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
在数据分析、机器学习的实操场景中,聚类分析与主成分分析(PCA)是两种高频使用的统计与数据处理方法。二者常被用于数据预处理 ...
2026-02-24在聚类分析的实操场景中,K-Means算法因其简单高效、易落地的特点,成为处理无监督分类问题的首选工具——无论是用户画像分层、 ...
2026-02-24数字化浪潮下,数据已成为企业核心竞争力,“用数据说话、用数据决策”成为企业发展的核心逻辑。CDA(Certified Data Analyst) ...
2026-02-24CDA一级知识点汇总手册 第五章 业务数据的特征、处理与透视分析考点52:业务数据分析基础考点53:输入和资源需求考点54:业务数 ...
2026-02-23CDA一级知识点汇总手册 第四章 战略与业务数据分析考点43:战略数据分析基础考点44:表格结构数据的使用考点45:输入数据和资源 ...
2026-02-22CDA一级知识点汇总手册 第三章 商业数据分析框架考点27:商业数据分析体系的核心逻辑——BSC五视角框架考点28:战略视角考点29: ...
2026-02-20CDA一级知识点汇总手册 第二章 数据分析方法考点7:基础范式的核心逻辑(本体论与流程化)考点8:分类分析(本体论核心应用)考 ...
2026-02-18第一章:数据分析思维考点1:UVCA时代的特点考点2:数据分析背后的逻辑思维方法论考点3:流程化企业的数据分析需求考点4:企业数 ...
2026-02-16在数据分析、业务决策、科学研究等领域,统计模型是连接原始数据与业务价值的核心工具——它通过对数据的规律提炼、变量关联分析 ...
2026-02-14在SQL查询实操中,SELECT * 与 SELECT 字段1, 字段2,...(指定个别字段)是最常用的两种查询方式。很多开发者在日常开发中,为了 ...
2026-02-14对CDA(Certified Data Analyst)数据分析师而言,数据分析的核心不是孤立解读单个指标数值,而是构建一套科学、完整、贴合业务 ...
2026-02-14在Power BI实操中,函数是实现数据清洗、建模计算、可视化呈现的核心工具——无论是简单的数据筛选、异常值处理,还是复杂的度量 ...
2026-02-13在互联网运营、产品迭代、用户增长等工作中,“留存率”是衡量产品核心价值、用户粘性的核心指标——而次日留存率,作为留存率体 ...
2026-02-13对CDA(Certified Data Analyst)数据分析师而言,指标是贯穿工作全流程的核心载体,更是连接原始数据与业务洞察的关键桥梁。CDA ...
2026-02-13在机器学习建模实操中,“特征选择”是提升模型性能、简化模型复杂度、解读数据逻辑的核心步骤——而随机森林(Random Forest) ...
2026-02-12在MySQL数据查询实操中,按日期分组统计是高频需求——比如统计每日用户登录量、每日订单量、每日销售额,需要按日期分组展示, ...
2026-02-12对CDA(Certified Data Analyst)数据分析师而言,描述性统计是贯穿实操全流程的核心基础,更是从“原始数据”到“初步洞察”的 ...
2026-02-12备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11