨著科技的發展，「數據」的價值也在不斷地被深入挖掘和放大，所以對數據分析師的需求、待遇、價值等也會不斷的增大的。

為什麼需要數據分析？根本上：提供決策依據，應對不確定的現實。

除了數據分析，還有很多種應對現實的方式：非數據經驗分析，星座分析，以不變應萬變。用哪一種，取決於你擅長和相信哪一種。

說一點破除迷信的話：數據分析並不一定比星座分析更科學，有時與星座分析類似。尤其在你面對遙遠不確定未來的時候。

身為一個在互聯網公司數據領域工作數年的同學，也一直苦苦思考數據分析師的價值。說下我的看法：

行業背景是這樣：隨著產品運營的越來越細，上到決策層下到負責某一個模塊的產品經理對數據的需求越來越多，且越來越細緻。數據化運營在互聯網領域滲透到越來越深。

1，最基本的，能把一個產品眾多的運營數據計算準確，且實時的計算出來。這一點就很不容易了，你要弄清楚數據源的上報原理，懂得如何清洗數據，懂得如何從海量數據中計算得到自己想要的東西，且要把這些數據展示的讓小白都能看得懂。

說起來簡單，做起來很難，你要用很多手段去保證數據上報質量，且保證計算準確無誤；

2，進階一點，像上面那位同學說的那樣，要能科學的度量和分析出業務運營的效果。這裡要思考用什麼樣的數據指標去科學的度量，科學到所有的人都認可你的方式。度量出來後，通過各種對比，趨勢，結合業務特點，要給結論說哪裡做的好，哪裡做的不好？

看起來好像簡單，其實不容易，你至少對業務的理解要達到一定的層次；

3，高級一些，做了1和2之後，結合獲得的數據，刻畫用戶畫像，深挖用戶行為，識別用戶生命周期，最大化的分用戶群體運營，減少流失，增加付費滲透等。這裡大部分是數據驅動。

總而言之，也從目標來看：

數據分析師的價值在於能通過數據提升產品運營效率，提升產品健康度。

隨著互聯網＋的滲透，數據分析師的需求會越來越大，而且懂技術，又懂業務的數據分析師更有市場！

我的答案只說自己對「數據分析師」這個職位的想法。我完全可以肯定，「數據分析師」以後會是一個熱門職業。完全與程序員平起平坐。（我第一次在知乎說這種肯定句。）

為什麼？

1:大數據時代已經來臨。

2:「得」數據者得用戶。

（怎麼得？前期的挖掘，中期的演算法，後期的分析。）

我們需要知道的是，基於：行業的發展+時代的機遇（需求）+政府的支持，都在證明「數據分析師」的重要性。

答案有人說「數據分析並不一定比星座分析更科學」，這個說法簡直不忍直視。

就像我說，現在的中國，兩個東西最值錢，一是土地，二是大數據資源。這你是不是認為我這個說法也讓你不忍直視。

2015年8月19日，國務院常務會議通過《關於大數據發展行動綱要》，如果政府將他的大數據開放、共享，必定「滋養」出很多很多的數據分析師，甚至於相關培訓學校。

表面看，百度、阿里和騰訊都分別擁有數以億計的用戶量，但這與政府大數據相比，不是一個量級。僅一個北京市政府的數據容量就相當於10個阿里巴巴。

所以，看到這其中的工作機會了嗎？

而就大數據的質量，BAT這些公司的短板在於數據種類的單一化程度較高。政府大數據則涉及工商、稅務、司法、交通、醫療、教育、通信、金融、地理、氣象、房產、保險、農業等領域，數據的種類繁多，關聯性強。

隨著政府這些大數據的開放，中國將迎來新一波「大數據熱」。

所以，看到這其中的工作機會了嗎？細分到讓你無法自拔。

大數據資源比土地具有優勢的地方在於土地在一定時間內不可重複利用，而大數據可以無限循環利用。

所以，看到這其中的工作機會了嗎？

大數據建設分四個階段：基礎設施建設、軟體技術開發、大數據應用、大數據交易。

所以，看到這其中的工作機會了嗎？

再扯一些數據師的工作：（國內已有商務部對大數據分析師進行等級認證，趕緊去考一個吧。）

基於前期的基礎設施建設、軟體技術開發，就走到了：大數據應用、大數據交易。

　　數據分析師可以使企業清晰的了解到企業現狀與競爭環境，風險評判與決策支持，能夠充分利用大數據帶來的價值，在進行數據挖據與展現後，呈現給企業決策者的將是一份清晰、準確且有數據支撐的報告。所以，大數據分析師已經不是簡單的IT工作人員，而是可以參與到企業決策發展制定中的核心人物。

（呵呵，我這是培訓學校的軟文嗎？）

想要看相關資料的小夥伴，請自行按照以下關鍵字遞進的搜索學習：大數據基礎、大數據存儲、大數據處理與分析、大數據應用。

至於如何入行，如何分析，這是另外一個問題，我只能說一句，大數據公司沒有人能一家獨大。此後的5年，人人都有機會，有能力的就上唄。

我們公司需要大量數據分析師。歡迎投簡歷。