互联网大厂大热职业-数据分析的就业形势/必备技能
1.业务方向∶数据运营,数据分析师,商业分析,用户研究 ,增长黑客,数据产品经理等。
2.技术方向∶数据开发工程师,数据挖掘工程师,数据仓库工程师等。
业务类岗位的数据分析师大多在业务部门,主要工作是数据提取,支撑各部门相关的报表,监控数据异常和波动,找出问题,输出专题分析报告。在日常工作中,业务部门往往更关心某个指标为什么下跌或上升,产品的用户属性是怎样的,如何更好的完成自己的KPI等。
对数据分析而言,解决问题只是一方面,另一方面数据分析师的职责是将业务数据体系化,形成一套指标框架,比如活跃度下跌,本质上也是指标问题,如"日活"等指标。
技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门,有的则单独成立数据部门。与业务方向的数据分析师相比较来说,数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高,所以数据挖掘的平均薪资也会高于数据分析师。
数据分析岗位必备工具及知识
在工具使用上,数据分析师需要掌握Excel,SQL,PPT, Python等工具
1. Excel是日常工作中用到的最多的工具,常用的函数及数据透视表都要学。
2.SQL是数据分析的核心工具,主要学习Select,聚合函数以及条件查询等内容。
3. Python重点掌握Pandas数据结构,Matplotlib库,Pyecharts库及Numpy数组。
4.关于工具的部门,需要主要不同行业对工具的要求会有差异,比如金融行业会要求SAS等工具。一般情况下 Excel,SQL,PPT,Python这4种工具就能搞定大部分数据分析工作。
5.除工具的使用外,数据分析师要了解基本的统计学知识及数据分析方法。
6.统计学知识∶环比,同比,概率分布,变量,抽样等。
7.数据分析方法∶假设检验,回归分析,漏斗分析,多维分析,对比分析等。
数据分析师不同职位的成长路径
专业能力成长路径∶助理数据分析师——数据分析师——资深数据分析师——高级数据分析师
行政职位晋升路径∶数据分析专员——数据分析主管——数据分析经理——数据分析总监
主要专业技能要求∶数据库知识(SQL);基本的统计分析知识;熟练掌握Excel;了解SPSS/SAS;良好的PPT能力随着5G的进一步普及和强大的算法力的提升,很多学习数据分析的同学都在担心这个职位或工作会逐渐被AI所替代,大家不用担心。重复性的运算"体力活",比如取数等,会被AI取代。但在垂直行业以及岗位的深耕,这种数据策略和业务经验是不能被取代的。AI始终是赋能于工作者和业务运转。
不同的公司对于数据分析的岗位需求
第一类∶互联网公司
互联网公司的特征就是用户至上,要知道用户喜欢什么,需求是什么。对于数据的需求主要是以下三点∶
1.用户洞察
2.数据提取
3.实时数据分析
所以这里主要的工作内容包括∶从MySQL数据库中提取数据,成为Excel数据透视表的高手以及生成最基本的数据可视化(如线性和条形图)。偶尔分析一下A/B测试的结果,这样的公司可以为你创造一个尝试新事物和扩大技能的环境。
需求职位∶统计分析员数据分析师
第二类∶ BAT等数据化巨头平台企业
大厂的特征就是我们就是数据,数据就是我们。所以他们的需求就是可以生产大量数据驱动的产品和机器学习方向。还有许多公司,他们的数据(或他们的数据分析平台)就是他们的产品。在这种情况下,数据分析师或机器学习的任务就会非常繁重。
能对一个有正式的数学,统计学或物理学背景并希望继续走一条更学术的道路的人来说是更理想的环境。这一类的公司可能是面向消费者的拥有海量数据的公司或者以提供数据为基础的服务的公司。
数据平台类企业的需求职位,大数据工程师,数据分析师,数据挖掘工程师。
第三类∶其他数据驱动的非数据公司
这些公司是通过数据分析优化产品,提升产品竞争力,他们所需要的是数据处理,数据分析,数据可视化。
很多公司都属于这一类,面试的公司关心数据,但可能不是一个数据公司。因此,进行数据分析,了解产品代码,将数据可视化这些能力同等重要。一般来说,这些公司要么寻求通才,要么寻找一个能填补他们团队空缺的专才,比如数据可视化或机器学习方面的。
面试这一类公司的时候,比较重要的技能是熟悉"大数据"的专用工具如∶ Hive/Pig,以及有处理杂乱无章的真实数据集的经验。