前景非常好！世界经济论坛《2023年未来就业报告》显示，未来5年内增长最快的十大岗位包括了数据分析师和科学家、数字化转型专业人员。

数据分析分两种：第一种技术流，即数据工程师，算法工程师等等，重点是算法能力和编程能力，核心要打磨自己的编程基础，熟悉主流算法。第二种业务流，即数据分析师，商业分析师等等，熟练使用常用分析软件即可，懂分析方法论，有行业认知，门槛较低，上升空间较大，重点是具备解决实际的商业问题的能力。

数据分析师上升空间很大，如果想躺平，那数据分析师不是特别合适，数据分析岗位具备以下特点，请谨慎考虑要不要做。

1.辅助型岗位

数据分析师们经常会收到“我这里有一份数据，你帮我分析分析呗”这类没有明确需求的任务，往往经过在我们一顿自认为是金牌讲师的操作之后，得到的反馈却是一个又一个的灵魂拷问：

· 这些我早知道了，你分析了些啥？

· 环比下降了3%，那所以呢，能不能给点有价值的结论？

· 你分析了一轮，我还是不知道下一步要怎么做？

其中的本质原因，就是很多数据分析师只站在统计学的角度去分析，迷恋数值的游戏，而不是从业务的角色出发，通过数据解决业务问题。

2.需要有解决问题的能力

数据分析是一门从数据中发现问题解决问题的技术，它是以结果为导向，核心在于解决问题，所以极度考验个人数据分析思维的能力。从事这个岗位人，做得好的可以直接影响决策，指导公司业务；做得一般的人能够搭建业务的指标体系，定期写报告，辅助业务运行；最底层的大概就沦为取数机了。大部分人现在只能做到一般。

比如，老板给了你公司App的一周日活跃率，交给你以下任务：

（1）从数据中你看到了什么问题？你觉得背后的原因是什么？

（2）提出一个有效的运营改进计划。

你可能有这样的感觉：

• 面对问题，没有思路，怎么办呢？

• 学过的分析方法不知道该用哪个？

这些症状是大部分数据分析相关从业人员的真实日常写照。

只要你掌握常用的分析方法，数据分析思路自然就有了。根据业务场景中分析目的的不同，可以选择对应的分析方法。

3.跨行难度比较高

需要数据分析师的行业很多，尤其现在各行各业都在做数字化转型，比如电商、互联网等，但不同行业的数据分析业务逻辑上并不相通，比如你之前做的电商的数据分析，那你接下来想转行做金融数据分析难度就非常大，想要做其他行业的数据分析就要从零开始。

最后，虽然有那么多问题，但数据分析还是一门值得从事的岗位。

一个数据分析师要想长久的干下去，建议做到以下三点：

第一，必须要扎根于业务，我们的工作从业务中来也会回到业务中去，核心在业务；

第二，必须要掌握核心技术，“业务是核心竞争力，技术是第一生产力”，这里的核心技术既包括了SQL，Excel，Python，Bi软件等各种工具的掌握，也要掌握各类统计学算法，要懂原理、优缺点，知道在什么情况下用什么算法。

第三，要不断地思考，从业务的角度理解数据，从数据中挖掘规律，用规律去指导业务，这是个完整的闭环。