数据分析师听起来很高大上？了解这几点你再决定是否转型

Posted 2022-07-05 Leo.yuan

最近不是刚做了一次活动，来了不少粉丝，大家在交流群里聊的火热，纷纷吐槽、交友、交流经验。看到其中有的小伙伴的问题格外的典型：

1、数据分析行业有没有什么比较通用的证书？

2、数据分析工作的薪资水平

3、数据分析师的日常工作内容

4、数据分析的好用工具

5、数据分析的免费数据来源

…

大家在群里侃侃而谈，互相交流经验，相互排雷。

虽然我并未在群里回复什么，主要是想听听大家的声音，想了解大家的想法。

现在针对这几个问题，我就做一些简单的回应。

1、数据分析行业有没有什么比较通用的证书？

在数据分析行业目前并没有什么通用证书，主流的证书大概是BDA、CDA、CPDA这三类证书

综合来说CDA更值得入行不久的数据分析师去考，因为一方面BDA的等级划分比较多，考试时间是有限制的，另一方面CPDA难度较大，要求较高，而且考证的课程有点贵，相比之下CDA的考试时间更灵活，而且考试内容上，感觉CDA更系统更有针对性，所以还是如果真的想考还是可以考一考的。

但目前这三种证书的考量都不是很大，证书方面还需要时间去推行。所以相之于证书的背书，个人的实战经验更加重要些。

2. 数据分析师的薪资水平

根据上海公布的2021年的数据分析师年收入可以看出，在一线城市，数据分析师的工资大体呈正态分布，人数占比最多的区间是20k-30k,人数占比达到20.9%，其次为6K-8K,人数占比达到18.35,故此收入差距较大，如果是大厂的offer或者是中小公司的中高级岗位，基本薪资都是在20K以上的，此外数据分析师也是个很吃经验的行业，0-2年平均薪资9749元，3-5年12000左右，8-10年21000左右。体而言大部分数据分析师能达到年薪20W,相比于其他行业收入可观。

数据分析师听起来很高大上？了解这几点你再决定是否转型
并且据预计，未来10年，数据分析师的职位将增长12.3%，各个传统企业也都在寻求数字化转型，因而需求量是可以保证的。根据BOSS发布的数据表明，在过去的12个月里，已经有100,393个数据分析师职位发布，平均每个职位需要39天才能填满——说明对于数据分析师的需求处于健康水平。

3、数据分析师的日常工作

很多刚入门或者准备转型的小伙伴挺好奇数据分析师的日常工作到底是什么？

总体来说用三个词语概括下：沟通、监控、分析

数据分析师听起来很高大上？了解这几点你再决定是否转型
首先就是沟通，一般刚入行的时候，小伙伴面对的主要工作是帮各需求方从数据库里把他们想要的数据取到。但这时候大家也有个通病，就是业务提啥做啥，做之前不问清楚，不动脑子，纯纯的取数工具。

一般来说最好的沟通时间就是业务跟你提需求的时候，这个时候你只要多问几句了解业务部门要数据的目的，需求的类型、需求的轻重缓急、需求的维度和指标口径，后面的工作会轻松不少，而且还有助于于你能更好的了解业务。

其次就是监控，数据分析师一个很重要的工作就是监控指标，而监控的结果通常是通过报表呈现，譬如周报、月报等等，依旧是大家经常自嘲的“表哥、表姐”。

但这却也是项必不可少且花费大量时间的工作，通过制作报表来呈现监控指标变化的目的，但也要摆脱一味的“表哥、表姐”的工作，有时候通过报表，更能让你从管理层级了解业务的整体情况和领导的关注重点。

所以这也对我们的能力提出了更高的要求，那就是将数据可视化的能力里。毕竟与简单的数据罗列相比，图表更能直观的传达信息。这里我最常用的专题分析看板类工具就是FineBI和Tableau，大家有兴趣也可以多了解下。

最后就是分析，数据分析师顾名思义就是对数据进行分析，其价值也是通过数据分析为企业的业务带来价值，在这里就要求大家至少能掌握适用于所属行业的分析模型，能够更高效的帮助我们去理解业务。这里的数据分析模型我之前专门写过一篇，大家可以看看这篇《数据分析常用的8种模型》

在发现问题之后还不够，你还要能提出解决方案。针对这个问题你的理解是什么？你有什么样的结论？该去怎么解决？怎么协调？如何对其落地、复盘、评估结果等等

因而可以说数据分析只是手段，解决问题，为业务赋能才是根本，这也就为什么大家都说数据分析师必须懂业务的原因。

4、数据分析的好用工具

首先是数据分析工具：做数据分析你至少要懂得一两种编程语言，其中最基本的就是Excel和SQL，而R、SPSS、SAS这些工具有一定的针对性，部分公司才要求你必须会这些，故此如果刚开始入行时就花费时间学这些语言，可能会缩小你的求职范围，但技多不压身，要是再掌握基本的编程语言基础上，有时间多学点其他语言，也更有竞争力。

然后由于数据分析师要经常做周报月报，所以可视化工具至少也要熟练上手一种，譬如FineBI或者PowerBI。

因为针对经常做报表，且要求报表自动化的话，这两种工具是最合适不够。

其中PowerBI继承office的界面，操作界面熟悉,但使用门槛较高，深入操作需要学习DAX语言、M语言。

而FineBI是以业务为中心的自助大数据分析平台；主要面向业务和数据分析师，以问题为导向的探索分析，操作简单，但二次开发还有待加强。

5、数据来源

在做数据分析时，除了自己收集数据，一般刚入行的新人找不到比较合适的公开数据源，用来做一些数据分析和挖掘实例，但数据是数据分析的基础，所以获取大而全的数据就至关重要，所以我也特意总结了些免费数据网站，大家可以按需查询。

国家社会类：中国统计局、香港政府数据中心
企业信息类：EDGAR、巨潮资讯
经济类：中财网、世界银行、FactSet
互联网类：CNNIC、SimilarWeb、镝数聚
电商类：阿里研究院
传媒类：CBO中国票房、收视率排行
移动应用类：艾瑞数据、新榜、Tasking Data
交通出行类：高德地图中国路况、北京交通发展研究所
这些都是不错的数据网站，如果还有其他的数据网站也欢迎评论区分享

最后码字不易，点个关注呗，更多数字干货，听我给你慢慢分享！