最近在關注知乎上大數據相關話題，發現很多在校大學生或者已在職場人士都對數據分析師感興趣，將來想從事數據分析或者轉行數據分析，所以大家的問題比較集中在如何準備，需要學習哪些技能，從問的問題中發現這些數據分析愛好者存在一定的誤區，同時對很多熱心人的回答中也有部分不同的觀點，作爲在大數據領域工作10多年的從業人員，也是專門寫下這邊文章（本文更多是基於互聯網公司經驗）。
今天主要從下面五大板塊進行介紹
一. 市場需求&待遇
二. 崗位介紹
三. 日常工作
四. 必備技能
五. 職業發展路徑
一. 市場需求&待遇
從知乎這麼多人關注並諮詢該崗位，也可以看出該崗位的市場熱度和需求，當然咱們還是以數據說話，畢竟咱們是幹數據這個行當的。
先看社招方面，從百度指數來看近10年全網的關注量一直在上升趨勢之中，另外在51job中搜索數據分析關鍵字，結果2000頁(每頁50個)，需求量之大一目瞭然。
說明：2020年10月搜索
再看一下2021屆校招職位方面
截至2020年10月中旬中型及以上的IT/互聯網公司我們共計監測到有168家開啓秋招(不包括房地產、金融等其他行業)，其中50%的公司都有招聘“數據分析”職位，共計651個職位，人數需求暫時無法統計。
爲什麼這麼大的需求呢？最直接的原因肯定是待遇好，而且跟着大數據的風口，想不火都不行。從下面的幾張中可以看出來：
- 應屆生平均年薪達到20萬+，溢價非常明顯。如果拿到了offer，爽歪歪
- 社招的初級數據分析崗待遇雖然不是很高，但是也基本月薪過萬
- 北上廣深的數據分析崗位待遇遠高於平均值
二.崗位介紹
工作內容
- 建設管理報表體系，並進行報表的開發維護與檢測
- 搭建業務KPI指標體系，並進行監測與分析，爲公司產品運營優化提供建議；
- 撰寫數據分析報告，爲業務問題原因排查提供數據支持及解決方案；
- 給業務部門提供運營、產品、活動數據，根據數據問題，提出相應的解決建議
工具要求
- SQL 50%
- Excel 30%
- Python 20%
- PPT 20%
- R 17%
性格特徵要求
- 學習能力 60%
- 邏輯思維能力 50%
- 表達溝通能力 50%
- 抗壓能力 40%
- 分析總結能力 40%
這裏要說明一下上面的崗位介紹內容，尤其是上面的數字，他並不是一個標準的JD，而是我們通過大量數據分析崗位（校招的崗位）JD，總結分析出來的，其中的工具要求和性格特徵要求後面的數字就是根據JD中出現的頻次統計分析出來的，爲什麼要這麼做呢？在以前看JD的時候每家招聘的JD都有一定的差異性，而且招聘主管對該崗位的理解不同也會導致JD描述不同，通過這樣大量的JD文本分析和總結，就可以比較全面和科學的瞭解該崗位。當然如果要投遞某家公司的崗位，還是要具體看一下他們JD的特殊要求的。
從上面的要求和工作內容來看，很多數據分析培訓機構培訓推薦Python、各種算法、Hadoop等方面的知識性價比是沒這麼高的，當然知道是有好處的，只是應用場景不多而已。
三.日常工作
從上面的總結後的工作內容以及各個公司的招聘JD看上去都還蠻高大上的，但是實際的日常工作中到底是什麼樣呢？
這裏重點要說一下臨時需求，對於應屆生或者初中級分析師剛到公司，基本都是處理臨時需求，臨時需求就是業務方需要跑個數據，你去寫個sql或者通過數據分析工具把數據拉出來，反饋給業務方即可，也沒什麼可分析的，這個過程要持續很長一段時間，而且後續的工作臨時需求也會一直伴隨你的工作當中，會讓很多人覺得大材小用，我堂堂211/985的畢業生難道每天就做這個嗎？以前在帶團隊中的應屆生時候，他們也經常給我有類似的“抱怨”。
其實臨時需求的價值是非常大的，尤其是新人，首先通過大量臨時需求的處理可以快速瞭解業務細節，以及數據平臺中底層數據的含義及分佈，這兩項是基礎，如果沒有這2項作爲基礎，後面的項目、分析報告是無法完成的。另外還有最大的價值就是，可以隨時知道業務方當前最新的業務想法和動態，如果不做他們的需求，是沒人告知你的，所以有了這些價值，我當年雖然帶了幾十人的團隊，也都會給自己安排一些臨時需求處理。
四.必備技能
技能這塊是很多應屆生和想轉入該崗位同學關注的，也是在知乎中關係問題最多的。總共可以分爲下面幾個模塊去準備。其中下面基礎知識、數據可視化、用戶行爲分析三個模塊是要重點準備的。
基礎知識
- 統計學知識
- 數據庫Sql
- Hive Sql(互聯網公司最常用)
- 數據倉庫
- 存儲過程
上面這些內容是最基礎的，專業面試的過程肯定會問到，也是開展工作的必備
數據可視化
- Excel/PPT
- Tableau
- ...
用戶行爲分析
- 基本概念與名詞
- 輔助工具
- 這個還是蠻複雜的（我另外會有專門的文章介紹）
用戶行爲分析是互聯網分析公司中不可或缺的工作，但是這個在校園和還是各種培訓中都是缺失的，自學也是非常難的。
外部數據源
- 國家統計局
- 百度指數
- 谷歌指數
- 微信指數
- 西瓜數據
- 艾瑞諮詢
- 行業報告網站
- …
作爲往高級數據分析師發展的道路上，外部數據源的積累是必須的
進階技能
- Python
- 算法
- Hadoop
- ……
算法、hadoop之類的如果瞭解對於後續工作的開展和晉升的，但是不建議初期就學習和準備這麼多，如果沒有實踐機會很快就忘掉。
推薦書籍
- 統計學 - 中國統計出版社
- SQL必知必會
- Hive編程指南
- 數據倉庫工具箱數據倉
- 庫生命週期工具箱
- 誰說菜鳥不會數據分析
- 圖表表現力
五.發展路徑
數據分析崗位的發展路徑有數據和業務兩個方向，其中數據方向又可以分爲深度和廣度2個房展路徑。
深度發展比較容易理解，這裏不必多說。廣度發展要澄清一個誤解，很多人會把算法工程師作爲數據分析師的進階路徑，其實並不然，他們是一個並列的地位，算法並沒有高人一等。數據分析、數據產品、算法工程師、數據倉庫他們都是並列的，都有深度的發展路徑，如果你有幸加入其中至少兩個模塊的項目，並且有一定的深度，恭喜你，你有成爲數據總監或者數據科學家的潛力。（之前專門寫過一天數據科學家的文章，有興趣的可以看一下）
業務發展路徑，在上面說的崗位要求中有一項最重要的，我沒有寫出來，那就是對“業務”的理解，對業務的理解深度，也代表着你在數據分析上發展的深度。所以如果你願意，數據分析師是可以也是非常容易轉向運營崗位的，也意味着你從背後支持業務走向了前臺業務運營。
六.結束語
以上是本人作爲10多年數據從業者的感悟，有幸從事了數據倉庫、數據建模、數據測試(之前專門寫的一篇文章)、數據產品、數據分析，數據團隊組建等工作，對於有疑惑的應屆生或者想轉入數據行當的同學，可以留言交流，希望能夠有所幫助。