[[338434]]

最近搜羅了一些粉絲問的問題，一些比較好的問題拿出來和大家一起探討，今天的問題是就數(shù)據(jù)分析的崗位級別區(qū)分來探討一下，幫助大家在數(shù)據(jù)分析的崗位晉升中可以有的放矢。

首先我們來看看，一個初級數(shù)據(jù)分析崗位，都需要具備什么樣的特征：

1、工作內容：

初級數(shù)據(jù)分析崗位雖然也叫做“數(shù)據(jù)”，但實際的工作內容可能只有50%跟數(shù)據(jù)相關，比較重要的工作就是寫寫日報、月報(報表體系搭建)，取取報表數(shù)據(jù)(或是數(shù)據(jù)庫取數(shù))，抄送、上報數(shù)據(jù)(指標數(shù)據(jù)監(jiān)控)，簡單數(shù)據(jù)處理(初級數(shù)據(jù)清洗加工)，做做PPT(數(shù)據(jù)報告制作與展示)等等。

初級崗位的工作通常比較機械，與業(yè)務的接觸是很少的，很多公司的“數(shù)據(jù)分析崗位”其實就是“數(shù)據(jù)運營”，運營的內容占到大多數(shù)。

2、硬性要求：

EXCEL、SQL、PPT這些是必須要會的，另外還需要一顆能耐住寂寞的心和抗壓力。

其中excel起碼要熟練運用if、vlookup這些函數(shù)，sql要掌握嵌套查詢、聯(lián)合查詢等基礎功能，PPT能力不需要很出眾。

3、加分能力：

BI能力、可視化能力、業(yè)務能力，這些都是在簡歷篩選當中能讓面試官眼前一亮的技能，其中最最難能可貴的就是對業(yè)務的理解能力。

比如給你一張網(wǎng)站的流量數(shù)據(jù)，你一眼就能夠看出哪個數(shù)據(jù)有異常、哪個流程可能出現(xiàn)問題、每個環(huán)節(jié)應該采取什么措施，這就是真正的業(yè)務能力。

而且千萬要注意!不要以為BI能力就是學一些SPSS、VBA、Python這樣的工作，真正的BI能力是對數(shù)據(jù)的敏感度、數(shù)據(jù)處理能力和分析能力，也就是我們經(jīng)常所說的“心中有數(shù)”。

我們隨便從招聘平臺上找一些數(shù)據(jù)分析崗位的招聘需求，就能看出這些崗位的門檻其實并不高，大量求職者涌入也造成了初級崗位的平均薪資，越來越不盡人意(中國的內卷化，你懂的)

我們再看看高級的數(shù)據(jù)分析崗位，都有什么樣的特征：

1、工作內容：

高級(中級)數(shù)據(jù)分析崗位幾乎隨時都在跟數(shù)據(jù)打交道，簡單的日報月報工作都可以用編程或者工具實現(xiàn)，每天最大的工作量就是跟處理業(yè)務的問題需求，或者配合數(shù)據(jù)部門進行建模、平臺建設等工作。

如果是偏技術的，就是通過編程來處理數(shù)據(jù)、建立模型、預測數(shù)據(jù)等;

如果是偏業(yè)務的，就是通過業(yè)務模型來分析數(shù)據(jù)、輸出方案、提高業(yè)務績效等;

2、硬性要求：

扎實的統(tǒng)計學、至少一門編程語言、至少一門BI工具、數(shù)據(jù)庫基礎和一定的算法基礎，比如機器學習、數(shù)據(jù)挖掘等。

編程語言的話推薦是python或者R，BI工具國內基本會用FineBI、PowerBI等，以及多元統(tǒng)計、決策樹、邏輯回歸等數(shù)據(jù)挖掘知識。

那么，高級和低級數(shù)據(jù)分析崗位的區(qū)別，到底是什么呢?

我認為，二者的最大區(qū)別就是在對業(yè)務的理解上。

初級數(shù)據(jù)分析做的都是底層取數(shù)工作，價值不容易體現(xiàn)，老板不會很重視你的意見和作用，你說的話業(yè)務也不會相信。所以剛入門的初學者，基本上只能做機械性質的工作。

但是，當你能慢慢對業(yè)務和數(shù)據(jù)有了敏感度和自己的理解，在業(yè)務時間想方法提升機械工作的效率，比如日報月報、excel上報、數(shù)據(jù)庫取數(shù)等，是不是有更快的方法實現(xiàn)，這時候你做出來的東西，一定能讓老板眼前一亮。

最后，再去跟業(yè)務充分學習指標、邏輯、數(shù)據(jù)等經(jīng)驗知識，至于怎么去學習業(yè)務經(jīng)驗，這里篇幅問題不詳細講了，之前的文章曾經(jīng)提到過。

本文僅代表個人觀點，歡迎大家批評指正。