转载/数师兄

给各位分析尸分享一些我经历过的一些残酷，早点规划自己的未来：

1、分析师这个职位很容易被替代

其实大家都知道分析师最重要的是业务理解，业务分析的逻辑，思维解决问题至上，但现实其实很残酷。

1、大部分企业根本不重视数据分析的结果；

2、做了功能型分析师，成为满足业务无限需求的人工智能数据库；

然而你很容易沦为工具人或者屁屁踢工程师。

要早做打算，是继续混着还是再混几年看看？

2、就业渠道很窄，能选的其实不多

作为一名数据分析师，不但要对业务了如指掌，也要对自己的前景有所了解，我身边有很多人刚入行时叫数据分析师，10年过去了还叫数据分析师，绰号一样，但薪资提高了很多，然而压力和焦虑却是指数倍的增长。当你打开求职网站时，你会发现你能干的，想要搜索的关键字居然不超5个。

1、有“能力”的分析师，要么跟对人，跟着老大一直飞

2、要么干对事，跟着业务飞。

然而当你两个都不具备的时候，尽早把数据分析当成一种职场技能吧，早做规划，做产业or做业务or做运营

很多分析师没有办法，一是就业渠道窄，一是没有合适的机会和平台去跳，被逼着在一家公司待了好多年，莫名其妙的带了数据分析团队.....好好理解这句话

3、知道的其实很少，但又感觉什么都知道

作为一名数据分析师，常常被分配在三个地方

一是业务部门地下挂着，其主要以业务需求为主，需求大多数是业务提出来为什么？分析师来解答，俗称嵌入型；

二是挂在技术部门，多数是别人要什么给什么，没人要就自己倒腾一下数据，要不工作计划没法写，他们有一个优雅的名字叫：功能型数据分析师

三是在乙方，什么都干，什么都懂，但什么都不精…有一个高贵的称呼：咨询顾问

然而这种环境对分析师的成长很不利，很难走出数据自身的闭环验证，很难对自己的分析思维，分析成果进行有效的验证，这样自身很难提升。

最可怕的是年底加薪，要是没有几个拿出手的完整项目，你基本看命，要破局就要学会主动出击、自我驱动，别无他法。

回头想想业务有业务指标，技术也有相应的考核指标，然而分析师的考核有点难，是看报告量还是质量？质量如何界定？

4、门槛越来越高

现在的分析师招聘需求太高了，从数据采集到数据分析全程的工具都要求，既要精通sql、python、r、tableau还要了解各类算法甚至一些saas产品才行，每一个工具和环节都可以过滤很多求职者，这还不算什么.

现在学历要求，技术、专业也要求越来越高，反而薪资还是几年前的水平，记得年初帮一个朋友招分析师，一次收了20多份简历，最后经过几轮的千挑万选找了一个，已经不是稀缺，是过剩了…当时就感慨，这要是放在5年前，这20多人还是很优秀的，可现在…

除非你真的很优秀，你能够让自己优秀。

然而有3个关键性的因素促使着这一切的发生：

1、入门门槛低，成为很多人的首选职业方向

2、工资高，相对于初级程序员和基础的运营、产品工资要好很多

3、老油条把守数据分析师的重要位置

1、2大家不难理解，有人也许会质疑第二点，从大概率的角度去分析，不用质疑，一般都是高一些。

关于第三点，我补充一下，数据分析的就业面其实很窄，特别是对于一直做数据分析的同学来讲，一般来讲没有更高更好的薪资和平台是不会动的，但更高更好的平台其实非常非常少。

所以很多人在以上环境的生存下，稀里糊涂在这个行业“混”了好多年。

最后你想想新人不断涌入、老人不动，卷是必然的！

所以各位入行前要考虑清楚，你所见到的，所学到的都是数据分析的硬实力，比如各类软件使用、算法、模型使用，而这些只是你入门的门槛而已，真刀真枪的能力是在职场，奉劝各位慎入，不要以为懂工具，懂算法，懂呈现就是分析师了，不好意思，按照现在的标准你才进入入门的门槛…

建议大部分人还是把数据分析当成一种职业技能，别当成自己的职业会更好。

最后，对于已经入坑的数据分析师，分享我整理的一份数据分析流程知识图谱。

内含数据分析12个常见分析模型、18个理论分支、136个详细知识要点和60多个实际分析场景案例，不懂或不记得的知识点拿出地图就能查，数据人必备！

评论转发并私信「图谱」获取高清版本！