
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23