京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据真正的财富蕴含在产业链条而非消费链条
一、哪些公司有互联网分析师?
二、这些分析师具体工作内容、汇报领导、交付物是啥?
先回答第一个互联网分析师都哪有:
1、国外针对二级市场投资的基金机构,
通俗点讲国外人想投资中国的美股股票,但不了解中国这些互联网公司;
那这些外国的基金机构就必然有人了解;这些分析师有常驻国内的,有常驻美国的;
2、国内针对二级市场投资的基金机构,
基础逻辑和1一样,随着国内互联网相关的上市公司开始多了,国内一些基金也有了专门针对互联网方向的分析师;当然国内的互联网相关上市公司还不是太多,按照他们的说法就是标的不够多,所以国内一般的基金机构都是说IT行业分析师,互联网隶属IT行业;
3、咨询机构、咨询公司
也称顾问公司,国内的咨询行业由来已久;越来越多的行业开始和互联网相结合,在咨询结构服务各行各业的企业过程中也是需要有人了解互联网行业,了解这个行业的打法的;
4、第三方调研机构
比如艾瑞、DCCI、易观这样的以数据、行业信息为主的提供方,这些机构一般出具各种数据、行业发展报告,组织行业沙龙聚会,这里面必然也是需要有人分析的;
5、大互联网公司
一般国内的大互联网公司都有所谓的行业分析部门、战略部门、战略投资部;(百度、阿里、腾讯、盛大、网易、新浪、搜狐等都有),这样的部门里的基础分析工作也是要有人做的;
6、针对一级市场的VC
我的工作就是,这类分析师做的事情主要根据VC所处的阶段不同;早期VC更多要求分析师对行业的理解、对项目的把握,偏后期一点的基金公司则更侧重财务模型、资本市场运作一些;
除此之外,自然还有一些江湖上的砖家们自称分析师,这里不展开了。
那么这么多地方有分析师,他们工作都干吗呢?我还是一个一个的说:
1、国外针对二级市场投资的基金机构
分析已经上市的互联网公司股票、公司财务状况、业务状况 、竞争对手态势和预测可能的走势;所以他们主要的工作是看已经上市公司及相关的竞争对手/细分领域的信息;
工作的交付物更多是投行出的分析报告,比如这种:《 德意志银行-中国互联网行业研究报告2011年12月(109页).pdf 》
编写这个报告的分析师之一我认识,就在上海,他日常工作就是和国内的互联网公司的投资者关系部门沟通、参与这些公司的财报电话会议、提出问题、分析、给出总结、趋势和预测等;
2、国内针对二级市场投资的基金机构其实和上面的类似,但他们更关注国内的上市互联网公司相关情况,他们的工作内容也是和各大上市公司董秘了解公司情况,参与财报发布等;至于交付物就是各种类型的研究报告:可以看下这里,我说过国内因为上市互联网公司不多,所以更多基金采用的TMT的分类方式;
3、咨询公司
这类公司内的分析师更多承担的工作是信息搜集,而搜集的目的一般根据雇主的行业、阶段、要求来;比如一家传统做服装的公司想做电商,就有可能找咨询公司做做参谋;咨询公司能提供的服务就是讲解行业、参与公司、一些特定公司案例等;他们的交付物可能是PPT、可能是学习材料,也可能是咨询师的一个讲座。
4、第三方调研机构
这个就更方便大家理解了,各家结构都有侧重,熟悉艾瑞的同学也基本知道,交付物主要是行业报告;
5、大互联网公司
这个类目的分析师其实最不好定义,他们可能是产品经理、可能是BD、可能是,甚至可能是HR;我的老东家就有隶属不同三个事业部的三个这样的部门;根据不同事业部的分工我们的工作内容也有区别,但大体上就是行业分析、竞品分析、趋势预测等;主要供公司领导做决策参考;
6、VC
我现在的工作,我所在的基金是一家比较关注早期的VC,所以分工明确;我主要看移动互联网方向,工作内容主要是看行业发展的趋势、细分领域的投资机会、具体项目的产品-团队-商业模式分析;说的有点悬,简单讲就是看方向、想要点、找项目、项目判断;我们工作的交付物一般是行业报告和具体的项目分析;
比如我的同行做的关于美国SOLOMO模式的分析报告;大体看完我上面两段的描述,我想一般XD应该了解了这个职位要做的事情;最后扯点别的,为啥这个称呼最近被频繁的………………大家都懂得…………
我闲的蛋疼的想了想几个原因:
1、目前微博上的分析师们,大部分并不是互联网行业出来的人,所以更多是用旁观者的角度看行业;(当然还是有很多从产业里出来的人)。
2、微博和知乎里的互联网大拿太多,卧虎藏龙;大家其实对于自己所从事的行业都有比较深入的了解,所以当看到一些非常浅显的、说了等于没说的、不是干货的内容,会自然而然的觉得不靠谱;
3、很多分析,尤其偏于二级市场的分析是基于财务数据、行业发展之后的结果做出的,所以有些时候会觉得这些分析都是“马后炮”(文章来源:CDA数据分析师培训官网)
4、最后一点,确实有些人不懂装懂。
回到这个问题的初始 ,其实互联网分析师这个职位看上去很美,但真正在做的人都知道其难度有多大,正如过去的2年大家常挂在嘴边的“产品经理”抬头一样……………
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18