为什么大厂员工都按级定酬？能力分级决定你的收入上限

Posted 2022-01-27 程序媛秃秃

为什么大厂员工都按级定酬？

本质上说是通过一个人的能力胜任模型，判断一个员工的价值。

我们以大厂的数据分析是为例分析一下，数据分析师的能力胜任等级是如何划分的：

数据分析的能力晋级分为四个层级：

第一层：会跑数

跑正确的数，是基础中的基础，如果连数都跑不出来，可以直接转行做利用数据的业务部门，比如用户运营、增长黑客、渠道推广啥的。

第二层：提建议

这个就叫：从数据到建议。先不管这个建议靠不靠谱，起码不再仅仅是就数论数了，有了对业务有价值的思考。

第三层：做梳理

真正老练的数据分析师，根本不会死抓着自己的一种观点和别人吵架，而是根据MECE的方法，把可能的情况梳理清楚

第四层：下判断

数据判断力是数据分析的终极阶段。就是基于数据能对业务走势做出准确的判断，并且能用数据修正自己的判断逻辑，让对业务走势的判断越来越精准。

如果真的能做到这一点，就是各种史书古籍中所谓的“算无遗策”的最佳状态了。如果数据分析师真达到这个状态，其实和一个合格的业务部门领导，在分析能力上已经没有差异了。如果能再强化一下对流程的管理能力，再补一下对下属的组织能力，就可以真正成为一个事业部级管理的大佬了。

遗憾的是，以上四个层级里：

● 大部分新手在第一层，只能当工具人。

● 少部分人晋升到第二层，但止于第二层，然后感慨自己“怀才不遇”。

● 只有极少部分人能做到第三层，这些人不是大企业的数据部门总监，就是专业顾问

数据分析有前景吗？

随着“大数据”概念的兴起，“数据分析师”这个职业一时间成为就业市场里的香饽饽——高薪、有面子、有前景。

数据分析师在公司的价值就好比《三国演义》里的军师「诸葛亮」的角色，在每次打仗前，诸葛亮通过收集到的情报（数据），经过分析，然后给领导提出建议。

当产品部门要对已有产品进行优化时，数据分析师可以通过用户行为分析、产品营收分析等，为产品优化提供建议。

运营部门的数据分析师，通过监控数据的波动，来及时发现问题。比如用户最新一周活跃率下降了，通过数据分析来找到下降的原因，并提出建议，方便运营人员根据建议来做出下一步的运营决策。

技术部门的数据分析师可以为其他部门提供技术支持，比如提供业务部门需要的数据，定期产出专题报告等。

市场部门的数据分析师可以通过行业分析、竞品分析等满足市场部门扩大产品知名度的需求。当市场部门寻找目标用户在哪里，了解竞争对手等情况时，可以通过行业分析、竞品分析等满足市场部门的需求

做数据分析需要掌握哪些技能呢？

因为笔者有经历过不同大小的团队，所以从个人角度给大家分享下对数据分析师的技能要求。

1.SQL必须熟练掌握

这是老生常谈的事情，但还是要非常重视。大公司对SQL的要求绝对是软件上排第一位的，我现在基本每天要写五六百行SQL，忙的时候一天一两千行也是有的，所以必须对SQL非常熟练，才能很快的响应业务需求。有的人可能会说SQL不就是那点东西嘛，select、from、where、group by+having、连接、子查询等等。

从SQL语法上面确实是这样，但是大家可以想一下，在数据量比较庞大，一个表有几十G的数据（如果是有分区的表，可能就是几十TB），一个业务场景需要五六张表，数据逻辑也需要反复的连接嵌套，查询的脚本要四五百行甚至更多的的时候，就不仅仅是一个查询语法这么简单了。

2.擅长某一领域的分析或者某种分析方法

你可能做过多年的人群画像，对人群拆解、人群定义非常有经验，可以快速的通过一些定义将人群划分为几个级别；或者擅长搭建指标体系。

在一个业务从0-1的过程中，可以根据业务发展现状搭建出一套可以反应业务实际运营情况的指标，给领导和运营人员做参考和复盘；再或者你对金融行业非常的熟悉，知道什么时候用什么分析方法或者算法，清晰的知道数据背后体现的业务逻辑是什么等等，综合来讲就是你是这个业务板块的资深人士或者专家。

大家也不要感觉这个很难，其实只要在日常工作中善于总结善于发现，把自己工作中做的事情总结提炼，形成自己的独到经验就可以。

3.需要熟练掌握一个BI软件

毕竟可视化报表是数据分析非常核心的而工作，但不同公司用的软件不同，一般公司也不会要求员工硬性掌握特定的BI软件（如果不会入职后可以现学，毕竟多数BI软件都不难），如果是特别难的比如power BI，那在招聘的时候就会有要求了。

4.Python熟练

Python的数据处理能力和算法实现能力就不多说了，另外就是分析方法论和常用算法要求很多（没有专门的算法部门）。

数据分析怎么学？

从整体上来看，数据分析师需要掌握的能力有很多，从总体上可以分为以下几类，这些能力构成了数据分析师的能力模型。

1）理论基础，包括统计学

2）数据分析工具，常用的分析工具有 Excel，SQL，Python 等

3）可视化工具，常用的有 Excel，商业智能(Business Intelligence,BI)

4）业务知识，包括常用的指标、某行业的业务流程

5）数据分析思维，包括常用的分析方法

6）通用能力，包括 PPT、沟通能力

这边给大家整理了一个完整的学习路线，由于图片太太太太太太大了，需要的朋友可以滑到文末免费获取一下。

👉必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

这份完整版的Python-数据分析全套学习资料已经上传至CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费获取【保证100%免费】。