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”