开篇词-掌握数据分析能力你职场发展分水岭海量资源.pdfVIP

本文由简悦SimpRead转码，原文地址

这门专栏的主体内容到这里就结束了。通过13讲的介绍，相信你已经可以建立起数据分析的基本认

知，并且可以了。这时很多人可能就会思考自己究竟要不要进入数据分析行业、怎么利用数据分析

提高自己的职场能力等问题。

那么今天这节彩蛋，我将从数据分析行业、职业和岗位三个角度出发，帮你剖析数据分析如何进行职业

规划。

转行、入行的十字路口，我该如何抉择？

首先，我们要明确一个现状——

任何一个成熟行业的价值需求，最终都将呈现出二八法则的分布，也就是头部20%的占据着整个

行业80%的资源，尾部80%的只占据整个行业20%的资源。

这是由市场资本决定的，无论是整个市场还是整个公司，资源都是会产生倾斜的，而对于整个行业

来说也是同样的，资源都趋向于前20%的分类中。因此，一个行业从兴起到成熟一定会经过下面

这三个阶段。

第一阶段：野蛮生长期，下业开始蓬勃发展，这时候行业大部分发展贡献来自后大部分80%的企

业，整个行业处于野蛮生长状态。

第二阶段：大浪淘沙期，市场总资源是有限的，不可能任由所有企业都进行蓬勃发展，这个阶段市场开

始慢慢有序发展，一些低效的企业将被淘汰，一些高效企业开始崭露头角，整个市场呈现百家的现

象。

第三阶段：稳定期，在第二阶段崭露头角的企业，因为拥有更好的资源来产生更强的竞争力，随着

竞争力的增强而拥有的资源，因此呈现出强者愈强、弱者愈弱的情况，最终市场资源会产生。

我们可以把任何一个新兴的行业代入进去，比如前几年的行业，刚出现的时候真的是杂草丛

生，遍地开花，随后经过了大浪淘沙，行业很快呈现出了二八法则的状态。

那么，二八法则放到数据分析行业中也是正确的，数据分析行业从刚开始兴起经过了将近十年的发展。

到现在为止，整个行业基本上是从第二阶段向第三阶段发展的过程，也就是数据分析行业开始注重效

能。那么整个阶段的特点是什么呢？企业的岗位需求开始迅速减少，从对于人才的需求转化为对高

精尖人才的需求。

所以，说饱和是不对的，当然说不饱和也是不对的，而应该说数据分析行业的低级岗位过于饱和，而在

高技能岗位需求分布上出现了断层。

不像前几年，很多人学个SQL和Python就可以找到数据分析相关的工作了，那时候企业对大数据的需

求旺盛，稍微跟大数据沾边的人都可以来应聘，那段时间可以说是转行数据分析的较好时期。

而2020年数据分析的初级岗位是大幅下滑的，转行的同学纷纷扎堆在初级岗位，竞争十分激烈。而数

据分析的中高级以上岗位的空缺还是很大的，人才难求，因为企业都想找有经验的数据分析师（项目经

验、相关从业经验、大厂）。

那么怎么避免自己一直在低级岗位徘徊呢？答案很简单——介入业务。数据分析岗位饱和的问题关键在

于，数据分析是严重依附于某个具体行业的！

比如说前几年没有一家传统行业愿意搞数据分析，为什么呢？因为一是推动起来太，二是没有做的

必要，三是数据分析不在传统行业的架构当中。但是现在，很多传统行业都在做数字化、做数据分

析项目，传统行业数据分析的春天才刚刚到来的，而互联网数据分析已经开始进入第三阶段。所以我说

数据分析一定要看具体的行业，脱离了行业谈需求也是不恰当的。

数据分析有哪些岗位？

其实在国内很多公司中，数据分析岗位的职责分类用一个词形容就是：“一塌糊涂”。业务有问题，找数

据分析师；数据有问题，找数据分析师；取数有问题，找数据分析师；数仓有问题，找数据分析师；产

品有问题，还找数据分析师……

那么数据分析的岗位究竟有哪些种类？每一种的工作职责和工作内容又有什么不同呢？一般来说，有下

面两种分类方法。

从工作性质上区分

主要分为三类：数据工程师、商业分析师、狭义的数据分析。

数据工程师包含的岗位很多，跟数据分析比较容易搞混的，是数据仓库、数据中台、数据模型，等等，

这些其实都属于数据工程师的范畴，主要的工作也是根据具体的职责来定的，要有专门的人来做，很多

人最后走专业技术线一般都会转到工程师。

商业分析师和数据