京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27