数据分析师是有争议的岗位吗？是不相信它薪资高？还是说它很难？

最近很多小伙伴在问：数据分析师是有争议的岗位吗？是不相信它薪资高？还是说它很难？咱们一个一个说。01数据分析师的薪资水平

任何人力资源在市场上流动的水平也是遵循经济学原理的。供不应求，涨价。供过于求，低价。数据分析师的薪资水平确实是高于其他行业，
猎聘对2022年数字化人才薪资进行分析，发现以数据分析师、大数据分析师为代表的数字人才平均年薪远高于全行业，人才年薪以10-20万为主。近4年来，数字人才平均年薪远高于全行业，且薪酬逐年增加，2022年比2019年增长11.5%。

世界经济论坛《2023年未来就业报告》显示，未来5年内增长最快的十大岗位包括了数据分析师和科学家、数字化转型专业人员。

下面是不同薪资水平的分析师大致的要求：

1. 8K的初级数据分析师

大部分是应届生或者转行的朋友。大公司的最基础岗位，比如数据专员。或者中小公司的数据分析岗位工作内容：

1、监控数据，取数
2、给业务方支持

技能要求工具要求掌握：SQL、Excel、Python、可视化工具Tableau/PowerBI有些公司的要求只有Excel以及可视化工具，这些小伙伴可能会觉得自己是“表哥表姐”，“取数机器”， “SQL Boy”。再往上一个级别发展，就是中级的岗位，如果一直停留在初级数据分析师的阶段，只是会用工具、会写代码的伪科学家，基本就是业务团队的背锅侠、工具人，存在感低。

2. 15K的中级数据分析师

到了中级，要求的综合能力肯定是非常强的，工具技能要求也会很高。

比如埋点 AB 测试，统计学的应用以及业务能力，大家也能看到，一些大厂的面试真题都会针对于业务方面内容去来进行要求，比如销售额分析，用户画像，DAU 产品分析，用户路径等，有的销售团队可能会问动销率下降怎么分析，这些更偏向于业务侧的方面提问。并且更需要的事情是你要做一些专题性的分析。

做专题分析也是会给你安排一条业务线，通过做这条业务线的 BP 有效去针对于日常的目标进度以及指标下降问题来给业务方提供支持，并且给他们一些取数的支持，让他们更好地做分析和可视化。

如果想要做出很出彩的分析洞察，需要很懂业务，需要能明晰业务的痛点在哪里，而这个痛点用数据分析正好能解决。3. 25K 的数据科学界

一般都是5 年以上工作经验，属于是数据分析负责人下面的一些中坚力量。在 25K 的等级上面，需要要求数据分析具备从 0 到 1 的能力。摸底分析针对于业务线细节拆分的能力，能非常理解业务的每个流程，关键的节点、目标拆分、对应指标以及对应指标的影响因素，能有效的去来支持业务方。跟业务方要讨论甚至争吵，甚至要告诉业务方现在应该争取什么样的资源，应该如何去来迭代等等。

对于高级数据分析师，如果想要获得更大的晋升，除了在专题领域，在从 0 到 1 的数据、产品、指标体系，各项目经验要丰富起来，同时还要有担当。这个担当就是帮助你的leader，帮助你的主管，承担起来更大的责任，减少他的思考，减少他的负担，放心地把业务线交给你。
很多大公司高级数据分析师不是一般的卷。这卷是怎么卷的？主要就是一些模型的构建，用到统计学方法支持。

有些这个级别的数据分析师也要做上传下达的工作，但这个上传下达除了领导和团队之外，还有跟运营、产品、算法之间的关系。很多公司会需要算法与数据分析师合作，找到一些模型策略，迭代算法，同时支持运营。

2数据分析师的难度

从上面各种岗位就不难看出，数据分析师还是有一定门槛的。
初级岗位就需要能使用很多工具，而这些工具的使用也是入门简单深入很难的。例如Tableau和Power BI这类工具的使用就有1~2年的入门和10年以上的大神差异。SQL，统计学、业务分析也是需要掌握的。好多小伙伴问小白怎么转行数据分析师，怎样学习？打好基础是关键，如果是萌新，一定要多刷题，不然SQL这关就过不去。如果你希望跟着老师或者团队学习，有作业有project，比较有阶段性的成长。