【揭秘】21世纪最性感的职业：APP里的“智能推荐”藏着它
2019-10-11 09:45:10
次
“到2020年，企业基于大数据分析的支出，将突破5000亿美元，大数据在未来四年内，能帮到全球企业赚取约1.6万亿美元的收入红利。”
——国家知名数据公司IDC
大数据与乔布斯癌症治疗、奥巴马大选连任成功、微软大数据成功预测奥斯卡21项大奖……这些知名大数据经典案例淋漓尽致地体现了数据分析的重要作用。
早在20世纪，数据分析岗就已运用到企业业务层中，“啤酒与尿布”的故事就是一个经典案例。在行业规模暴增的环境下，大数据领域整体人才缺口大，数据分析师成为大数据时代的宠儿，需求占比超过四成。
大数据浪潮的激流中，市场空间得到迅速释放，企业对于大数据人才的需求也越来愈高，数据分析师则是这片翻腾浪花里的中流砥柱。然而对于很多人来说，“数据分析”这个新兴技术还只是一个模糊概念，对于“数据分析师”这个职业还是在雾里看花。
数据分析到底是做什么的？数据分析师是火爆一时，还是顺应而生？数据分析师要求的职业技能可以为此刻处于职业规划期的你带来哪些启示呢？
本周推文小T将从是什么、做什么、需要什么、发展前景等角度分四个部分聊聊数据分析这个职位，让你一探究竟：
一、什么是数据分析师？
首先，数据分析师到底是什么？我们需要明确下这个概念。
广义的数据分析师主要分为两大类：数据分析工程师和业务数据分析师。
业务数据分析师偏向于业务层面，主要基于统计方法通过对数据、数据指标的解读来解决商业问题。可以划分为以下几个层次：
业务监控：诊断当前业务是否正常？是否存在问题？业务发展是否达到预期（KPI）？如果没有到达预期，主要问题在哪？是什么原因引起的？
建立分析体系：这些数据分析师已经对业务有一定的理解，更多地是帮业务方建立一套分析体系，例如：营销活动。分析师会告诉业务方，在活动前你应该收集分析哪些数据，从而制定恰当的营销计划。
行业未来发展的趋势分析：这应该是数据分析师的最高级别，有的公司叫做战略分析师/商业分析师。这个层次的数据分析师站的更高，在行业、宏观的层面进行业务分析，帮助公司制定战略发展计划，并及时跟踪、分析市场动态。
数据分析工程师主要包括：算法工程师和建模工程师。基于机器学习算法，利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换。一般指通过数据挖掘来解决具体问题。如：聚类分析，通过对于会员各种人口统计学、行为数据进行分析，对会员进行分类，从而指导公司精准营销。
二、数据分析师是做什么？
我们先从一个故事讲起，某养猪场厂长告诉A分析师，我要看几个数据，你提取一下，一周后来给我汇报。
A分析师为了分析老板的目的，分析了去年他讲话的内容，也分析了他以往的年终汇报。甚至爬了猪总的朋友圈得知一个消息，猪总其实不想继续增加扩张，想减少投入，提高净利，而且他对自动化喂养很感兴趣。那么问题来了？A分析师该如何思考？
A分析师需要从几个关键的业务目标出发
罗列出目标影响因素有哪些？那么问题来了，因素这么多该如何去选取？
这时候就需要数据支持，一般2种方式：
- 内部数据去推送，驱动因素影响的程度如何？这时候相关分析、层次分析、回归分析等，给影响因素一个量化的标准，找出核心驱动因素；
- 外部数据，采用座谈、调研等方式确定公司各个业务部门对驱动因素的锁定。
其次就是验证推理提取核心的过程
A分析师需要整体分析猪的结构，比如公母比例、猪龄结构、新生猪存活比例、猪市场价格变化等，也从市场分析了一些自动化喂养设备的投入，计算ROI，这时候要系统性的去思考，进行各类对比和梳理。
详细的分析路径不做过多阐述，具体参考下图：
这时A分析师发现了什么？
- 猪的繁殖出现了问题，公猪占85%，母猪只有15%的比例。
- 猪食的浪费问题，每天大概都有价值10000大洋的猪食被当成垃圾清走。
- 猪的市场价格从8月初上升趋势显著，近期逐渐稳定。
最后，A数据分析师给猪总呈现了三个数据，这才是数据分析的核心。
- 繁殖问题，比例严重失调，紧缺母猪。趁着目前母猪在市场的引入价格相对较低，建议引入500头母猪，这是第一个数据。
- 自动化喂养。通过分析ROI和采购价格对比，预计采购某厂家的自动化喂养，且可及时采集数据预测猪食投入，1年后自动化喂养可节约80w成本。
- 猪龄结构不平衡。成品猪较多，趁这波涨价建议加大销售，腾出更多地方买入幼猪。预估明年5月份将提升40%的净利。这是第三个数据。
——案例和图片改自于“爱数圈”
概况来说，数据分析的日常工作主要包含以下几个阶段：
第一阶段，问题识别与构建
Step1:识别问题
Step2:回顾之前的发现
第二阶段，定位问题，并给出解决方案
Step3:数据处理
Step4:搭建模型
Step5:分析数据
第三阶段，传达结果并推动结果落地
Step6:传达给相关方数据分析结果 并采取行动
三、数据分析师的发展前景到底如何？
从20世纪90年代起，欧美国家开始大量培养数据分析师，直到现在，对数据分析师的需求仍然长盛不衰，且有扩张之势。
美国劳工部曾预测，2019年，数据分析师的需求量将增长40%。在数据分析行业发展成熟的国家，90%的市场决策和经营决策都是通过数据分析研究确定的。
据数联寻英发布《大数据人才报告》显示，未来3-5年内大数据人才的缺口将高达150万。根据中国商业联合会数据分析专业委员会统计，未来中国基础性数据分析人才缺口将达到1400万，而BAT等大型互联网公司的招聘职位里，80%以上都在招大数据人才。进入大数据行业，也成了越来越多人实现职场高薪梦的路径之一。
基于TempoBI制作的“数据分析师”职业看板，数据来源：智联招聘
在美国，大数据分析师每年薪酬高达17.5万美元。
而国内顶尖互联网公司，大数据分析师的薪酬可能要比同一个级别的其他职位高20%至30%，且颇受企业重视。
国内某大型招聘平台给出的大数据分析师平均薪酬为：14.57K（取自1139份样本），北京、深圳、上海、成都、广州、杭州、西安、济南、郑州、南京为需求量前十的城市。
四、想要做一名数据分析师需要什么技能？
数据分析的一个核心词语是“支撑决策”，它的本质是商业分析，而不是技术和工具问题，大数据时代，数据价值和驱动才是每个分析师应该关注的问题。
想成为一个出色的分析师需要N多技能，哪些技能能够让你快速实现自己的目标，这才是学习数据分析应该定位的。
懂数据：数据分析本身是通过数据，最终解决商业问题的过程。需要负责收集收据、构建数据库、搭建和运行模型，并准备高级类型的分析用来解释已有数据中的模式，还会负责预测分析的基本部分。因此，一方面需要明确数据来源及数据指标体系构建等数据收集处理技术；另一方面对于分析模型和算法功能等分析技术也要十分熟练。
懂代码：数据分析师想要得到更远的发展需要具备一定的编程能力。对于数据分析的全流程来说，从数据获取、数据预处理、数据分析、结构呈现等方面，都可以基于一定的编程语言来实现。了解Mysql，postgresql，sql server等数据库原理，熟悉SQL，会R、python、C/C++等脚本语言对于数据分析工作非常重要。
此外，面对越来越庞大的数据，单纯的统计分析和代码已经不能满足高效敏捷的数据分析需求，我们必须掌握并依靠强大的数据分析工具来帮助我们完成数据分析工作。
我们介绍了数据分析师所需要的硬实力和软实力。那么我们就从硬实力和软实力这两个方向分别来分析什么专业可以从事大数据分析师。
硬实力：数据分析师需要学生有一定的数学、计算机背景，从这个出发点来说，数学、统计、计算机科学等专业可以从事数据分析工作。
不过，这三个专业的同学可以虽然可以处理大量数据，并且拥有很强的数据分析能力，但是这类同学对于Business 和 Marketing缺乏了解，数据分析的结果对于企业并无太大收益。
软实力：软实力要求学生懂业务、懂管理，从这个出发点来说，市场营销、电子商务、经济学等专业毕业后也可以从事数据分析相关工作。
不过，这几个专业在业务方面可能专业度非常高，但是缺点也是非常明显的：缺乏很强的数学和计算机背景，在实际操作中缺乏相关的专业技能。
大数据时代，培养既懂技术又懂业务的复合型人才是时代趋势所致。
数据分析师作为大数据生态里边最靠近业务的一环，重要性不言而喻！没有数据分析师，数据的价值无从谈起，没有数据分析师，数据存储、ETL都是成本，无法产生利润，而数据分析师可以通过数据影响决策，最终影响业务并创造更多利润。
申请试用
方案咨询
Tempo大数据分析平台
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo数据资产管理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
