1樓：Lxuex
作為乙個想走資料分析，最後改為大資料的人來說，我覺得把，是現在資料分析崗位定位比較模糊，直觀來講，資料分析就是從海量的資料中分析出潛在價值，從而幫助公司提高營收，但是現在小型企業的量級還達不到，招聘要求基本上就是會excel就可以了，所以工資低。
中大型企業來說，資料量是夠了，但是，你分析出來的資料有什麼商業價值？這個定位比較模糊，
而且和技能無關了，需要分析者有敏銳的嗅覺，準確把握資料的潛在價值，幫助公司營收。但是，大部分的初級，中級資料分析師是不具備這種技能的。
高階資料分析師人才還是比較稀缺的。
還有就是，現在前端的工資高是因為前幾年前端待遇低，導致現在學前端的人少，需大於求，工資才高的。前端的技術棧真的不是很高。（個人感覺）
2樓：Jack Sun
決定薪酬的是這一類人才的市場供需水平以及這一類人才能夠創造的實際商業價值。
網際網路公司的資料分析師分級其實很明顯，最簡單的分一下的話，可以將分析師分為：一類是用SQL+Excel出出報表發發報告做重複性工作的「表哥表姐」，另一類是在解決新的問題，給業務實際做輸入的分析師。
前者門檻其實很低，市場供給也很大，且並沒有真的為公司創造商業價值，目前許多任務作甚至可以被BI系統取代，薪酬自然不理想；後者其實門檻很高，不僅需要紮實的資料科學基礎（統計學知識基礎+熟練的程式設計水平），更關鍵的是需要有行業積澱，要像業務方一樣了解自己分析的業務，這類分析師的薪酬空間是非常大的。
3樓：四妹夫
畢竟大平台招資料分析的比較多，福利待遇也更好，所以薪資差不多也會有很多人去，那他們為什麼還要抬高工資，前端就不一樣了，小的平台想要搶人就只能盡可能的抬高工資
4樓：JuniorWizard
看要求咯。
一種資料分析是運營類的，熟練excel，會sql，了解Python
一中資料分鐘是技術類，熟練Python，會機器學習相關演算法等等
5樓：Sky Hunter
Data analyst不需要高階的數學知識啊，為什麼就必須比前端拿的工資高呢？而且很多公司的DA, DS並不是你想象的那樣， 很多也只是寫寫R跑一跑script解釋下結果。
前端的坑千千萬，這幾年每年都有技術革新，題主自學兩年覺得自己達到中級水平了，攤手。。。前端中比如webGL需要的數學知識也並不少，門檻並不比其他track低，希望題主不要妄自菲薄了。
6樓：yu xiao
這個東西很難，所以我只做來給你賺一百塊的東西。但是我這個一百塊，和他們那個一百塊意義是不同的。他們那個簡單，隨隨便便就做出一百塊了，我這個超難的，能做出一百塊超不容易了。
所以你給他們50塊，給我得80塊。
7樓：
薪酬由市場決定，更準確的說法是薪酬由你創造的價值決定。價值有主觀成分在內，如果你創造的價值不被認可等於不創造價值。 所以薪酬低其實就是市場對這個角色創造的價值定位不夠高，你必須創造更高的價值並且改變別人對這個角色的認知才能獲得更高的薪酬。
至於「越難做的事情薪酬應該越高」，這是教育體系遺留的陰影，趕緊走出來。
8樓：者行孫
我來強答一記。
個人覺得資料分析之所以工資不高，實際就是入門門檻太低。國內外大部分公司所謂的資料分析，excel都能解決，而excel幾乎是可以速成的。最大加個access或者sql。
有人提到大資料，還有資料科學家，這些職位目前來看會比單純的分析師高，但是也在下降。不是說大資料或者資料科學門檻變低，而是這些概念本身很模糊。很多小企業，覺得自己資料量很大，說弄個大資料吧，一問幾十幾百G而已；還有很多企業，覺得資料科學家這個名字好高大上啊，為了吸引簡歷，就隨便po一些資料科學家的職位，但實際就是做資料分析師的工作。
這個現象不侷限於國內，國外很多傳統行業轉型，為了抓住潮流，也招這樣的，但基本你可以從薪資看出具體工作內容。
這種定位的模糊，就造成了所謂的大資料工程師，資料科學家，資料分析師的崗位良莠不齊，薪資自然拉下了。前端為啥高（個人覺得前端算是所有碼農裡比較低的）？因為定位準確，招前端就是做前端的事，技能都設定完備的。
比較兩者的薪金，最好不要比最小值，甚至不能比平均值，而要看薪金分布，真正的大資料人才，資料科學家薪金應該是遠超高階前端的。
9樓：風陵渡
我應該就是你說的工資比較低的資料分析師。
不過雖然崗位名字是資料分析師，但是實際做的是只要會Excel就能做的事情，基本上是偏向於業務的。
10樓：橘子打野君
首先題主說的資料分析師因該是偏資料探勘那一類的分析師。
實際上資料分析也分為兩個方向，乙個是業務方向（用資料支撐產品的運營，營銷等），另外乙個就是技術方向（如資料探勘，機器學習之類的）。
不同的公司對資料分析師的定位也不同，看題主的意思應該是指技術這一類的了。
按理說工資應該和技術類工資無二，但因為很多的企業一方面對資料沒有很大的重視，另外再資料行業的規範也不完善，所以才造成了題主看到的薪水不高的現象。
不過，我相信隨著資料的價值逐漸提高，這一現象會有所改觀的。
11樓：江楚
湊個熱鬧，按我以前面試經驗看，題主有個想法應該是對的，就是需求不能算太多，雖然很多公司有這種崗位，但社招少有太大量招的，很多都只招乙個兩個那種。實際工作來說，如果不是精力和時間壓力太大的話，甚至乙個老手都足以撐起一條業務線。
此外資料分析入門門檻其實不高，題主不要被網上資料分析師裡的描述騙了，那種掌握各種技能理論的資料分析師是有的，但不能代表全部。有那麼一部分公司對資料分析的需求可能真的就是個出報表的，待遇可想而知，當然往上走能好不少。
另外，資料分析師是分方向的，資料分析很多時候比較偏業務崗，不是所有資料分析師都能偏向技術方向的，有的甚至可以不懂python或者R。一般來說大公司會好些，對分析師技術上的要求要高點。
其實如果換成資料探勘崗待遇會更好，另外如果像網際網路金融的話，對於資料分析的要求也可能會更偏建模和機器學習。
反正還是看時間吧，從以前接觸過的一部分公司來看，感覺有些公司的資料感覺不是很好，看未來的資料思維會普及成什麼樣吧。
資料分析在網際網路行業中處於什麼地位？
分離機 其實能想到，像資料分析這個技能，或者你說這個崗位，其實就像人力資源管理一樣。很多人說到人力資源管理就想到 HR，招聘，行政，獵頭，發工資。而真正的人力資源管理應該是 薪酬，招聘，員工關係，培訓與開發，人力資源規劃和績效管理這6大模組。而資料分析這個技能，你說高階吧，也沒有很高階，但是你說很低...
跟傳統行業相比，網際網路行業的資料分析有什麼不同點？
欣旋諮詢 資料獲取難度導致的差異。可是，當資料量足夠大的時候，對於資料分析來說，難度完全不同 面對一條小溪，你思考的是，如何引來更多的水 開源獲取更多有價值的資訊 但是面對洪水時，你要做的是如何不被洪水淹沒。網際網路行業相對傳統行業來說，資料量太多太多了。這就帶來了乙個新的問題 哪些資料是有用的？傳...
網際網路產品經理和資料分析選哪個？
智庫燈塔 根據您的描述，個人認為可以考慮一下產品經理的工作。原因如下 1 善於分析也喜歡和人溝通，溝通能力是產品經理非常重要的必備能力。2 30歲，相對於我們以往的經驗來看，如果報課程來轉行的話，正是合適的年齡。30歲以下，有些年輕了，30歲以上，快到能做產品總監的年紀了。3 產品經理與資料分析師的...