数据分析求职-岗位介绍

这是咱们干货开始的第一篇文章,后续我尽量会保持日更的节奏和大家做分享~

在未来所有分享的内容展开之前,咱们有必要先彻底、深入地了解下数据分析这个岗位。如果你还在犹豫是否要走数据分析的路,或者你已经拿了数据分析的offer想了解下将来会做什么,又或者疑问这个岗位将来发展如何... 我相信这篇文章一定能或多或少地解答你的疑惑。

1. 数据分析究竟是做啥的?

简单来说,数据分析师就是从一大堆数据中找出有用的信息。听起来是不是有点像侦探?对的,数据分析师就是数字世界的福尔摩斯。数据分析虽然最早偏商科,但现如今已经更偏向于IT方向了,因此,要聊这个岗位的细分,咱们还是先大致了解下IT相关技术岗位这个大范围吧,可以划分为数据类、算法类、开发类和运维类,如上图。其中数据类就是我们通常所说的数据分析岗位这个大类,也就是说数据分析还可以分为3个细类:

  • 数据研发/大数据开发:专注于数据的清洗和预处理,为后续消费数据的服务(比如数据分析、应用算法等岗位),就像是把乱七八糟的房间整理得井井有条,对开发能力要求较高
  • 数据分析/商业分析/BI:专注于从数据中挖掘出业务的发展情况并进行解读,为市场或者运营提供数据支撑,以帮助他们做出正确的商业决策,对商业敏感度要求较高
  • 数据科学/AB实验:专注于通过AB实验机制科学准确地度量每个决策的效果,为应用算法、市场或者运营提供更精细化地数据解读,是把公司从领导说了算进步到数据说了算的核心岗位,对统计学理论基础要求较高

这3个类别中,"数据分析/商业分析/BI"是大家最通常了解的数据分析岗位,但其实还有2个其他细分岗位,希望同学们也能了解。但是不是每个公司都会将岗位分的那么细的,公司规模越大,岗位才会越细。"数据科学/AB实验"这个岗位一般只有在中大型公司才有。而中小公司,往往都是数据分析一个岗位,需要把数据研发和分析的事情都做了。

2. 哪些行业会找数据分析岗位?

现在,几乎所有行业都在求数据分析大神!金融界用数据来预测股市,电商利用数据分析用户行为,医疗行业通过数据提高诊疗效率。就连奶茶连锁店都需要搭建数据团队来优化他们的营销策略。

此外,还值得一提的是,传统行业在数字化的过程中,对于app、网站、小程序类的开发工作,往往会找外包公司来解决,以期望节约成本。但是这些公司往往会搭建自己的数据团队,这是因为数据是一个公司的绝对商业机密,不可能有一个公司愿意把数据给到外包公司帮忙分析的,所以这一点上,数据分析岗位是有独特优势的。

3. 数据分析岗位的近10多年回顾

数据分析这一岗位最初主要由那些数据密集型的公司和组织招聘,特别是那些处理大量交易数据的金融服务公司,以及依赖于市场研究和消费者行为数据的大型零售商和市场研究公司。直到互联网诞生之后,有了数据库技术的发展,数据分析才逐渐在互联网公司出现,真正的蓬勃发展还是要数2010年开始大数据技术时代的到来。数据分析成为了众多行业关注的焦点,数据科学家这个词也变得越来越流行。

虽然近两年,在全球经济波动和疫情的影响下(大家都懂的),国内互联网行业也遇到了寒冬,大量公司都在缩减规模,降本增效(笑😂)。数据分析岗位在这个大背景下也不可能独善其身,但是这个不是换岗位就能解决的问题...面对这个挑战,只要身处其中,除了迎难而上,也没啥好的解法,一起加油吧~

4. 未来趋势预判

对于未来,整体经济形势我无法判断,我就从技术视角聊聊趋势吧,最想说的是两个点:

1)数字化势在必行:马云前些年就提到未来是数字时代,谁掌握了数据谁就掌握了财富。这几年各行各业都在往数字化转型:传统制造业、服务业、医疗等都在往数字化演进,各地政府也提倡政务数字化,大模型火了后对于数据的重视程度更是提到了前所未有的高度,数据交易相关的创业项目层出不穷...数字化从企业到政府,甚至到个人,都以一致的趋势在高速向前发展。数据分析作为这个背景下最直接的技术工种,未来一定大有可为。

2)AI带来的机遇>挑战 :随着ChatGPT爆火之后,AI要替代程序员、程序技能以后是每个人的标配...这样的言论大家已经屡见不鲜了,我和很多学生交流时,也有很多同学表达出了同样的担忧。在我自己接触这些大模型以来的体会也是这玩意真的太牛了,后续我也会准备些文章更多地聊聊大模型的事。大家担忧的点主要集中于"未来很多工作机器都能做了,不需要我了"。可是再回想过往,从历次的工业革命到互联网的出现,也是机器逐渐"取代"人工的过程,但是市场所需要的人工并不是下降,而是不断增加的趋势。AI技术的发展毫无疑问大大提升了生产效率,一定会取代掉一部分人,就好比只会挥舞锄头种地的农民已经被时代所淘汰了,但是那些农民要么成为利用机器种植更多田地的大农民,要么成为学习了新的技术的工人。所以,对于我们(不仅仅是数据分析ers)要做的是学习新技术,利用新技术,成为新技术受益的那波人,才是正确的看待方式。每次技术革新一定会诞生出新的伟大的行业和公司,会诞生出新生代力量强于"旧势力"的绝佳机会,这些机会一定会被更多的年轻人所把握,而你们正式那群人,加油吧,骚年~

5. 后续预告

今天和大家分享了数据分析岗位的一些见解,下篇文章,我计划聊一聊这个岗位求职究竟需要如何准备,期待你的阅读~

相关推荐
小白学大数据1 小时前
高级技术文章:使用 Kotlin 和 Unirest 构建高效的 Facebook 图像爬虫
爬虫·数据分析·kotlin
audyxiao00112 小时前
AI一周重要会议和活动概览
人工智能·计算机视觉·数据挖掘·多模态
fanstuck16 小时前
Prompt提示工程上手指南(七)Prompt编写实战-基于智能客服问答系统下的Prompt编写
人工智能·数据挖掘·openai
lovelin+v1750304096616 小时前
安全性升级:API接口在零信任架构下的安全防护策略
大数据·数据库·人工智能·爬虫·数据分析
道一云黑板报16 小时前
Flink集群批作业实践:七析BI批作业执行
大数据·分布式·数据分析·flink·kubernetes
数据爬坡ing17 小时前
小白考研历程:跌跌撞撞,起起伏伏,五个月备战历程!!!
大数据·笔记·考研·数据分析
matlabgoodboy19 小时前
数据分析帮做spss数据代分析stata实证python统计R语言eviews处理
python·数据分析·r语言
云空1 天前
《解锁 Python 数据挖掘的奥秘》
开发语言·python·数据挖掘
終不似少年遊*1 天前
pyecharts
python·信息可视化·数据分析·学习笔记·pyecharts·使用技巧
陆沙1 天前
生物信息学导论-北大-RNA-Seq数据分析
数据分析·生物信息·生信