随着大数据技术落地应用的成熟,不仅互联网行业释放出大量的人才需求,传统行业也需要大量的大数据专业人才。
数据分析师已成为大企业里不可替代的职位,高薪职位,行业适应性强,几乎所有的行业都会应用到数据。
大数据作为目前就业前景非常好的领域之一,高薪、好就业、有前途……吸引了一众小伙伴慕名而来。
我们来看下
▶ 大数据分析岗位的人才需求量排行
中国信息协会大数据分会的《2021-2022中国大数据产业发展报告》显示:
大数据人才需求岗位TOP10的需求度为31.1%-68.9%,其中近70%企业需要数据型人才。
好多人看完这组数据可能还不会有更深层的反应,真正落实到实际工作中,需要解决这两个问题:
• 我能够做什么?
• 我可以去哪些公司和岗位?
接下来带大家详细了解:
01 成为专业的数据分析类人才
数据分析岗位可以分为两大类:一个是商业数据分析师,一个就是数据挖掘工程师。
商业数据分析师
通过对数据的分析,对数据、数据指标的解读,来解决商业问题。
主要有以下几个次层次:
【业务监控】
诊断当前业务是否正常?
是否存在问题?
业务发展是否达到预期(KPI)?
如果没有达到预期,问主要问题在哪?是什么原因引起的?
【建立分析体系】
这些数据分析师已经对业务有一定的理解,对业务也相对比较熟悉,更多帮业务方建立一套分析体系,或者更高级做成数据产品。
【行业未来发展的趋势分析】
这个层次的数据分析师站地更高,在行业、宏观的层面进行业务分析,预测未来行业的发展,竞争对手的业务构成,帮助公司制定战略发展计划,并及时跟踪、分析市场动态,从而及时对战略进行不断优化。
主要技能要求:
数据库知识(SQL至少要熟悉)、基本的统计分析知识、EXCEL要相当熟悉,对SPSS或SAS有一定的了解,对于与网站相关的业务还可能要求掌握GA等网站分析工具,当然PPT也是必备的。
数据挖掘工程师
通过对海量数据进行挖掘,寻找数据的存在模式/规律,从而通过数据挖掘来解决具体问题。
数据挖掘更多是针对某一个具体的问题,是以解决具体问题为导向的。
主要技能要求:
数据库必须精通。很多时候,你模型的数据预处理,可能完成在数据库里完成,你用到的数据库技巧更高。
必须要学会成熟的数据挖掘工具、数据挖掘算法,例如:
SPSS/CELEMENTINE、SAS/EM等,当然如果你会一、二款开源软件,并会写一些程序代码那是最好的。
02 成为其他岗位的高端人才
随着大数据的逐渐普及,数据分析师的岗位慢慢弱化,数据分析越来越普遍应用到各个职能岗位,如:产品、运营、市场、人力资源、销售、财务、运维等。
也就是说,不论你在哪个行业,都会需要数据分析技能。
现在的HR在做人力规划时,从人员结构分析到配置策略分析再到成本分析,无论哪一项都需要使用到数据。
除了本公司的人力数据外,还需要业务数据,竞对公司数据乃至于整个行业数据。
通过大量数据的分析,可以更加精确地制定公司的人力资源战略。
所以你大可不必担心,学完数据分析无用武之地,在未来,销售、市场、运营、策划、产品、后台的财务、法务、人事等,都需要通过数据分析来提升效率。
在职场的初期,如果你连最基本的数据录入、数据整理都做不好,那么还怎么跟别人竞争。
虽然数据分析只是一个技能,但是如果你不去重视它,那么它就会变成一个定时炸弹,关键时候扯你的后腿。
而如果你能比别人更快一步掌握,那么你就拥有了自己的职场竞争力。