Python学的好，老婆不愁找

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。