資料分析師也有幫派!四大門派鼎足,入行千萬別走錯了路!

我身邊很多想要入門資料分析或者要轉行的,往往對自己的職業規劃一無所知,十分迷茫,經常來問我該怎麼辦?今天,為了方便大家理解,小數把資料分析比作武俠小說裡的門派,讓大家能夠輕鬆地對資料分析行業有個認知,也能走好自己的職業發展之路。那麼,話不多說,且來看看資料分析裡的四大門派!

所謂人多勢眾,以力取勝

想必資料分析行業裡最常見的就是做取數的了,尤其是當資料分析火了之後,因為入行門檻比較低,也就造成了像丐幫一樣的“三百六十行、魚龍混雜”,而且工作相對不累,導致大量人士湧入,但實際崗位其實沒那麼多

但事實上,很多人都是被HR“騙”到公司來做取數機器的,很多公司名義上打著資料分析的額旗號,但實際招來的人就是做取數的

取數派每天的工作內容也比較簡單、重複和機械,就是寫SQL取數,根據業務的需求做資料統計、簡單報表製作,總體上說價值感比較低,基本都是新人在做。

但是,取數派也並非一事無成。因為取數的能力是資料分析和後面一系列建模工作的基礎,能夠高效的完成取數,以及對於資料的底層架構的深入瞭解,也不是一件很容易的事情,這也就是“以力取勝”。

好好打好這個取數基礎,有利於後面更高效的做分析和建模的工作,同時這也是瞭解業務方關心的資料和問題的機會。

Excel(如果會VBA就更好了)

SQL取數(核心技能)

資料庫(需要熟悉,具體看你公司用的什麼資料庫)

所謂清心寡欲,唯我獨尊

資料工程師包含的崗位很多,跟常見的資料分析比較容易搞混的,是資料倉庫、資料中台、資料模型等等,這些其實都屬於資料工程師的範疇,主要的工作也是根據具體的職責來看的,要有專門的人來做,很多人最後走專業技術線一般都會轉到資料工程師。

資料工程師更看重資料技術,比如統計學基礎、資料庫操作、程式設計基礎、機器學習基礎,同時你還需要對業務有一定程度的理解。

少林分南、北少林,資料工程師也大體可以分為挖掘工程師、演算法工程師等類別

比如說,資料採擷工程師的主要工作是利用已有的演算法模型,對業務資料進行清洗、建模,此方向薪資遠大于資料分析師,天花板也較高,不過升級有一定難度

另一種演算法工程師更看重理論基礎,比如機器學習演算法原理、相關數學原理等。演算法工程師的主要工作一般是研究演算法、為公司的相關業務需求優化演算法

演算法工程師薪資非常高,天花板也高,不過一是升級難度大,二是市場需求沒有資料採擷等方向大,一般是大型大數據公司才會需要這個崗位,比如BAT

當然把這部分劃歸少林,其實還有另外一個原因,就是地中海禿頭(開個玩笑)

資料庫

python

資料採擷演算法

機器學習演算法

……

所謂亦正亦邪,左右逢源

一般入行2–3年基本可以達到業務分析師的水準,當然前提是你的業務知識足備了。《倚天屠龍記》裡的明教可以說四分五裂,而業務分析師也分為兩大陣營:市場業務分析和運營分析

市場業務分析,比如說零售公司的某個業務出了問題,比如銷售,分析師的任務就是要搞清業務資料異常的原因,取資料、做調查、做分析、找業務等等,最終輸出分析報告給業務部門;

運營分析,就是我們俗稱的“表哥表姐”,每天都跟報表打交道,每天主要的任務就是從某個系統匯出excel表,然後整理一個新的excel表。至於看得懂看不懂這個excel,完全看業務能力,跟技術操作沒啥關係。

當然了,公司肯定會有單獨的運營部門,他們的主要任務是拉新轉化和促活,或者是業務運營,其中也會涉及到資料分析的工作,但是跟資料分析師的運營崗位不是一個概念。

總體來說,業務分析師的任務就是發現問題-分析問題-得出結論,為業務人員的行銷策略提供資料支撐,其實相當於一個賦能崗位。

所以,這個崗位比較看重你的思維能力和分析能力,需要你對資料有著敏銳的洞察力,同時也需要對業務有一定的知識儲備

SQL

統計學基礎

excel分析基礎

python/R語言

思維方法與分析模型

……

所謂高瞻遠矚,莫敢不從

商業分析師和資料分析師則是最容易被混淆的,商業分析師是做什麼的呢?

一般來說都是研究行業資料和競品資料,然後研究企業發展、為公司決策者提供戰略決策指導意見的,商業分析師的工作內容就是通過對市場、競對、企業的現狀分析判斷,提出未來的運營、產品方向建議,從而提升份額、提高營收。

這個崗位不僅要熟悉業務,還要熟悉行業,還要懂得市場、甚至還要懂得金融管理,跟“百家之長”的武當張三豐十分相像,但是對技術的要求不是很高。

從崗位上說,大量緊缺。因為一般來說,資料分析入行5–8年後就能碰到天花板,這時候大多數人都會轉行做管理(產品經理)、或者去做技術(人工演算法等),很少有人會去主動突破職業瓶頸,達到商業分析師的高度,主要原因也是在於商業分析師的門檻較高。

sql

商業分析模型與方法

市場行銷與金融知識

SPSS等工具

………

最後,無論是你是入行,還是想要轉行,都要謹慎又謹慎,起碼要對自己的職業發展有個3–5年的清晰規劃,才能下手準備入行,否則很容易入行就失業。

那麼,讀完了這篇科普文,不知道大家都是哪門哪派,何不在評論區留個言再走?XDDDD

回顧十週入門數據分析系列文:

我又開始了數據科學系列文:

關注數據君的臉書:

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按贊我的臉書,會有豐富資料包贈送唷!

接受贊助/免費投稿/商業合作!!!

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/