1、2017年是高峰期,有3127个岗位,之后的三年都下降了,对需求进一步分析得知是1-3年的数据分析岗位减少的速度明显大于整体的速度,也就是大家都喜欢要那种来就干活的人才;
2、整体的需求还是集中在北上广深,四大城市占全国90%以上,需求最多的依旧是北京,连续榜首,上海次之,换句话讲,要是以后不去一线城市,专职做或者走数据分析师风险很大;
3、偏技术类的数据分析已经连续三年需求有所下降,这与很多企业的数据化建设有很大关系,很多已经有了一定的成效,基本的业务数据已实现了自动化,一般的企业员工只需要简单的点击、拖拽就可以拿到想要的数据分析结果,逐步开始向应用数据靠近,重点是数据价值和洞察的体现,需要更了解产品、业务的分析师来做自我驱动的闭环,为其提供接地气、好落地的执行方案;
4、分析师的要求多元化,比如要求编程技能、算法技能,写报告能力,协调沟通能力、独立思考能力等,开始偏向职场通用技能侧重,也出现了很多运营、产品、财务、市场等业务线的招聘,也要求一定的数据分析能力,一定程度上显示企业对分析师的要求有所提高,想深层次提高分析师对企业未来的预期,也希望公司各个业务组织都要懂数据分析的技能;
相比大家看完以上几点就大概知道为什么难了?
为什么招聘3年以下的需求减速明显大于整体?
为什么分析师要求那么多技能?要多久才能学会?
为什么没有经验的,特别没有项目经验的,面试率很低,甚至全部阵亡。
一句话:分析师的要求越来越高,来了就能直接干的。
现在企业的数据分析师,有几种人:
1、程序员转行,以前帮业务提数据的,时间久了,有了一定的了解和感情,顺势做了数据分析师;
2、以前干运营,产品的,突然发现自己善于用数据解决、指导工作,慢慢演变成了部门的数据分析师;
3、做平台建设的,算法研究的,对公司数据底层很了解,也尝尝帮助业务做一些数据产品或者专题,日积月累,慢慢对业务有了一定认识,之后转岗;
4、整个部门就你excel好,还是对应专业毕业,就你最适合,被逼上架。
回头想一想,企业一直希望数据分析师来做什么?
1、指导作用,如何做?
2、监督作用,做的好不好?
但现实呢?
大多数程序员转行的一直是被动式的分析,经常在核对各类数据的准确性
运营、产品转行的分析师呢,基本的分析和核心思维没有问题,但遇到复杂的指标体系就力不从心了,报告永远是环比、同比、复合增长率…
平台、算法转行的呢,永远走着数据的清洗,统一指标的定义,人人都有自己的定义
那领导认为部门最合适的那个呢?不是研究可视化,就是深入学习ppt,见效快呀
那咋办?这病如何能治?
数据分析师是一个综合体,要做好分析师就要深刻理解能为别人带来什么,而不是你做了什么。
说到底分析师有三个域,第一:工具,爬虫也好,提取数据也好、数据的EDA也好。唯一准则:那个顺手用那个,那个快用那个;
第二:算法,简单来讲就是统计学,这是分析的发动机,没有这个技能,面对复杂的业务(肯定会有很多类型的指标和数据),那你很难做到科学、公正、合理,咋看都觉得有遗漏,老感觉缺点什么
第三,业务,业务分析的好不好其实就是你能不能了解所有人员操作的流程,这些流程会出现什么数据,职能之间的关系等,而不是单一的商业模式,上中下游。
知道自己那块不足,就缺啥补啥,先治疗,就这些吧~
如果大家看后有所感悟,希望能够转发分享一下
本文分享自微信公众号 - 凹凸数据(alltodata)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。