阿里P7告诉你原来Python是这么用的
最近有个哥们儿去了阿里做 BI,这几天总跟我吐槽:之前他特向往 BAT、TMD 这些大厂,本想去了阿里,终于可以在数据分析上大展身手了。
结果没想到现在的状态就是天天加班,被业务缠着要数据,给了数据还背锅,折磨的他叫苦不迭。
最坑的是,当他输出的结果和业务部的认知差不多时,会被质疑:“这我们都知道了,然后呢,你做了跟没做一样啊。”
而当他输出的结果和业务部的认知差很多,又会被吐槽:“你这个数据和市场常识完全不同,肯定是数据的问题,快回去检查数据,一定是你错了!”
没话语权就算了,还天天背锅,自己干了 3 年多数据分析,没想到去了大厂依然还是那个没存在感的“取数机器”,领导除了对自己说“再做个报告深入分析分析”,就没有第二句话了,只能自己默默新建一个文件:《分析报告V16-8版》。
但为什么就这样一个“天坑”职业,还有那么多人抢着往里跳呢?
很简单,市场需求大、起薪高、职业没有天花板,而且可以转各种各样的方向,产品经理、运营,算法工程师、数据(挖掘)工程师,只要你想,甚至还能继续深造为数据科学家。
但大家不知道的是,这是个门槛在门里的岗位,虽说 SQL 取数、跑数、满足业务数据需求这些事情,是数据分析师的必备工作,也是每个数据分析师成长必须经历的一段时期。
但是这绝不是数据分析岗位的价值,也不应该成为数据分析师的核心任务。
无论是大厂还是小厂的数据分析师,都可能会被贴上“取数机器”的标签,那到底怎样才能逃离这样的命运呢?
真正值钱的数据分析师,他们的能力应该是:从大数据出发,实现发现问题、分析问题、解决问题的闭环,推进业务的增长和效率的提升。
这其中需要有驾驭数据的能力、搭建数据指标的能力、分析问题的思维习惯、沟通技巧、表达能力等等。
我特意总结了大厂年薪50w+的数据分析师的岗位需求点,涉及到的业务知识以及面试考点和加薪点。
掌握了这些技能点,告别取数机器,且月薪往 35k 以上要,肯定没什么问题。
那怎么能达到这个水平呢?谁网盘里还没有几十个 G 的资料呢,最后不还是放着吃灰。
所以我不建议大家自学,而是要跟着大佬学,毕竟人家经历过真实的项目,从实操中总结出的方法,肯定能让你少走不少弯路。
我看过市面上很多课程,都是教你工具怎么使用,但没办法帮你摆脱“人肉取数机”,更不能从业务角度带你做数据分析。