
有些网友想进入到数据分析行业,但对如何规划自己的职业之路比较迷茫。这里我谈谈自己的一些浅显理解,与大家切磋。 这个话题可以分解为三个具体的问题:
1、数据分析有哪些发展方向?
2、数据分析的晋升空间有多大?
3、如何规划数据分析的职业之路?
数据分析职业发展之政府机关
在政府机关的工作主要有两类,一类是计委、经委、统计局等一些经济综合管理部门所设有的调研处、研究室和情报所。统计部门还分别成立了城市调查队与农村调查队,经常开展社会和市场调研工作,为政府的决策提供支持。第二类是商业、粮食、物资、银行等经济主管业务部门会设有信息中心或调研室,从本系统、本部门的业务出发进行专业性调研,提供支持本部门的市场信息。
数据分析职业发展之企业
很多企业有专门的数据分析岗,比如我以前在新浪房产频道做客户分析师;再比如,我有朋友在普天做战略分析师。此外,像宝洁、联想、惠普等很多企业都会有专门的数据分析岗。
那么企业中数据分析岗的职位名称具体有哪些?数据分析岗的需求在不同城市和行业间是如何分布的呢?
1、数据职位名称
有很多啦,按分析层级分,有调查员、分析助理、分析专员、项目经理、研究主管、研究经理、研究总监等;按分析内容分,有投资分析、战略分析、媒介分析、信用分析、网站流量分析、财务分析、客户分析等。
那么,不同城市和行业对数据分析的需求量有多大呢?以智联招聘为例,我在5月初,在智联招聘上输入“分析”这个关键词,得到了不同城市和行业对数据分析岗需求量的不完全统计。
2、不同行业对数据分析岗的需求
以广州为例,岗位需求前两位的行业分别是计算机软硬件IT行业及电子商务、网络游戏。尤其是电子商务,由于利用互联网,能够比传统零售业具有更好的数据收集和管理能力,能积累海量的数据,因此更看重从海量数据中挖掘用户偏好和市场机会,所以我们可以看到百度有百度商桥、阿里巴巴有淘宝数据魔方、而亚马逊、京东、当当、卓越网都会大量招聘数据分析师。
为什么我在统计数据分析岗的需求量时,在智联招聘上输入的关键词是“分析”,而不是“数据分析”呢?因为像战略分析、投资分析等岗位虽然没含有“数据”字样,但仍是数据分析岗。这样会产生另一问题,没有包含“分析”字样的数据分析岗就没有包括在我的统计之中了(比如研究总监、调查员等)。所以,以上的统计只是粗略的,实际上的需求量要比这个统计结果大得多。
在企业做数据分析师,你的价值能不能体现,一方面取决于你自己的专业能力,另一方面还要看领导重不重视。有一个网友曾经跟我抱怨说,他在某一个企业做数据分析,他的领导总是让他创新,但是,第一,他拿不到数,他们企业各部门之间的条块分割非常严重,其他部门不愿意给他提供数据支持。第二,领导不给他配人,他们部门就他一个,光做基础数据的整理就经常要加班,根本没有经历再去做深入的研究。为此,他特别苦恼。我给他的建议是,向领导争取权利和资源(获得其他部门数据的权利;壮大数据分析队伍的资源)。如果领导不给,就跳槽。
因此,要去企业做数据分析,需谨慎选择,比如面试时注意面试官问你的问题是否专业、企业承诺给你的发展空间有多大、基础数据搭建的水平如何、向企业里的熟人或师哥师姐询问、或者实在找不到可询问的人,可以到微薄或论坛上提问等等。
数据分析职业发展之研究机构
第三种方向是去专门的研究机构,比如市场研究公司、咨询公司、证券公司、投资公司、广告公司、研究院等等。
由于这些研究机构是专门以数据分析为业务的,会很重视员工的专业素养的提高,往往能给你提供参与项目和参加培训的机会。通过项目和培训,会高强度地强化你的能力,让你在2、3年的时间里就掌握数据分析的基本流程、方法模型和工具操作。
我国的市场研究公司突破1500家,可分为国内的调研公司和国际的调研公司,国内的调研公司像新华信、零点、新生代、CTR、华南国际、艾瑞、易观等等,国际的调研公司像埃森哲、尼尔森、益普索、盖洛普、麦肯锡、GFK、 TNS等等。
在市场研究公司工作了3年左右可能会遇到一些瓶颈。因为,大多数市场研究公司是看数说话,只会数据分析的模型和工具,对客户的业务究竟是如何运营的并不清楚。所以,做了一段时间之后,会有套模板的感觉,所提的建议也是隔靴搔痒。
因此,很多在研究机构工作了3年左右的人会跳槽到甲方,这样有数据、方法、工具和企业的业务相结合,数据分析对企业决策的价值就会发挥得更为充分了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15