数据分析岗位前景如何？

1. 数据分析岗位前景如何？

随着大数据技术在各行各业应用的越来越广，数据驱动智能产品和精细化运营已经成为企业经营的制胜法宝，相应地，数据分析师这个岗位也越来越受到关注，越来越多的小伙伴也转行做数据分析，因为大家不仅看到的是未来数据分析的发展前景，而且数据分析师的薪资待遇也很不错！
岗位缺口大，就业薪资高，而且这个岗位对学历的要求不是特别高，对经验的要求也不算严格，从而数据分析师，在大数据时代，迎来了黄金就业期。

通过搜索BOSS直聘和领英，发现其上面有上有10万+个数据分析师职位空缺，其中绝大部分是互联网行业的需求。值得注意的是，虽然国内现有很多数据分析师员工，但其数量占比依旧很少，职位空缺却占到了市场的50%之多。大多数热门岗位都会在招聘JD中，给出“具备数据分析能力”这样的招聘条件。
2019年全国大数据人才需求是2015年的12倍，从数据可以看出，2020年乃至未来，数据分析师将是职业发展的一个重要方向。
从销售、市场，到运营、产品经理、用户研究等，都试图从各种繁杂数据中看出点门道，获得对市场、产品、消费者等方面的洞见。

2. 数据分析岗位发展前景怎样?

不管是在企业还是社会，数据都已经开始扮演越来越重要的“角色”。数据分析思维已经不只是数据分析师的“专业”了，包括销售、市场、运营、策划、产品等前端的职位都通过数据分析来帮助自己工作，甚至连财务、法务、人事等也开始需要通过数据分析来提升效率。


从职位薪水来看，数据分析行业的高薪主要分布在长三角、珠三角和京津地区。北京、上海和深圳的薪水位列第一方阵，均薪在10k+;杭州、宁波和广州位列第二方阵，均薪在9k+;其他沿海及内陆区域中心城市，如南京、重庆、苏州、无锡等位于第三方阵，均薪在8k左右。


从职位量来看，北京、上海、深圳和广州位列第一方阵，职位量在30000+，杭州、成都、南京和天津位列第二方阵，职位量在20000+，武汉、西安、郑州等区域中心或省会城市对数据分析职位的需求也相对较高，职位量在10000+。


从行业需求来看，互联网金融、O2O、数据服务、教育、电子商务、文化娱乐领域对数据分析师需求量相比其他行业更大。

3. 数据分析 哪些岗位

数据运营
很多人把这个岗位比作护士，护士虽然做的是护理工作，但也需要医学知识。数据运营做的是运营的工作，但需要结合数据分析的能力去做。数据运营门槛较低，适合零基础想要转行的小伙伴，先来试试水，后面再慢慢提升。
工作职责负责运营相关数据分析；协助运营人员制定数据分析策略；为日常运营提供数据支持；协调推动闭环等，具体的工作职责和内容则要看职位描述了，懂运营，然后用数据的思维去运营，大概可以这么理解这个岗位。
数据分析
如果说数据运营是护士的话，那么数据分析岗可以理解为医生。比开发更了解业务，比产品/运营更具有数据分析能力，连接业务与技术。这个岗位其实有点泛了，很多商业分析/数据挖掘也叫数据分析，但这里我们就只谈“真”数据分析。
工作职责数据提取、清洗；构建指标体系；多维度分析；预测；生成策略推动执行。
数据产品
运营和产品是什么关系，数据运营和数据产品就是类似的关系。数据产品经理这个岗位是近几年比较火热的一个岗位，相对于数据运营，它需要更高的一个门槛，但它终究还是产品的分支，重产品思维的同时，还需要掌握一定的数据分析能力，又需要很懂业务，属于跨专业的人才。
工作职责数据驱动产品迭代；数据产品设计需求分析；数据埋点；建立数据运营体系。
数据开发
数据开发工程师，又叫数据仓库工程师，更偏向开发，需要掌握的技术面比较广，对学历可能会有要求。
工作职责建设数据仓库；数据库表开发；数据采集、清洗、存储、建模、可视化、数据挖掘、数据应用；数据平台的建设优化。

4. 数据分析员是什么职业，未来前景如何

数据分析师职位具有鲜明的时代特点和巨大的需求，在大学本科阶段统计专业积极探索培养大学生的数据分析能力，进而为社会提供合格的数据分析师人才的有效对策，具有重要的研究价值和实践意义。
一、数据分析师培养的意义
（一）数据分析师的培养符合国家战略
为适应世界经济一体化的进程，彻底改变我国“项目数据分析”专业技术人才紧缺的现状，2005 年 4 月，全国第一家数据分析事务所在陕西成立，到目前，我国相继已有北京、陕西、江苏、新疆、甘肃、山东、浙江、上海、黑龙江等 14 个省、市、自治区约 80 家项目数据分析专业机构进入中国市场经济舞台，涉及项目已从最初的分析评估业和金融业，扩展至会计师、投融资机构、政府审批和企业管理等众多领域。随着大数据时代的来临，构建大数据研究平台、整合创新资源、实施“专项计划”等成为各个省市的工作重点之一。
（二）数据分析师的就业前景光明
在被视为“数据元年”的今天，数据分析师以待遇优厚和地位尊崇而闻名国际，曾被Times时代杂志誉为“21世纪最热门五大新兴行业”。今天，国内数据分析行业专业人才每年以千位数非速增长着，同期各行业领域空缺岗位已达近二十万，未来中国对数据分析师的需求更是呈井喷之势。
在数据分析人才培养上，国外已经将数据分析师人才作为国家战略。据统计，目前世界 500 强企业中，有90% 以上建立了数据分析部门。大数据时代对数据分析师的巨大需求也大大刺激了高等院校的培养热情。
二、数据分析师职业素养的培养
通过对各大招聘网站数据分析师、市场调查分析师等职位招聘信息的搜集整理和深入分析，挖掘并归纳出社会用人单位对数据分析师职位的知识技能和道德素质等方面的具体要求如下：
（一）数据分析师的职业内涵
数据分析师是指在不同行业中，专门从事数据搜集、整理、分析，并依据数据做出行业或市场研究、评估和预测的专业人员；是以实际数据为依据，对项目现状及远期进行统计、分析、预测并转化为决策信息的专业人才。数据分析师可以通过掌握的大量行业数据，运用科学的计算工具，将经济学原理与数学模型结合，进行科学合理的定量分析，数据分析师可以预测企业未来的收益及风险，为企业经营决策提供科学量化分析的依据。
目前数据分析师的认证主要有 2个：一是注册数据分析师（CDA），由CDA注册数据分析师协会Certified Data Analyst Institute）在顺应大数据、云计算的潮流下发起成立的职业简称；二是项目数据分析师（CPDA），由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证，证书是申请成立项目数据分析事务所的必备条件之一。
（二）数据分析师的知识要求
掌握多元统计分析、应用回归分析、时间序列分析、计量经济学、经济预测研究等统计建模方法，了解本行业统计方法的新进展；掌握 SQL/oracle 等数据库的数据整理、查询、提取等方法；熟练使用相关的统计软件，准确解读软件的运行结果；了解相关行业的业务知识和数据构成。
（三）数据分析师的能力要求
对信息、数据敏感，具备较强的文字功底，能独立撰写研究报告；能熟练使用 SPSS/SAS/Eviews 等统计分析软件，具备数据分析或数据挖掘的综合能力；掌握数据库体系结构及数据架构，具备 Excel/SQL 或 Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力。
（四）数据分析师的岗位职责
承担行业、企业有关信息、数据的调查、搜集、整理、分析研究和发布工作；参与专项研究、课题和调研咨询项目，撰写行业分析文章和研究报告；对大数据进行深入挖掘，建立相关模型进行预测、分析，找出相关的联系，揭示内在规律，为行业、企业决策提供依据。
三、数据分析师的培养方案
培养方案是高等教育办学思想和办学理念的集中体现，为突出数据分析的培养特色，统计专业应在深入分析数据分析职业需求的前提下，最终制定出符合数据分析师培养要求的课程体系。
（一）培养目标
为学生毕业后能够成为各行业中数据分析领域的专门人才，确定了统计专业学生在本科教育阶段的培养目标：一是具备良好的经济学、管理学和财务管理等基本素养；二是了解相关行业知识、公司业务流程；三是掌握统计学的基本理论与方法，具备熟练使用 SPSS/SAS 等统计分析软件进行数据分析或数据挖掘的综合能力；四是掌握数据库体系结构及数据架构，具备 Excel/SQL 或Access 的查询语句运用技能与知识，有良好的数据处理、建立统计模型能力；五是具备较强的文字功底，能独立撰写数据分析研究报告。
（二）课程体系设立原则
在本科教育阶段，培养数据分析师的课程设置应贯彻“三结合”的原则。
1. 多门学科相结合。数据分析工作是多个学科、多门专业在企业决策中的综合应用，要成为优秀的数据分析师，必须做到多门学科的融会贯通。需熟悉或了解数学、统计学、经济学、金融学、管理学、营销学等学科的相关知识。
2. 理论研究与实践应用相结合。高等学校一般都建有比较成熟的教学实践基地和实习基地，学生在理论学习后，可以到企事业单位或财政、金融、保险等行业进行针对性的实习实践，了解相关行业的业务知识和数据构成，运用所学知识进行数据分析，独立或合作完成数据分析研究报告。
3. 专业教育与技术资格教育相结合。通过学习，学生可获得统计学专业理学学士学位或者经济学学士学位；通过参与社会上的技术资格考试，可获得数据分析、统计师、调查分析师等专业技术资格证书。两者的结合，更有利于学生从封闭校园走向开放社会，增加技能的同时，更好地融入社会、适应社会。
（三）课程体系的基本框架
在整个教学过程中，可以将每个学期分为长、短两个小学期，短学期内设置一些与就业岗位相关的、以技能培养为目标的短期集中实践教学环节，主要是岗位实训课程。长学期课程分为4个系列：基础课程、方向课程、综合实践课程、职业拓展课程。通过整合相关知识，优化课程结构，强化实践技能，突出岗位技能实训等手段构建课程体系，以达到培养学生具有数据分析师的基本技能和素养的目的。
四、数据分析师培养过程中的策略

（一）教学内容整合策略
在课程体系和课程设置的总体构建下，按照课程模块化的思路，重新梳理课程教学内容、教学进度和深度，剔除陈旧、重复的内容，加强理论联系实际内容，增添培养综合运用能力内容，实现教学内容的整合优化。例如，《应用回归分析》与《计量经济学》的内容多有重复，可以将《应用回归分析》并入《计量经济学》；又如，《描述统计学》《数理统计》《计量经济学》和《统计预测与决策》等课程有部分重复内容，必须在对知识的审慎梳理基础上，整合相应的教学内容，重新制定教学文件。
（二）实验环节设置策略
找准专业知识方法与实际问题的结合点，并分析研究当前的热点和难点问题，充实和丰富实践教学内容，编写具有应用背景、切实达到锻炼效果的实验指导书和指导材料，以明确实验的具体环节、目的与要求。每个实验项目应包含实验性质、实验目的、实验要求、实验内容、实验步骤和结果分析等部分。所有课程的实验内容由浅入深，循序渐进，实现实践教学规范化。
（三）软件教学安排策略
为使学生充分掌握相关的统计软件，熟练使用恰当的软件从事数据的整理、分析，将统计软件的教学分为三个层次：一是单独开设 SPSS、SQL Server 数据库课程；二是课堂内开设Lingo、Eviews、SAS 等软件实验；三是短学期和综合训练开设 Latex、R 等软件课程，实现软件教学层次化。
（四）实践课程操作策略
为了强化学生的实践能力和就业竞争力，在短学期实践开设职场礼仪与沟通实、PPT 制作、统计模型、实训统计调查方法与实务、办公自动化实训等项目；各学期综合训练分别开设统计流程与分析写作、会计实践软件、统计分析案例等项目，实现综合实践职业化。
（五）拓展课程设计策略
聘任有丰富实践经验的统计师、调查分析师和企业家为兼职教授或校外导师，强化校外实践；结合第二课堂，开展与专业教学相结合的、丰富多样的课外活动；同时利用大学生统计建模大赛、大学生市场调查分析大赛、大学生数学建模竞赛等学科竞赛锻炼学生综合能力，实现职业拓展多样化。
五、数据分析师培养的保障措施
（一）整合各种教育资源，提高教学效率
没有经费的保证，数据分析师的培养只能纸上谈兵。所以，学校、二级学院应设立加大资金投入，从软硬件两方面大力支持，保证经费落到实处。利用学校现有资源 , 筹建开放实验室与实习基地，创造培养数据分析师的良好环境。
数据分析师培养必须实行产学结合，坚持开门办学，与企业联合培养的方式。创立高校与行业企业联合培养人才的新机制，改变目前高校人才培养和行业企业需求脱节的现象。通过联合办学、共建等方式利用社会资源设立实习、实验基地。
（二）建立导师制，强化教师的指导作用
为提高学生数据分析的水平，进入大二后 , 二级学院应推行本科“导师制”；到了大三 , 已经具备了一定的科研能力的本科生可以在导师的指导下参加各种与数据分析有关的专业竞赛和创新实践活动，亲身体验数据分析活动的整个过程 , 提高数据分析的基本技能与创新意识；在导师的全程参与和指导下，完成大四阶段的校内综合实训、校外毕业实习和毕业论文的撰写工作，使实践锻炼全程得到有效监控，保证教学质量。
（三）充分利用各级社团组织，
开展第二课堂的活动第二课堂是课堂教学的延伸和补充。在各级社团组织的规划和部署下，加大人力、物力的投入，将第二课堂与第一课堂进行系统性、综合性考虑与设计，实施规范化管理与组织运作，制订好一系列的活动方案，为培养数据分析师通过更多的锻炼途径和方式。
（四）改革评价机制，激发学生的学习兴趣
评价是引导师生的指挥棒，大多数学生和教师总会在现行的评价体系引导下来寻求“佳绩”。要培养出未来的数据分析师，必须增强学生的学习主动性，提高学生的实践能力。通过各种活动、各种途径加强对学生能力的培养，必须要靠科学的评价体系来衡量。为此，建立“N+2”过程考核评价体系 , 对学生能力培养、训练的全过程进行跟踪调查，通过测试、信息反馈的结果来反映教育、培训的效果和评价学生创造力的变化。
总之，项目数据分析（师）事务所在国内正迅速增长，并为政府、金融机构、企业的决策提供着日益重要的参考信息，具有良好的成长和发展空间。如何在信息海洋中找到有效的信息，如何通过有效的数据来科学决策变得尤为重要，因此数据分析师的前景必定辉煌。

5. 做数据分析员前景如何？

可以先来看几个数据，据猎聘数据显示，数据分析师的平均薪资在20k+，应届生的平均月薪都在10k+。目前数据分析能力已成为各行业必备的通用能力。研究显示，有数据分析能力的人工资比一般人多30%，而没有数据分析能力的人失业率是一般人的2倍。
数据分析师不仅在薪资上有巨大优势，这个职位在未来将会持续有巨大的缺口。据麦肯锡咨询权威预测2025年中国将需数据人才高达220万。

麦肯锡的预测并不是空穴来风。我们调研了目前市场上的数据分析师招聘数量，以boss直聘为例，第一个截图展现了成都地区数据分析师的岗位需求数量，可以看到多个数据分析师的职位需求量都在10k+。

首先从就业前景上来说肯定是非常有前景的。
在了解了数据分析师的大范围行业前景和行业薪资后，我们现在就来深入给大家剖析一下数据分析师的发展晋升之路。
总得来说，初级数据分析师可以往两个方向发展：技术岗和非技术岗。这其实就是需要在“业务”或“技术”上选择一个方向。如果一个初级数据分析师希望在业务上深耕，可以选择的职位有两个，一个是数据运营，另一个是数据产品经理。
数据运营是运营岗位的一个分支，岗位职责是需要懂得运营业务模型，并要求能通过数据分析优化运营决策。而数据产品经理，是需要懂得产品业务模型，需要通过数据分析来优化产品功能。

初级数据分析师如果选择技术方向发展，可选择的职位也有很多，例如算法工程师、大数据开发、数据科学家等等。对这些岗位的职责，可以参考下列的解释。
1、算法工程师
运用数理统计知识、编程和业务思维建立数学模型，是当之无愧的产品灵魂。
2、数据开发工程师
数据工程师属于技术岗，负责搭建数据库、处理数据、维护数据安全等工作，主要是服务于数据的使用者，比如上文中的数据分析师、数据产品经理以及数据建模师。
3、数据科学家
数据科学家属于综合性人才，集数据分析能力（＞数据分析师）、统计学基础、业务能力（＞数据产品）、算法（＞算法工程师）与沟通能力于一身。这类人才属于数据分析行业中的顶配，各方面的能力都超一流，不过这类人才相当稀有，在行业中基本是可遇而不可求。
最后说完了数据分析师的职业发展方向，再回归到最重要的行业本质吧。选择一个行业或职位最本质的因素就是赛道。这个道理很简单，人需要在一个天花板不断上升的行业，个人职业的发展的天花板才能跟着往上走。我们都知道只有在路很宽，人不挤的赛道上才能够跑得快，也只有在一个资本都涌入的市场上才挣到更多钱。
综上所述，数据分析师的就业前景是非常好的，如果你想要成为一名优秀的数据分析师，要先找到自己的方向，确立一个职业目标，再逐步掌握数据分析师的必备技能，在软件的基础操作上不断提升自己的应用。

6. 数据分析的就业岗位有哪些?

1、数据分析师
偏向商业化的数据分析，运营广告等活动效果分析，销售额或利润预测，用户特征描述等，需要较好的统计知识，需要懂1-2门数据分析工具如SAS、R等。
2、咨询顾问
面向客户，为客户提供数据抓取、数据分析、出数据报表、改进建议落实等咨询服务，需要有较好的沟通能力，需要懂1-2门数据分析工具如SAS、R等;(咨询顾问其实也分技术和非技术，技术类的主要是为客户搭建数据平台)。
3、数据产品经理
一般是互联网公司独有，数据量大的公司会有自己的数据产品，如阿里巴巴的数据魔方等，主要是针对数据产品从产品立项、提开发需求、跟进产品开发、测试一直到产品上线等工作。

7. 数据分析的岗位有哪些?

1、数据分析师
偏向商业化的数据分析，运营广告等活动效果分析，销售额或利润预测，用户特征描述等，需要较好的统计知识，需要懂1-2门数据分析工具如SAS、R等。
2、咨询顾问
面向客户，为客户提供数据抓取、数据分析、出数据报表、改进建议落实等咨询服务，需要有较好的沟通能力，需要懂1-2门数据分析工具如SAS、R等;(咨询顾问其实也分技术和非技术，技术类的主要是为客户搭建数据平台)。
3、数据产品经理
一般是互联网公司独有，数据量大的公司会有自己的数据产品，如阿里巴巴的数据魔方等，主要是针对数据产品从产品立项、提开发需求、跟进产品开发、测试一直到产品上线等工作。

8. 做数据分析员前景如何

首先得明确一下什么是数据分析师，现在可能很多人认为学了python和SQL等等，做一些BI报表之类的统计类工作就是数据分析师了，这简直就是大错特错。
数据分析是一个系统的知识结构，并不是只要会工具就可以的，根据企业的业务来看，一般来说数据运营主要是完成数据处理的工作，比如测算ROI，报表，数据整理，数据查询和一些统计类的工作等，而数据分析师的工作不仅需要掌握一些工具的基础操作，还需要懂业务，能够把商业知识和数据结合起来，能通过企业的各项数据发现企业经营过程中的业务问题，帮企业解决问题。
从薪资来说，在美国大数据分析师平均每年薪酬高达17.5万美元，国内的顶尖互联网公司，大数据分析师的薪酬要比同一个级别的其他职位高20%-30%，非常受企业重视。从国内的一些招聘网站上，我们通过爬虫对数据进行分析发现，全国有29个城市的企业有数据分析师的岗位人才需求，按工作经验统计，工作3-5年的数据分析师薪资待遇普遍不会低于20k，拥有5年以上工作经验的，平均薪资可以达到30k以上。当然在我国现在数据分析可能还在发展中，岗位数量自然是比不过欧美国家，但是也正是如此，才会有更多的发展机遇。
从各个职业大方向来说，其实每个职业到了一定的阶段，都会有一个瓶颈期，就拿我一个做前端开发的朋友来说，相关知识一直都在更新，每一天都不能停止学习。数据分析也如此，初级的数据分析师可能需要的技能只是爬数，但是真正的数据分析师应该是滤清如何把商业知识与数据相结合，应用数据去为企业发现问题并且解决问题，是企业“预言师”和“军师”一样的存在。
而初级的入门者，不管在哪个行业和岗位，其实都是走不长远容易被替代的，数据分析师也许十年后、二十年后会发生一些变革，但市场不会饿死真正的手艺人，只要你认真地在数据分析的领域走下去，即使变化再大，我相信也一定能找到自己可乘的那股东风，毕竟大数据和人工智能是大势所趋，再怎么变化，科技与数据的发展都不会变你说对吗？