數據分析職業規劃：確定領域和路線

來自專欄數據分析

之前從事的領域屬於地理信息行業，主要應用於車、船、飛機等載體，通過感測器等產品確定載體的位置、速度、姿態以及絕對時間等信息。公司是一家私企，主要業務是系統集成類項目，我在公司主要負責項目的策劃及部分執行工作，由於團隊人員較少，因此在項目中的工作比較繁雜，也因工作內容寬泛，不能很好地體現個人的能力，發揮個人的主觀能動性，因此，在工作之餘，結合自己的興趣愛好、能力，學習了數據分析的相關技能。

學習完成了猴子老師的數據分析初級社群，開始中級社群的學習，首先需要確定以後的工作領域，以下是知乎「數據分析入門及職業規劃？」猴子老師的建議：

可以關注這幾個行業的數據分析師，作為自己感興趣的領域進行深耕：1）互聯網金融：風控／信貸／欺詐，杭州有好多公司招互金的。如果想往這個方向發展，可以做一些貸款分析的案例寫到簡歷里。已經轉行成功的社群會員 @周榮技 當時就是超這個方向準備的：我是如何從製造業轉行金融數據分析的？2）商業分析：業務經營決策類3）線上教育：最近幾年比較火，比如好未來，vipkid。4）廣告推薦類：此類工作應用廣泛

其實，任何行業隨著你深入發展，都分為3個階段：初級，中級，高級。這根打遊戲闖關一樣，一級一級網上爬。所以，從總體上我給數據分析這個行業也對應規劃為這3個階段，你按下面各個階段要求來對號入座。

1、初級數據分析師這類數據分析師分為2類：

1）Excel數據分析師工作內容：要求熟練使用Excel即可，常說的「表哥」就是這個職位。主要是給沒有數據部門的產品經理打個下手。針對產品經理提出的需求來做分析。然後用PPT寫一些分析報告即可。比如說，之前社群會員面試的一家互聯網教育機構，他們的要求就是用Excel整理學生買課的信息，看看哪一門課程最受大家喜歡之類的。需要掌握的核心技能：Excel，統計概率。月薪：這種職位的大概薪資在一線城市的話大概稅前有5000-7000塊（以下說的薪資範圍也都是針對一線城市的）

2）業務部門的數據分析師工作內容：這類數據分析師在業務部門。不需要會編程，但會的話有加分。比如用python寫一些報表自動化。常見的職位名稱有：數據分析師，數據運營，商業分析，戰略分析，經營分析，市場行業分析需要掌握的核心技能：Excel，統計概率，簡單的SQL查詢。常見的職位名稱有：數據分析師，數據運營，月薪：薪水大概是6000-10000。對於初級數據分析師的職業發展，如果喜歡業務方向，可以往管理端發展，常見的有數據運營經理，數據管理經理，數據產品經理。如果喜專研技術，可以往下面聊的中級數據分析師方向發展。

2、中級數據分析師：工作內容：這類數據分析師一般是IT部門的數據分析師。不僅要會技術還要懂業務，通過發現問題，分析問題，得出結論，為公司的決策做支持。主要乾的工作是數據提取、報表開發、撰寫分析報告。IT部門的數據分析師基本是涵蓋了業務部門數據分析師的技能，還要會編程，就這麼簡單。薪資水平也是兩個級別。需要的核心技能：統計概率，精通SQL，編程語言Python或者是R月薪：薪水大概是7000-10000+

3、高級數據分析師通過建立模型，預測，偏重於工程，主要技能是編程和演算法。常見的職位名稱有：數據開發工程師，數據挖掘工程師，數據倉庫工程師，機器學習工程師需要的核心技能：統計概率，數學，精通SQL，編程語言Python或者是R，機器學習月薪：薪水在15000+數據科學家是這個行業的最終奮鬥目標之一。你如果理論能力非常強，可以寫paper，那麼可以擔任研究院的一把手。你如果工程技術能力突出，那麼可以擔任公司數據科學部門的老大。

還有知乎秦路老師的回答：

作者：秦路

鏈接：https://www.zhihu.com/question/28945531/answer/234894185

來源：知乎

入門和職業規劃應該從兩個角度考慮：領域和路線。

領域是不少新人常忽略的要素，其實數據分析不會脫離業務存在。你進入哪個行業，很大程度會決定你初期的技能樹和技能點。譬如金融領域的風控模型、營銷領域的生命周期、廣告領域的點擊率預估等，各有各的特色。如果是一位應屆生，不妨多了解自己感興趣的領域，多積累相關的經驗，為面試做準備。如果已經有一定行業履歷，只是想要轉崗數據分析師，那麼跨崗不跨行，盡量避免跳到一個陌生的領域。領域經驗我給不了太多的指點，主要也就三點：1.自己感興趣的，2.自己擅長的，3.有錢途的。成為某領域的數據專家，會是一個更好的籌碼。

而路線大致可以劃分成四大方向：數據分析，數據挖掘，數據產品，數據工程。

數據分析/數據運營/商業分析,這是業務方向的數據分析師。

數據分析師是一個基礎崗位，如果專精於業務，更適合往管理端發展，單純的工具和技巧很難拉開差距。Title比較常見的有數據運營經理/總監，數據分析經理等。

新人，比較普適的發展路線是先成為一位數據分析師。積累相關的經驗，在一兩年後，決定往後的發展，是數據挖掘，還是專精數據分析成為管理崗。

都叫數據分析師，其實天差地別。這裡更多指代互聯網行業，偏業務的數據分析師，一般屬於運營部門。不少公司也稱數據運營或者商業分析。

這類崗位的職位描述一般是：

• 負責和支撐各部門相關的報表；
• 建立和優化指標體系；
• 監控數據的波動和異常，找出問題；
• 優化和驅動業務，推動數據化運營；
• 找出可增長的市場或產品優化空間；
• 輸出專題分析報告；

實際的崗位中，不少業務端的數據分析師，主要工作都是第一點。別管它用匯總、分析、數據支持什麼修飾詞，基本是跑SQL，做報表。硬生生活成了業務端的表哥。這是很常見的情況，也是入門新人的第一個坑。因為從頭到尾，這類分析師，都沒有解決問題。業務部門往往更關心，某個指標為什麼下跌或者上升。產品的用戶是什麼樣的？怎麼能更好的完成自己的KPI。

以活躍指標的下跌舉例：

• 活躍指標下跌了多少？
• 是屬於合理的數據波動，還是突髮式？
• 什麼時候開始的下跌？
• 是整體的活躍用戶下跌，還是部分用戶？
• 為什麼下跌？
• 是產品版本，還是運營失誤？

怎麼解決下跌的問題這是一套標準的解決思維。分別對應what、when、who、why、how，每一部分都不是三言兩語可以解釋清楚。不要看它很簡單，例如你通過多維分析，發現某個地區的活躍下跌了，不要急著把它作為分析的結論，這是不合格的數據分析。某地區的活躍下跌，只是現象，不是原因，把它作為結論提交，肯定會被罵的。你要解決的是，為什麼這個地區的活躍下跌了。是該地渠道，是該地競爭對手，是該地市場環境？這些問題都是細化的範疇。並且，它們要能以量化解釋，而不是我認為。做好了這點，才是一個真正的業務端的數據分析師。

解決問題是一方面工作，另外一方面，數據分析師的職責是將業務數據體系化，建立一套指標框架。活躍下跌的問題，本質上也是指標問題。什麼時候開始下跌，哪部分下跌，都能轉化成對應指標，如日活躍用戶數，新老用戶活躍數，地區活躍數。你不能衡量它，就無法增長它，指的就是指標體系。指標體系可以業務部門建立，但數據分析師也挺合適。一方面他們比數據挖掘這類技術崗位更貼合業務，一方面不像業務崗位對數據抓瞎。兩者結合，這崗位也能稱為數據運營。指標體系如果工程化自動化，也就是BI，所以數據分析師可以算半個BI分析師，這裡不包括BI報表開發。BI如果採購第三方，數據分析師負責BI沒問題，如果自有開發，那麼BI崗技術的色彩更濃厚。

數據分析思維和業務的理解，是分析師賴以生存的技能。很多時候，工具是錦上添花的作用。掌握Excel+SQL/hive，了解描述統計學，知道常見的可視化表達，足夠完成大部分任務。機器學習這類能力，對此類數據分析師不是必須的，Python也一樣，只是加分項。畢竟為什麼下跌，你無法用數據挖掘解答。

數據分析師是一個基礎崗位，如果專精於業務，更適合往管理端發展，單純的工具和技巧很難拉開差距。Title比較常見的有數據運營經理/總監，數據分析經理等。商業/市場分析是另外一個方向，更多見於傳統行業。你要開一家超市，你得考慮哪裡開，這就要考慮居民密度，居民消費能力，競爭對手的多寡，步行交通距離，開車交通距離等。這些數據是宏觀的大指標，往往靠搜索和調研完成，這是和互聯網數據分析師最大的差異。如果往其他分支發展，比如數據挖掘工程師，則要繼續掌握Python和機器學習等。從業務型發展上來的好處是接地氣，具備商業洞察力（天天搞報表，怎麼可能不熟），這點是直接做數據挖掘，或者程序員轉崗，所不具備的。新人，比較普適的發展路線是先成為一位數據分析師。積累相關的經驗，在一兩年後，決定往後的發展，是數據挖掘，還是專精數據分析成為管理崗。

學習資料：

• Excel和SQL可以網上搜索，也能買書，不多推薦。
• 指標體系的建立，可以看精益數據分析。另外有一本數據化決策，講如何量化，比較寬泛。統計學可以看商務與經濟統計，主要是前半部分。
• 還有一本數據挖掘技術——應用於市場營銷、銷售與客戶關係管理。我推薦它是比較糾結的，這本書的知識點比較豐富，非技術人員也能理解，但是翻譯太糟糕了…
• 學習數據化運營，可以看數據化運營速成手冊，對新人比較友好的。
• 業務和數據分析思維，了解金字塔原理，看看case in point、 crack the case、BCG系列也不錯。我以前也有相關的集合回答，可見：如何快速成為數據分析師？

數據挖掘/演算法專家，這是技術向的數據崗，有些歸類在研發部門，有些則單獨成立數據部門。

數據挖掘工程師要求更高的統計學能力、數理能力以及編程技巧。

數據產品經理這個崗位比較新興，它有兩種理解，一種是具備強數據分析能力的PM，一種是公司數據產品的規劃者。前者，以數據導向優化和改進產品。在產品強勢的公司，數據分析也會劃歸到產品部門，甚至運營也屬於產品部。這類產品經理有更多的機會接觸業務，屬於順便把分析師的活也幹了，一專多能的典型。

從職業發展上看，數據分析師做數據產品經理更合適。普通的產品經理，對前端、後端的技術棧尚未熟悉，何況日新月異的數據棧。這個崗位，適合對數據特別感興趣，但是數理天賦不高的職場人，那麼以溝通、項目管理和需求規劃為目標，也不錯。

數據工程

數據工程其實更偏技術，從職業道路上看，程序員走這條道路更開闊。數據工程師，可以從數據分析師的SQL技能，往數據的底層收集、存儲、計算、運維拓展。往後發展則是數據總監、或者數據架構師。因為數據分析出身，與純技術棧的程序員比，思考會更全面一些，雖然技術底子的薄弱需要彌補。

結合兩位老師的建議和我自身的興趣愛好、職業技能，我決定選擇營銷領域，成為該領域內的數據分析師。接著根據猴子老師和秦路老師的發展路線，我決定先從數據分析/數據運營/商業分析崗位開始做起。

爬取相關領域數據，可以使用「集搜客」這款軟體，關於這款軟體的教程，使用它提供的官方教程即可，我的文章數據可視化實踐-excel圖表就使用集搜客爬取了拉勾網2018年7月招聘數據，爬取數據以數據分析為關鍵字，工作經驗限定為1-3年、1年以下、不限三類，學歷限定為本科及不要求2類，採集數據共計405條。採集數據包括公司名稱、所屬領域、融資階段、所屬區域、公司福利、職位名稱、工作經驗、學歷要求、公司規模、薪資範圍等。

關於後期的實踐計劃，我打算接著學習猴子老師的數據分析（中級）課程，同時注重項目經驗的積累，努力豐富簡歷上項目經驗一欄的相關內容，根據招聘要求著手開始完善簡歷相關模塊以及準備面試相關問題。