“数据分析”岗位分析

数据来源

方式：爬取招聘网站“数据分析”相关职位数据
位置：上海
样本数：1223
职位：数据分析（450）、数据运营（215）、数据挖掘（108）、算法工程师（450）

1.公司融资情况

行业内公司的融资情况从一定程度上说明了选择数据分析岗位的稳定性（占比情况是所有职位累加在一起，未区分职位）。不需要融资的公司占比60%，D轮以上的公司42%。其实很多不需要融资的公司，规模也是很大的，可以结合公司规模来判断公司的情况如何，是否值得去发展。

2.公司规模分布

提供数据类职位的公司，规模还算比较大的（500人以上就算是中型企业了）。再结合融资情况，大致可以判断出这个公司的发展情况。根据经验，初级数据分析师去大公司较好，因为业务发展成熟、数据量也比较大，而且对数据的使用也有比较系统的方法。

3.行业分布

超过一半行业的一级标签是移动互联网，其他的标签大部分也都与互联网先关。金融和电商对数据分析人才的需求较大。因此，对于想往数据分析发展的择业者来说，金融、电商、游戏都是很不错的行业选择。就个人爱好、专业门槛的而言，游戏行业比较高，其次是金融行业。

4.工作年限要求

70%的工作经验是在5年以下的，5-10年的占比仅12%。所以数据分析岗对年龄的限制和要求不高，入行之后还是看个人经验的积累和发展。其实，工作年限是与薪资强先关的。如果薪资低，一般说明职员没有经验或者一两年经验；反之如果薪资高，那应该是要高级数据分析师了。

5. 工资情况

工资情况就把“数据分析”职业区分开了，差距是较大的。工资数据是根据职位的最低工资和最高工资，求的平均值。当然不能完全展现薪水分布，但大概还是看得出的。
上图中数据挖掘和算法职位使用绿色，数据运营和数据分析职位使用蓝色。可以看到绿色的薪资不管在哪个年限，都比蓝色的高。其中算法职位的工资遥遥领先（1年以下除外，新人的薪资差不多）。而数据分析和数据运营中，数据分析的工资会略高一些。造成这种情况主要是因为数据挖掘对学历和技术的要求门槛都比较高。对技术和算法感兴趣并且有优势的择业者可以选择从事数据挖掘职位，有机会做到领导层。而数据分析相对门槛并不高，懂一些程序开发基础是可以胜任的，并且入行后可以根据自己的发展规划转向偏业务线或偏技术线，不要心急想着一口吃成胖。

6. 职位要求

本次分析数据源来自职位详情及职位要求的文本，先在词频统计网站分析哪些词汇出现频率比较高，然后再统计高频词汇在不同职位上的出现次数。看看这四个职位凭什么薪资差别大。