1樓：九道門聊資料
要解釋這個問題，首先得對大資料市場有所了解。
最初的大資料並不是基於C端，也就是個人應用而生的產物，它服務的埠屬於B端，也就是企業端。所以作為一般個體的我們，很難在生活中感受到大資料給我們自己帶來的好處，但是對於B端的感受就不一樣了，對於傳統企業，生存時間越久，就越積攢了很多的資料，但是企業自身卻無法通過自身去利用這些資料提公升運營結果，大資料分析師就是將這些讓企業覺得棄之可惜，食之無味的資料產生價值，對企業運營起到指導作用，這是大資料時代，資料分析帶給企業的甜頭，這種甜味，作為普通個體的我們肯定是無法直接感受到的。
因為國內數位化轉型成功的企業並不是很多，企業數位化轉型幾乎找不到成功案例去參考，所有企業都是在摸著石頭過河，這個時候就很需要專業的大資料分析師去幫助企業實現數位化轉型，轉型成功後也需要大資料分析師進一步通過企業資料去優化運營。可是市場上的大資料分析師並不多，導致企業數位化轉型的專業人才缺失。
很多人以為只要會Python、SQL等等就可以師一名大資料分析師，也有很多培訓機構打著教Python的名義說是在培訓大資料分析師，其實這完全就是一種錯誤的概念，Python等等只是大資料分析師在工作中需要用到的工具，但是最重要的是，大資料分析師需要的是分析思維，這些機構根本就不重視培養學員的分析思維，所以就導致市場上會Python的很多，但是合格的資料分析師卻沒有幾個。
資料分析能給你的行業帶來什麼幫助？
九道門聊資料：疫情過後，還有工作崗位需要我嗎？
2樓：火柴
不是在這個大資料的時代，資料就是一座礦山，需要資料分析師去挖掘，並根據具體的業務問題篩選出有價值的資源，去解決相應的問題。
所以，資料分析師不僅不是乙個偽需求，而且還是乙個價值點非常高的職業，關鍵在於作為資料分析師所能提供的價值。
3樓：
乙個很玄乎的問題，說說自己的感受。
資料的整個生產鏈條，都不可能做到100%的準確，資料的抽樣選擇永遠存在隨機誤差。
資料也會說謊，有真有偽。但資料能夠反應我們直觀感受不到的軌跡，看到不一樣的存在。
資料分析使用客觀的真偽去推斷人類直觀臆斷的真偽。
以偽證偽，也是資料本身的價值。至少對錯的判斷，不在取決於乙個人主觀的對錯，而是群體資料反應的符合多數人的對錯。
資料讓我們逼近群體，避免個人極端。
4樓：延琢
隨著現在企業業務的發展，數位化已經成為了一大趨勢，資料分析師的價值不僅在於對於資料的採集與處理上，還有洞察力，能夠通過資料的變化趨勢發現資料背後的資訊，為決策者提供更全面細緻的分析內容才是資料分析工作的根本價值所在。
5樓：my breath
我認為是的。
資料分析是一種思維方式，不是乙個職業。作為從業者，也一定要把自己放在業務的崗位上，用資料驅動業務。而不是，被動響應業務的資料需求。
資料分析這個崗位也許在3-5年後會消失，但是資料思維會幫助我們在運營、產品、風險管理等領域做的更好。
6樓：風雨飄搖
是的，資料分析師是偽需求。因為資料分析、資料分析思維應該是每個職位都應該具備的素質。
資料分析是 = 資料 + 分析，問題是現在很多資料分析只會取數，不會分析。分析得基於業務的理解，並不是你說會了各種模型、分析框架你就會分析了。還得結合具體的業務。
為什麼大部分資料分析師都會淪為表哥表姐呢？因為資料分析離業務很遠，資料分析師每天接到來自各方的資料需求，基本上資料分析師是沒有做過業務的。而資料需求方提的需求一般很難描述清楚需求的目的及相關業務背景，或者他們根本不會描述，直接給你個表頭。
這就造成了資訊不對稱，資料分析師懂資料但是不懂業務，需求方懂業務不懂資料。所以資料需求方提完需求過後，會進一步溝通需求，明確需求背景、指標定義、業務口徑。
如果有一天，業務方都會自己取數了，那就沒有資料分析師什麼事兒了。這一天應該不久就會到來！
未來，資料分析應該會像Excel、PPT一樣，成為職場基礎必備技能。
7樓：無墨水
術業有專攻，流程之上的節點總是各有訴求…
如果說資料是門藝術形式的構建原料，那麼在不同職能的手中展現出來的面貌自然有所不同，所以並非完全如此（偽需求）。
在流程之上的需求從來都是乙個真實的需求，只不過職能各有偏向，涉入管理與業務條線之間｜上的節點擊擇時，每個部門，每個崗位，每個業務細分都有著不同角色，這些不同表現在可見性上便是資料形式上輸出。所以從廣義上講每個崗位都是乙個資料輸出者，但不可能指望在每乙個職能專設資料分析崗；狹義上講集合價值鏈之上的資料所在之處的資料管理和輸出者，這裡資料庫管理人員通常是IT意義上的資料分析人員，他們要對接各職能部門的資料需求產出格式資料庫（要知道技術與業務從來都是兩條再明顯不過的管理路徑）。
依據以上崗位環境分析基礎和資料再造的比喻，我們可以繼續針對資料分析需求講一講，在這裡我舉乙個例子：
位於產品部門的使用者研究團隊的管理者設想的業務資料形式或許與IT資料庫的輸出很難match，要知道看似一張簡單而必然存在的資料邏輯在資料庫之中可能受限於各類時間、空間、資料關聯以及採集受限等各類企業資料庫構建之初便存在的問題。
從這個例子中很容易看到不同職能之上基於資料輸出形式的不同而產生的兩類資料分析職能要求的差異，這取決於企業規模、類別、商業模式，最重要的是企業的管理規劃和IT架構構建的技術水平。
多數專設的資料分析崗都可能要面對類似「巧婦難為無公尺之炊」或者「脫離實際業務的眼盲症」的尷尬。
那麼並不是你（資料分析師）是乙個偽存在（需求），有這種想法的你可能正處於一種待解決的流程之上的職能預設的尷尬，當然我想更多的是不滿於一種枯燥的看不到「活力」的報表輸出。
解決方案：
1.成為一位可以支配企業資料庫建設的重要成員，你的資料表越是匹配其他職能要求，你越是真需求，牛掰的存在。
2.成為業務職能崗位上一位下沉到「市場」之上的「業務員」，讓你的資料不滿足於文字需求，而是活躍在報表之上。
——20191229
8樓：柒昀
理想狀態：根據一堆資料，然後通過不同角度的挖掘，發現對業務有知道意義的增長點，然後指導業務進行提公升和優化。
現實情況：
（1）碰到思路清晰的業務方，知道自己要從什麼角度分析，提資料、報表需求給資料組，於是這變成業務方主導的取數工作。
（2）碰到不清楚自己想要什麼的業務方，就等著他們提出一些不太合理的需求，然後拿老闆逼著你去取數吧。
講句正經的，每個公司對於資料分析師的定位都是不同的，在不同組裡的也可能有較大差異。綜合來看，一定不能脫離業務，因為現在越來越多的業務方和決策者都有很強的資料分析能力，包括取數能力。所以資料分析師一定不能孤立存在。
9樓：Becca
管理諮詢來作答：資料分析師絕對不是偽需求。只不過小公司不需要這類人，大公司才養的起。資料分析僅僅是工作的一部分，從財務管理到公司運營面面剖析，哪個環節離的開分析資料。
10樓：靜學社-學無止境
「資料分析」是乙個非常寬泛的概念。把資料整理下，出個餅圖可以叫資料分析；從成千上億條資料裡面找規律，建模型也叫資料分析；
同理「資料分析師」也是乙個非常寬泛的職位。還是先把「資料分析師」具體做什麼限定後再談是不是「偽需求」比較好點，要不然太發散，各說各的觀點。
11樓：陸仁賈
資料分析是為了用資料量化實踐，通過資料評估、分析實踐結果並指導後續實踐，還需要後續實踐檢驗分析結論有效性。
資料分析師並不全是偽需求，但不能指導和無法通過實踐檢驗的資料分析師一定是偽需求。
12樓：白船
我現在就是個資料分析員，其實資料分析對於乙個企業來說很重要的，需要及時進行資料監控，反饋資料情況，及時調整下發下去的方案。
13樓：老方
不算偽需求，大資料時代給了分析師乙個機會，是否能抓住，就開這些從業人員的造化了。
網際網路時代（國外）：產品為王（美國的使用者差異、需求多樣性都很少，從而能以乙個比較標準化的解決方案來解決海量使用者的需求，所以他們的產品、技術的話語權更大）。
網際網路時代（國內）：運營為王（中國的使用者差異、需求多樣性非常豐富，中國網際網路是商業應用創新驅動的，而在商業應用的土壤上，「運營」一定擁有更高更大的權重）。
大資料時代：分析師可能為王（大資料時代，資料極為豐富，商業判斷、增長策略、動作執行都能通過資料模型、資料分析、資料監控而獲得，所以資料理應有更大的話語權）。
但太多的分析師枯待在工位裡，等著產品、運營伸手要資料，不了解需求、不主動接觸使用者、不積極參與商業決策，那等紅利期一過，分析師價值沒了，紅利期造成的高薪也會丟掉。
14樓：明日先森
做個兩三年資料分析的工作，真的感覺資料分析沒有傳說中那麼美好。
關於資料驅動業務。首先資料分析做的最多的就是取數，做報表，然後業務方看報表。至於資料為什麼變動，可能業務採取新動作，但是資料分析很多情況下並不了解。
所以資料驅動業務說的，業務方通過報表資料自己去分析，然後進行優化改善，很少是資料分析給意見到業務方改善。就算給出意見，業務方會不會聽又是另一回事。感覺在未來，資料分析更多的是產品和運營以及其他崗位的乙個必備技能，專門從事這崗位的話天花板有點低。
關於職業生涯。資料分析繼續深入的話，其他衍生方向倒是蠻多的，演算法，資料產品，DBA等，都是比較不錯的方向，所以剛開始從資料分析入手是不錯的，但是不要在這個基礎崗位上呆太久，而且掌握更加核心的技能，讓資料分析思維成為你的加分項，而不是專職資料分析崗位，這樣前景就廣闊點。
15樓：Jerry
這個行業裡濫竽充數的太多。純數學裡10個正常人都會得出1加6是7。資料分析就不是，任何資料不加清理用任何MODEL都能得出乙個結果。沒有什麼衡量對錯的標準。
16樓：熾之三月
也不是。業務資料的變化，有時候很難發現問題所在，每次變化都會有不同的原因，很難自動化，也需要相應的工具進行探索，更需要思維能力和對業務，商業的理解以及對本公司具體業務，形態的了解。每個公司的業務也是千差萬別的
資料分析師 CDA 和資料專案分析師（CPDA 的區別？在認證方面有什麼不同嗎？
nicygyang 演算法或開發類的證書一般用處不大，靠證書入行還不如去刷kaggle比賽。實在想證書，推薦20年新出的谷歌tensorflow developer認證，coursera有prof.安德魯吳他們廠子的配套培訓課程，你上完prof.吳的deep learning專項再去上這個課比較好。...
初級資料分析師職業需求大嗎？
梁琪 我可以簡單的回答需求量大，但是，把你帶偏。你看看我這篇博文答案就自然明白了。資料分析師發展之路 evilqliang 部落格園 隨著大資料的時代到來，需求量還是挺大的。但傳統網際網路已近開始壓縮規模，往傳統網際網路公司來說是需求較少的。但傳統行業網際網路化，資料化刺激了用人需求，未來幾年用人量...
資料分析師需要哪些技能？
姑蘇城外漫天飛 有句話叫做，工具和技能都是關鍵，這些都是可以培養的。關鍵在於你是否有乙個資料分析的思維能力和想法 當然，作為資料分析師，基本的技能包括了SQL,BI工具，Python 基於這樣，資料分析的是核心在於，資料敏感性，業務資料發掘能力，資料指標體系搭建，分析框架搭建，和各個部門的溝通能力，...