谈谈为什么数据分析的工作这么难找 ?

  行业变化

先说说我跟踪的几个数据,我跟踪了2015年到2020年数据分析师的招聘需求。

1、2017年是高峰期,有3127个岗位,之后的三年都下降了,对需求进一步分析得知是1-3年的数据分析岗位减少的速度明显大于整体的速度,也就是大家都喜欢要那种来就干活的人才

2、整体的需求还是集中在北上广深,四大城市占全国90%以上,需求最多的依旧是北京,连续榜首,上海次之,换句话讲,要是以后不去一线城市,专职做或者走数据分析师风险很大;

3、偏技术类的数据分析已经连续三年需求有所下降,这与很多企业的数据化建设有很大关系,很多已经有了一定的成效,基本的业务数据已实现了自动化,一般的企业员工只需要简单的点击、拖拽就可以拿到想要的数据分析结果,逐步开始向应用数据靠近,重点是数据价值和洞察的体现,需要更了解产品、业务的分析师来做自我驱动的闭环,为其提供接地气、好落地的执行方案;

4、分析师的要求多元化,比如要求编程技能、算法技能,写报告能力,协调沟通能力、独立思考能力等,开始偏向职场通用技能侧重,也出现了很多运营、产品、财务、市场等业务线的招聘,也要求一定的数据分析能力,一定程度上显示企业对分析师的要求有所提高,想深层次提高分析师对企业未来的预期,也希望公司各个业务组织都要懂数据分析的技能;

  现状

相比大家看完以上几点就大概知道为什么难了?

  • 为什么招聘3年以下的需求减速明显大于整体?

  • 为什么分析师要求那么多技能?要多久才能学会?

  • 为什么没有经验的,特别没有项目经验的,面试率很低,甚至全部阵亡。

一句话:分析师的要求越来越高,来了就直接干的。

现在企业的数据分析师,有几种人:

1、程序员转行,以前帮业务提数据的,时间久了,有了一定的了解和感情,顺势做了数据分析师;

2、以前干运营,产品的,突然发现自己善于用数据解决、指导工作,慢慢演变成了部门的数据分析师;

3、做平台建设的,算法研究的,对公司数据底层很了解,也尝尝帮助业务做一些数据产品或者专题,日积月累,慢慢对业务有了一定认识,之后转岗;

4、整个部门就你excel好,还是对应专业毕业,就你最适合,被逼上架。

回头想一想,企业一直希望数据分析师来做什么?

  • 指导作用,如何做?

  • 监督作用,做的好不好?

但现实呢?

大多数程序员转行的一直是被动式的分析,经常在核对各类数据的准确性

运营、产品转行的分析师呢,基本的分析和核心思维没有问题,但遇到复杂的指标体系就力不从心了,报告永远是环比、同比、复合增长率…

平台、算法转行的呢,永远走着数据的清洗,统一指标的定义,人人都有自己的定义。

那领导认为部门最合适的那个呢?不是研究可视化,就是深入学习ppt,见效快...

  思考

那咋办?这病如何能治?

数据分析师是一个综合体,要做好分析师就要深刻理解能为别人带来什么,而不是你做了什么。

说到底分析师有三个域:

第一:工具,爬虫也好,提取数据也好、数据的EDA也好。唯一准则:那个顺手用那个,那个快用那个;

第二:算法,简单来讲就是统计学,这是分析的发动机,没有这个技能,面对复杂的业务(肯定会有很多类型的指标和数据),那你很难做到科学、公正、合理,咋看都觉得有遗漏,老感觉缺点什么

第三,业务,业务分析的好不好其实就是你能不能了解所有人员操作的流程,这些流程会出现什么数据,职能之间的关系等,而不是单一的商业模式,上中下游。

以上。

道阻且长,行则将至,欢迎大家谈谈自己的看法。


更多好文


    Python让你画的图会自己跳舞 !?    13个Pandas实用技巧,有点香 !    数据分析里常用的五个统计学概念
『数据不吹牛』二群限额开放后台回复“入群”即可加入交流数据干货

“好文”

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值