1樓：大傑飽
數分是技能，不止職業更不是行業
現在這個崗位2023年已經及其卷
收的簡歷基本海龜（BA、DA、CS、EE、SCM、統計什麼專業都有）如果還沒有入行的人，就別進來了
2樓：乙隻小螞蟻鴨
沒有，卷沒了，找了某大廠數分實習，周圍實習生人均top4本科（好多商科的自學了python sql他們比你懂業務），快跑，秋招報錄比感人。
3樓：
工作內容分三種：提出和界定問題、分析問題並構想解決方案、選擇並實現解決方案
「提出和界定問題」要有價值、有高度、奪得高管認可，資料分析leader沒競爭力。因為相比其他leader，資料分析這一偏中颱的職能更少鑽研一線市場環境、更少伺候高管。「發現問題並構想解決方案」要全面、創新、可執行，資料分析師leader沒競爭力。
因為相比產品leader/運營leader，不善於全流程方案構想。「選擇並實現解決方案」要在跨團隊專案中把控進度、分配資源，資料分析leader有競爭力。因為各方leader均會有眾多跨團隊合作機會。
薪資大抵是供需關係決定的。雖然資料分析處於需求方市場，但是資料分析師專精演算法可轉職資料科學家、專精資料架構可轉職資料工程師，優質的資料科學家和資料工程師現階段處於供給方市場。
不過假如真有轉職的潛力的話，為啥不直接從資料科學、資料工程這樣的角色進入行業呢？
4樓：諸葛夢宇
很有，不過警惕一點的是，現在入行的越來越多，如果自己半路出家，那就需要繼續學習。不停學習。
我就是乙個半路出家的人，以前學習心理學，但是後來選擇了資料分析這一行業。
總體說來，機遇和挑戰並存吧。
1、機遇：
崗位多，機會多
2、挑戰：對資料分析的要求越來越高。入門簡單但是高階困難，不是去學點技術就能搞定的了，一旦入門就需要大量的專案經驗來支撐自己的發展
5樓：
其實是看公司的定位，有些公司的資料分析是幹大事的，推動業務發展，是甲方，有些公司的資料分析就是提數的，是乙方，會sql就行。我不覺得有什麼前途，因為大部分公司就是取數的，時間長了你會懷疑自己的價值，別被目前各種培訓課程給忽悠了，你找個公司實習一下就明白了。
6樓：Empire Lin
什麼職業都是有高有低的，不具備說那個職業生涯就一定能有成就；如果說那個行業做了就一定有發展前途的，就不存在各行各業了，大家都拼命進去等養老了，一切的一切都應該由我們自己決定高低的，聽別人的意見，但是不能全信，資料分析工作也一樣，有能力者前途沒有天花板，天天摸魚的去到那個行業都是沒有前途的，所有的老闆就是最大的資料分析師，都是天天看資料包表對比各行各業的資料進行決策的
7樓：不笑貓
前景不算太大，未來可以說危機四伏，理由有以下三點，請謹慎考慮要不要做。
1.資料分析並不直接產生價值，在公司裡算是輔助型的部門，可有可無。以後等bi軟體發展起來了，業務部門本身就可以擔任資料分析的工作，除非有高手坐鎮，否則資料部門存在的意義很尷尬。
2.資料分析是一門從資料中發現問題解決問題的技術，它是以結果為導向，核心在於解決問題，所以極度考驗個人能力。從事這個崗位人，做的好的可以直接影響決策，指導公司業務；做的一般的人能夠搭建業務的指標體系，定期寫報告，輔助業務執行；最底層的大概就淪為取數機了。
我們大部分人現在只能做到一般，能夠從資料的角度看待業務，輔助業務，但是上面也說過了，這些工作未來很有可能會被懂資料的業務人員取代，所以資料分析要想不被淘汰只能做到頂層，不過從另乙個角度說，能做到最頂層的他本質上也可以選擇不做資料分析師了。
3.目前的資料分析都必須契合各自所處的行業，需要資料分析的有很多行業，比如電商、網際網路等，但不同行業的資料分析業務邏輯上並不想通，比如你之前做的電商的資料分析，那你接下來就必須一直做電商，想要做其他行業的資料分析就必須從零開始，可是做電子商務的公司，招資料分析有幾家呢？所以資料分析的需求並沒有那麼大。
最後，雖然有那麼多危機，但資料分析還是一門值得從事的崗位，前提是你得做到最頂層。
乙個資料分析師要想長久的幹下去，第一點必須要扎根於業務，我們的工作從業務中來也會回到業務中去，核心在業務；第二點必須要掌握核心技術，「業務是核心競爭力，技術是第一生產力」，這裡的核心技術既包括了SQL，Excel，Python，Bi軟體等各種工具的掌握，也要掌握各類統計學演算法，要懂原理、優缺點，知道在什麼情況下用什麼演算法。第三點就是要不斷地思考，從業務的角度理解資料，從資料中挖掘規律，用規律去指導業務，這是個完整的閉環。
8樓：孫雨消
我的答案：不可能沒有前景。
首先我不是說有前景或者沒前景，我是說，不可能沒前景。核心就是一句話，就是很俗的一句話，資料為王。稍微擴充一下就是，以資料分析為基礎的相關技術，在極其快速的取代傳統的商業模式。
有些答案一看就是外行人寫的，因為外行人一定會注重乙個工作，data analyst。他們的認知裡data analyst招聘的多，那麼這個專業就火，反之這個專業就沒落。
這個規律看工程領域，確實是對的，你土木很難轉到機械，也很難轉到電氣。這是各個學術專業的專業性決定的。但是資料分析我更願意稱它為一門手藝，而不是一門專業。
所以表面上他是個工種，其實各個領域都需要資料分析。
舉個 ：物流需不需要資料分析，在五年前都是不需要的，不光國內，就算在美國的現在都有許多公司不分析他們的資料，只是日常性的做著機械的工作。但是現在越來越多的物流公司都加入資料分析行業。
油價，交通，物價等等一系列的資料最後可以讓公司彈性的修改他們的經營戰略。這麼看下來，他們的business人員算是data analyst嗎？大多數公司都是不算的，但你可以看到他們的logistics analyst竟然要求會SQL然後最好會python，甚至你可以不是supply chain或者logistics專業畢業的，但你必須要回SQL和熟練Excel。
親身經歷，利益相關：
通過資料分析手段，許多公司通過Python和Excel部分取代了以前精算師的工作。之前精算部門是個資料大量輸入，大量輸出的部門。現在馬上就要變成了QA部門了，每天工作就是管production部門要資料，然後審code出的值對不對。
所以你覺得精算師需要不需要學資料分析？當然要學得了！
同理，我自己從事醫保/保險/製造/人力資源等多個領域工作，我可以清晰地感覺到，business的知識越來越不重要了，因為你許多以前屬於business的工作，被自動化砍掉了，UIPath/AA這些軟體在不斷的砍掉以前複雜的重複性工作，等一系列automation完成後，工作到你手上最後還剩下啥？只剩下了資料分析了，資料清理，資料探勘，視覺化等等。
所以你問我資料分析有前景嗎？我的答案就是不可能沒前景，因為資料分析就是各大行業的發展前景。
9樓：朴刀Kikins
看了一下都是些賣課的吹科打諢的在說有前景。
作為深度從業者，我要說，真的沒啥前景，就是個經常被人鄙視或背後吐槽的技術工人。
10樓：英國求職那勺鹽
大家最關心的前景問題其實就是「錢景」問題。
目前咱們國家有乙個很大的困境就是就業壓力很大。
因為大量的企業想要把資料分析利用起來，獲得更多的利潤，所以做資料分析的工作人員越來越多。不過目前國內的資料分析人員確實不足以去挑戰一些傳統的業務，比如說給廠家做營銷策劃，這樣的業務資料分析方法運用不多，精度可能達不到。
企業其實一直想要利用更多的資料分析方法挑戰傳統的業務，甚至挑戰行業。不過雖然網際網路從事人員很多，目前的資料分析人員很多都是針對某一特定企業的定製化的人才。從供求關係上來看，對資料分析的人員需求很大，所以資料分析的前景越來越好。
很多人想要從事資料分析工作，但是又擔心一入行深似海，希望這篇文章能夠幫助你！
（1）基礎資料分析師（入門級）
主要負責蒐集、整理、分析、整理使用者資料，收集分析使用者的行為資料。
（2）資料探勘工程師
主要負責資料探勘工作，建立使用者畫像。比如通過學習使用者畫像提取潛在使用者特徵，通過使用者活躍度分析提取使用者活躍特徵等。
（3）資料視覺化工程師
主要負責做視覺化分析，比如做資料庫、資料庫的維護等
（4）大資料工程師
主要是從資料庫中取數、建模、部署等
（5）資料科學家
主要通過從資料庫、資料庫、資料庫中取數，收集、整理、分析、整理資料。
1、資料分析幾乎無門檻。
2、資料分析師市場缺口較大，一般薪資在10k以上。
我們來看看資料分析到底是怎麼一回事，靠什麼去解決問題？一般我們談資料分析，分為資料統計和資料分析。
資料統計，主要是用excel或spss來獲取和分析資料。
資料分析主要是用python，r等資料處理工具，再往下還有資料的建模和資料的量化分析。
資料分析這個東西不是單純的靠經驗就可以的，還是要靠系統性的學習。拿業務系統的資料分析來說，在此之前我們需要對業務系統熟悉，才能對這個業務的系統流程進行了解，接下來我們要針對業務系統的一些特徵，根據業務背景對整個業務流程分析，還有就是對資料進行補充。
經驗是最重要的，做了業務才能理解業務，我們業務理解透徹，對資料分析也就知道怎麼做，這就好比打好基礎。資料分析不是僅僅會上sql，excel就行了，更是要了解業務，就好比醫生給我們看病，我們既要了解病情，知道是什麼毛病，也要了解病情的根源和好轉的路徑。
11樓：耶拉撒
三百六十行，行行出狀元
如果只是純粹的「分析、出資料、刷表、出KPI」... 說白了就是熟練工種，無非是多會幾種語言，多了解一些KPI，但總的來說，還是停留在「工具」層面
舉個餐廳的例子：買菜、洗菜、端菜的員工，通常都沒有廚師賺的多，為啥？因為廚師才是解決商業問題的關鍵環節，即廚師才把原材料轉化為產品，滿足了客戶的需求，並換取商業價值
可見，如果只停留在「工具」階段，產出無非是「fact、data」。至於為什麼會產生這樣的「fact、data」，以及基於這樣的結果，我們應該怎麼改進優化，通常會較少涉及 —— 而這些後續內容，往往才是能夠解決商業問題的核心關鍵點
簡述一下，即：fact - insight -solution，層層遞進。這也是資料分析努力的方向之一
簡單展開下：
fact：哪怕是光「刷錶出資料」，其實也有學問。比如誰在看資料，他們關注的是什麼，是不是需要給不同的人出不同的KPI，當前的這些資料維度合適嗎是否有調整空間等等
insight：即引起資料表現的、背後的原因。同樣的資料表現，背後很可能是不同原因造成的（比如A、B都考了100分，學渣A是抄的，學霸B是因為滿分只有100分...
）。通常，我們通過定性+定量的方式去獲取背後的原因
solution：這一步稍微有點難，需要我們對多個部門的工作都要有所了解。換句話說，要給出解決方案，前提是我們必須要比業務部門更懂業務，才不會出現「外行指導內行」的窘境
女生有做資料分析的麼？
當然有，而且很多 資料分析是我專業對口的工作 上學時候，班上女生比男生多 工作以後，組裡女生比男生多 我會覺得這是乙個最沒有性別差異的崗位 女生還相對具有一定的優勢呢，更加細心，更加有洞察力，真的，連畫得圖表都更美呢。妹紙穿衣服不是有全身上下不超過三種顏色的規則麼 乙個好看的圖表又何嘗不是呢 田ja...
文科生轉行做資料分析有可能嗎？
資料的追隨者 可以的哦，現在大三就開始準備還是非常贊的，Excle，SQL,Tableau，Python這些基本學習工具學習，需要找一些實踐專案練手，練手之後再找實習。資料分析是和業務強相關的，如果能找到和你專業背景相關的資料分析那就更好了，下面之前錄製的一些課程可以參考一下 蜜蜂公爵 有可能，我研...
電子商務該如何做資料分析？如何資料分析入門（從各項指標表象進入）
小士多啤梨 電商行業，我覺得可以從以下幾個維度去分析資料 1 訂單資料 銷量資料 訂單模板分享 2 購買使用者行為資料 使用者模板分享 3 商品資料 4 客戶諮詢資料 諮詢模板分享 5 推廣投放資料 投放模板分享 東方飄飄 flypig喵喵 電商資料分析可以借助第三方分析工具 如 siteflow ...