
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08