如何做好数据分析师的职业规划
发布网友
发布时间：2022-04-23 06:17
共4个回答
热心网友
时间：2022-05-20 11:51
做好职业规划，让自己的数据分析师之路走得更顺。
1、要知道，技术永远都是只是一种客观手段和谋生工具，产生价值、凸显价值才是王道。这里面涉及到诸多的自身能力需要不断磨练，比如个人的意志力、沟通能力、表述能力，还有你得好奇心、创造力和影响力等等。这些都是可以让你逐渐成长为一个优秀的数据分析师的重要素质。要去make the change and influence，不只停留在数字展示。
2、笨鸟先飞，拥有一个好的身体会使你能量倍增。初入职场，肯定事事要虚心向学求教，对于领导的指派任务，我们一定要高效完成，加班加点在所难免。职场里面那些充满能量、新鲜项目感兴趣、滔滔不绝做presentation的人通常都是有着很好的生活习惯、处理事情很快，吸收知识很快、愿意学习了解新事物，坚持锻炼的人。这个法则适用于大多职场。拼到后面其实是持久的耐力，就是不松懈，坚持对的事情。
3、别钻牛角尖，要灵活。如果一种方法试了好久都不行，停下来，问一问，试一试别的，可能会有新的出路。职场不是一个学术的地方。我们要认真做事，但是不要追着一个小的问题不放，这样很容易丢失掉大的东西， 负责任地讲，有很多项目是半途而废的，有很多数字不是准确的，我们要做的是顺势而为，抓住重点。Always focus on big picture.
4、先做倾听者，再做思考者，然后做好的提问者，最后做实现者。这里每一个环节都重要，先知道别人关心的是什么，有什么问题，然后要系统性考虑，有时候不要着急解决小问题，Focus on big picture，此外，提问出关键问题甚至能够帮助stakeholder更清楚了解他要的是什么，最后搞清楚了这些之后就是Action。
5、有意识地去跟人交流，特别是业务相关人员，以及各个条线的stakeholder，如果仅仅利用必要的时间，比如开会的时候交流彼此对业务对分析的看法，通常是不够的。我们作为分析人员，最好要走在前面，试探性的问问题，交流想法。提升自己举例子的能力，把复杂的东西通过简单的描述让别人理解很重要。
6、不停的总结，迭代。其实数据分析里面的分支学科还是很多的，ETL, Data Cleansing, 一些基本分析模型，Data visualization等等，不管是自己做过的项目经验，还是网上看来得好文章，或者同行交流来的新的好的内容，都可以不停的总结，试用，反馈，以此循环。长期来看是非常有好处的并且容易形成自己的体系。
热心网友
时间：2022-05-20 11:52
1、初级数据分析师
这类数据分析师分为2类：
1）Excel数据分析师
工作内容：
要求熟练使用Excel即可，常说的“表哥”就是这个职位。主要是给没有数据部门的产品经理打个下手。针对产品经理提出的需求来做分析。然后用PPT写一些分析报告即可。
需要掌握的核心技能：
Excel，统计概率。
月薪：
这种职位的大概薪资在一线城市的话大概税前有5000-7000块（以下说的薪资范围也都是针对一线城市的）
2）业务部门的数据分析师
工作内容：
这类数据分析师在业务部门。不需要会编程，但会的话有加分。比如用python写一些报表自动化。
常见的职位名称有：
数据分析师，数据运营，商业分析，战略分析，经营分析，市场行业分析
需要掌握的核心技能：
Excel，统计概率，简单的SQL查询。
常见的职位名称有：
数据分析师，数据运营，
月薪：
薪水大概是6000-10000。
对于初级数据分析师的职业发展，如果喜欢业务方向，可以往管理端发展，常见的有数据运营经理，数据管理经理，数据产品经理。如果喜专研技术，可以往下面聊的中级数据分析师方向发展
2、中级数据分析师
工作内容：
这类数据分析师一般是IT部门的数据分析师。不仅要会技术还要懂业务，通过发现问题，分析问题，得出结论，为公司的决策做支持。主要干的工作是数据提取、报表开发、撰写分析报告。
IT部门的数据分析师基本是涵盖了业务部门数据分析师的技能，还要会编程，就这么简单。薪资水平也是两个级别。
需要的核心技能：
统计概率，精通SQL，编程语言Python或者是R
月薪：
薪水大概是7000-10000+
3、高级数据分析师
通过建立模型，预测，偏重于工程，主要技能是编程和算法。
常见的职位名称有：
数据开发工程师，数据挖掘工程师，数据仓库工程师，机器学习工程师
需要的核心技能：
统计概率，数学，精通SQL，编程语言Python或者是R，机器学习
月薪：
薪水在15000+
数据科学家是这个行业的最终奋斗目标之一。你如果理论能力非常强，可以写paper，那么可以担任研究院的一把手。你如果工程技术能力突出，那么可以担任公司数据科学部门的老大。
如何选择适合自己的岗位呢？
1、成为一个终身学者
弄清楚自己的基础是怎么样的，学习转行从事哪个岗位的难度更小些，以及自己更适合哪个岗位。很多人一上来没有任何基础，就开始啃机器学习这是不对的。因为你没有统计概率，数学基础，里面很多专业术语根本无法理解。
数据科学是一门交叉学科，除了计算机相关知识，还需要有统计学、数学基础，以及一定业务知识。所以可以作为终身职业发展目标，每天学习一点，慢慢积累进步。
搞清楚各个职位的区别，以及了解自己的基础，知己知彼，就对学习和转行有方向和信心了。最关键的是要在自己的“最佳领域”工作。所谓的“最佳领域”，就是你热爱的、你擅长的、以及社会需要的这3个重叠的领域。
2、成为某个领域的数据专家
有的人技术很厉害，但是工作几年发展却受限，成为不了某个领域的专家。是因为今天跳到A领域，明天跳到B领域，导致业务领域知识缺乏。
然而，数据分析师主要是为所在的行业数据进行分析，所以离不开业务领域的知识。而业务领域知识的积累要靠这个领域多年工作的经验积累。所以简单来说：数据分析师=技术+业务
如果你是刚开始转行到数据分析领域，那么选择一个与你之前工作领域相关的数据分析师，那么会相对容易些，因为你自带业务知识。
如果你已经是某个领域的数据分析师，那么跳槽的时候，要考虑换岗不还行，也就是在同一个业务领域深耕，争取成为这个领域的专家，这才能具备不可替代性。避免跳到一个陌生的领域。
可以关注这几个行业的数据分析师，作为自己感兴趣的领域进行深耕：
1）互联网金融：风控／信贷／欺诈，杭州有好多公司招互金的。如果想往这个方向发展，可以做一些贷款分析的案例写到简历里。
2）商业分析：业务经营决策类
3）线上教育：最近几年比较火，比如好未来，vipkid。
4）广告推荐类：此类工作应用广泛
热心网友
时间：2022-05-20 11:52
一般的分析师（0~1年）/初级分析师：主要工作在数据支持、数据处理。一般帮助业务方提取数据，根据运营/产品的要求查询数据。而对于数据的使用背景、使用的频次、业务方如何使用、使用后的效果都不太care ，提取数据后发给业务方即需求完成。坦诚的讲这类算不算数据分析师，只能称之为数据支持员。
数据分析师（1~3年）/高级数据分析师：可以独挡一条业务线的数据支持、业务看板的搭建、业务问题专项分析，能够与业务方很好的交流并针对业务中存在的问题提出建议。这类分析师能够给业务带来真正的价值，但是相对来说接触到的都是一线的运营/产品，如果有较好的建议在落地时会遇到相当大的阻力。阻力的原因对业务的高度把控不到位，很难得到更高级别的管理者认同。
资深数据分析师/数据专家（大于3年）：能够独挡整个公司的数据规划能力，并能够快速产出价值。这部分数据分析师能够把控到高级管理者对数据的需求，能够通过自己的业务经验快速协调各个部门资源帮助业务产出。举个例子：一位资深的数据分析师应该具有对一个公司数据使用规划及数据使用的规范，倘若你空降到一个500人的团队能够快速完成该公司数据资产的使用以及帮助业务/老板/投资人认识数据价值等能力。
在进行数据分析师职业规划的同时，我们千万不能因为自身一些错误或原因而使得我们的数据分析师职业规划停滞不前。反之，在我们的数据分析师岗位上，我们一定要多多留意在数据分析师工作中可能会出现或常犯的一些错误，唯有这样我们才能步步为营、稳扎稳打，不断提升自我的技能来提高自己在数据分析行业的职场竞争力，这样我们才有脱颖而出的机会。
热心网友
时间：2022-05-20 11:53
