
大数据因为其背后蕴含的价值,被《经济学杂志》自2017年誉为“新的石油”,数据导向的工作也成为很多人的向往之一,特别是数据分析。
然而对很多人来说,它还只是个模糊的概念,总觉得离自己很遥远。其实并不然,领英早在2016年发布《中国最热职位人才报告》中提到:全球基础数据人才缺口已经增至 1500 万之居。无论是企业还是个人来说,掌握数据相关技能就掌握了未来。

数据分析 = 未来必备技能?= 趁早抓住?
有的人可能会问:“我不想成为数据分析师,那么是不是我就不用学这项技能?”,答案当然是:NO!它是几乎是各行各业的“万金油”,升职加薪的利器,原因是:
01
有业务决策需求就离不开数据分析,
尤其是数据分析思维
这几年,笔者从最初简单的数据报表的维护开发、建模到各行各业的业务问题解决方案,接触到了更多数据分析领域的核心技术以及思维,越来越觉得数据分析,是决业务问题的有效工具,是可以“活在未来”的思维,通过数据来对现实事物进行分析和识别的能力,就像如下所说一样:
“用分析的角度、 严格、 系统地思考业务问题, 然后得出能够影响这些数据的解决方案。 ”
——Michael O’Connell, TIBCO 的高级分析总监
所以在大数据、人工智能的浪潮里,只要公司有业务决策需求,都离不开数据分析这个“工具“。不懂数据,热门职位很大程度上会失之交臂,即使在若干年前入职大平台如阿里、滴滴、腾讯等,在大数据的浪潮里,也会被新人拍死在沙滩上。
02
除了专职数据分析师,
有更多的职位开始对数据分析技能有需求
回想一下,我们日常生活中每天都会接触的场景:从微信朋友圈、短信推广,Amazon等电商的商品推荐 ,今日头条、抖音等媒体的内容推送 ,甚至到出行路线优化,这背后都严重依赖于以数据为基础的决策结果。
无论你是处于公司中的哪个环节,从专职数据分析、市场策划、销售运营、到客户服务,都需要掌握数据分析技能。
另外 ,2016 年很多院校才刚刚开设 “大数据分析” 相关专业,也就是说科班出身的分析师,要到 2020 年才可能会出来工作,而如果现在入行或者学习数据分析技能,到时候也是资深人士了,抢先一步,占领先机,未来绝对是各行业内的领导者。
“学习如逆水行舟,不进则退”,在这股大数据浪潮中,你是选择逆流而上,还是进入湍流?想必你心里一定有数。

数据分析 = 现今稀缺技能?= 高薪?
大数据在带来极大商业价值的同时,也面临着巨大的人才需求。数据人才缺口,远比你想象的还要大。所以数据人才在就业市场的待遇好到令人仇恨,根本不足为奇。即使没有学历文凭的优势,有数据分析技能的加持,你也能找到一份“高薪”职业。
除了高薪之外,数据分析的热门抢手,还体现在以下几个方面:
01
广泛的行业适用性
目前,数据分析职位缺口主要集中在三大巨头行业:移动互联网、计算机软件以及金融,总占比64%,同时非典型数据产业,潜移默化、迅速崛起。说明数据分析是各个行业都是通吃的技能,且都能期待不错的收入水平。
02
职业发展具有多样性
初期发展方向可以细分为BI专家、模型算法专家、业务分析专家。圈内不乏这种经典案列:技术岗沉淀数据分析思维和技能,转战产品经理、运营经理、管理经理、甚至是公司层面的Sales, 且都是同期的佼佼者。
03
入门并不难,并且越久越香
很多数据分析师并非都是科班出身,不乏来自经济、管理、化学、甚至英语专业,入门数据分析师并没有我们想象中那么难,相反是可以快速入门的高薪、市场急缺的、发展空间大的热门职业。一旦你在拉勾、猎聘等大的招聘网站上发布职位跳槽信息时,几个小时内绝对会被HR、猎头锁定。
短短的二三年时间,各行业的研究报告表明,大数据在现在、甚至未来都会是各个公司的核心资产,并且其商业价值会越来越高,并且在很长一段时间内供不应求。 我相信只要你已经入门数据分析,加持熟练的业务知识,之后的职业道路相对会顺利很多。
读到这里也许你现在已经克服心理困难,决定不要做个围观者,而是时代的领导者,作为零基础的小白或者是有一定基础的高手,我该如何在数据分析的道路上越走越远?

数据分析人的职场天花板
01
走AI路线,吃技术红利
数据分析最好的落地场景目前来看是推荐系统,几乎所有的互联网公司都在做个性化推荐,今日头条、网易云音乐 这些公司都以精准的个性化推荐著称,个性化推荐是它们赖以生存的业务场景。
去这些公司从事推荐系统相关的数据工作能够获得很好的起薪,也有很好的发展空间,但相对的门槛也很高,计算机、统计学或数学的硕士学历是标配;
02
去大型互联网公司,吃行业红利
如果你跟我一样走不了AI路线,那么一定要去大的互联网公司,它们对数据足够重视,内部有一个足够大的数据团队供你学习和发展,同时也能拿到跟互联网公司主力岗位开发、产品相当或者稍低的起薪。
我们拿网上的公开数据做对比,以亚马逊为例,亚马逊的开发岗位SDE(Software Development Engineer)的薪资范围是:


03
职业天花板
很少有经验很丰富的数据分析师,大都从业5年以内,10年的大都转管理或转做其他职位。程序员和产品经理则不同,程序员可以走技术线一直到架构师,不做管理也能年薪百万,一个资深的产品经理负责重点的营收产品也能年薪百万,而走AI路线那些算法人员由于不可替代性,很多公司直接开出百万年薪。
PayScale上BI的职位发展路线是这样的:

总结出来是:
1、数据分析(BI)薪资增长缓慢;
2、数据分析无法一直走技术线,进一步发展只能走管理;
3、数据分析最高到BI总监,无法到副总裁或以上。
如何打破天花板?
01
找到一个数据分析的应用场景,
走业务为主,数据分析为辅的路线
有非常多职位名称不是数据分析,但做的就是数据分析的工作,最普遍的就是财务分析了。PayScale里数据分析师的发展路线是这样的:

可以看到大头是往财务分析>财务总监这条路走,如果你有财务背景又想做数据分析,可以考虑往财务分析走,企业可以没有数据分析,但不能没有财务分析,财务是数据分析里边最普适的一个应用场景。
相似的还有风控,见过不少原来在互联网公司做数据分析的人去金融企业做风控,国内很多信用卡中心和P2P公司有大量这样的职位,风控在金融企业也算核心岗位之一。
如果你对财务不感兴趣,在自己公司内部也要尽量从事一些可以落地的业务场景,比如在大型互联网公司做账号风险管理,从事防盗号,防刷单的数据分析工作。
从事紧贴业务的数据分析才能落到实处,才能体现出价值,除了发展更好外,也能在公司裁员时不至于被淘汰,因为你做的事是有业务价值的。
02
去核心业务就是数据本身的公司工作
在FMCG(快速消费品)行业如宝洁、箭牌等,CEO要不是销售做起来,要不是市场、品牌管理做起来,因为这些职位能直接拉动业务。在会计师事务所做财务,做审计,你能达到的职场顶点不是财务总监而是CEO。
因此做数据的,如果能去一些本身就是从事数据业务的公司工作,自然能打破职场天花板。市场上有很多这样的公司,比如做数据咨询业务的公司,艾瑞、易观、尼尔森、华通明略等,在里边做数据分析业务,你的职场顶点绝不是BI总监。
又或者像GrowingIO、神策数据这样的数据平台公司,创始人都是BI出身的,比如GrowingIO的创始人就是前Linkedin(领英)的BI总监。去这样的公司,你会有更广阔的职场跑道,而不是在其他公司一样撑死就是BI经理或总监。




原文始发于微信公众号(PowerCareer):起薪高,需求大,2019留学生的“金矿”竟然是这个!