1、职业名称：数据分析师

2、职业编码：1-29

3、职业个性：认真谨慎，具有洞察力，要有灵敏的反应

4、任务职责：

（1）互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。以往“原子世界”中数据分析师要花较高的成本（资金、资源和时间）获取支撑研究、分析的数据，数据的丰富性、全面性、连续性和及时性都比互联网时代差很多。

（2）与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。

（3）就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。

5.职业道德：

（1）条理清晰，一个优秀的数据分析师必须能系统地解决问题。数据分析首先就需要你能够仔细、清晰地建立数据搜集的分步指南，以指导他人按照指南搜集数据（数据搜集的工作一般不属于分析师的职责范围）。需要特别重视的一点就是，指南的任何一点歧义都可能导致对数据的严重误读。

（2）洞察力，按照项目的方向设计搜集策略并找到结果是一回事，而根据结果给出专家意见是另一回事。一位优秀的数据分析师不仅要读懂数据给出趋势，还要结合具体项目和公司战略洞察到趋势背后的逻辑（不要认为这是项目经理或产品的工作）。数据分析师的报告应反映这种洞察，你要明白一点，很多时候，你的项目经理、产品经理或其他要看这份报告的人，他们并没有具备像你一样的专业素养，他们不仅仅是要一个趋势，更需要数据分析师视角下的专家意见。请记住，一个优秀的数据分析师一定是积极主动的，一定是具有洞察力的，他们无需等待被告知如何去做即可完成他们应做的事情。

（3）想象力，象力不仅仅适合孩子。为了使数据真正的独一无二，出色的数据分析师会使数据可视化。这就是我们常说的让你的数据说话。例如，数据分析师可以利用数据可视化工具（我常用的是D3和Gephi）来帮助建立数据“活”模型。通常”活“模型（即动态模型）比静态模型更有表现力，但要注意选用哪种模型目的是为了表现数据而不是好看。一个优秀的数据分析师可以讲述数据的故事，以帮助其他人更好地理解分析结果。

（4）保持怀疑，有数据收集过程是完美的，所有你将分析的数据集都有其缺陷。对于数据分析师来说，怀疑主义只是对这一事实的认可。数据分析师需要能够识别其数据中的缺陷，并且有义务在报告中讲明这些缺陷和清楚地解释这些缺陷可能是如何影响他们的分析结果。需要注意，数据分析师应该关注数据所反映的任何一种趋势、观点、逻辑，而不仅仅是那些看起来跟项目相关的，这是因为你的专业视角可以帮助你发现问题的本质，但也会阻碍你看到其他视角下的问题。

（5）善于发现模式，这是一个重要素质，因为数据在很大程度上反映某种模式。优秀的数据分析师可以通过查看不同的数据集来确定趋势以及触发这些趋势的原因，最终形成一个模式，这会帮助公司在未来复制成功的模式和规避错误。

6.考核要求：

（1）理论知识要宽泛，涉及数学、市场和技术。要求及对数据敏感，包括统计知识、市场研究、模型原理等。

（2）常规分析工具的使用，包括数据库、数据挖掘、统计分析工具，常用办公软件（Excel、PPT、思维导图）等等。

（3）有一定的业务理解能力，能理解业务背后的商业逻辑。因为只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求 。、

（4）数据报告和数据可视化的能力。数据分析得再好，如果不能以漂亮的方式“表达”，成效也会大打折扣。平时，可以把数据分析当做一种能力来培养。记数据分析的四个步骤：数据获取、数据处理、数据分析、数据呈现。

7.知识背景：

从学科知识来看，数据分析涉及到一下的知识要点：

（1）统计学：参数检验、非参检验、回归分析等

（2）数学：线性代数、微积分等

（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助

（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的。

从计算机技术角度来看，也是有很多内容需要学习：

（1）数据分析报告类：Microsoft Office软件等，如果连excel表格基本的处理操作都不会，连PPT报告都不会做，那我只好说离数据分析的岗位还差的很远。现在的数据呈现不再单单只是表格的形式，而是更多需要以可视化图表去展示你的数据结果，因为数据可视化软件就不能少，BDP个人版、TABLUEA、Echart等这些必备的

（2）专业数据分析软件：常见的有诸如SPSS、SAS、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析，还有高级的Python、R等。

（3）数据库：hive、hadoop、impala等数据库相关的知识可以学习；

（4）辅助工具：比如思维导图软件（如MindManager、MindNode Pro等）也可以很好地帮助我们整理分析思路。

8.学习课程：

（1）统计学

我看一些人推荐了不少统计学的专业书籍，直接把人吓跑了。我自己就大学时候学过《概率论与数理统计》，其他统计相关的内容也没怎么看过。对于互联网的数据分析来说，并不需要掌握太复杂的统计理论。所以只要按照本科教材，学一下统计学就够了。

（2）编程能力

学会一门编程语言，会让你处理数据的效率大大提升。如果你只会在 Excel 上复制粘贴，动手能力是不可能快的。我比较推荐 Python，上手比较快，写起来比较优雅。

（3）数据库

数据分析师经常和数据库打交道，不掌握数据库的使用可不行。学会如何建表和使用 SQL 语言进行数据处理，可以说是必不可少的技能。

（4）数据仓库

许多人分不清楚数据库和数据仓库的差异，简单来说，数据仓库记录了所有历史数据，专门设计为方便数据分析人员高效使用的。

（5）数据分析方法

对于互联网数据分析人员来说，可以看一下《精益创业》和《精益数据分析》，掌握常用的数据分析方法，然后再根据自己公司的产品调整，灵活组合。

（6）数据分析工具

SAS、Matlab、SPSS 这些工具经常有人推荐，我要说的是在互联网公司一般都用不上。做可视化的 Tableau，统计分析的友盟、百度统计，还有像我们神策分析等。

9.职业技能：

（1）懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

（2）懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

（3）懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

（4）懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

（5）懂设计。懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

 10.从业资格：

（1）双证书权威性：工业和信息化部证书颁发的《数据分析师职业技术证书》，我国项目分析业界唯一的经国家认证的考核证书。

（2）专业：CPDA数据分析师证书依照从业认证，从2003年设立开始，既不设立任何级别。学员通过严苛的考核并合格后，拿到行业协会颁发的数据分析师证书，取得从业资质。坚持CPDA数据分析师不区分等级，正是协会严格尊重国际惯例、遵守从业规范的结果。

11.薪酬待遇：

数据分析师月薪--学历维度

总样本包含8700个，包括了全国各地各行各业的相关数据，数据分析师的工资待遇。对于数据分析师岗位月薪待遇而言，学历为博士的平均薪资是最高的，月薪为22750元；其次是，学历为硕士的平均月薪为15120元；本科的月薪为12430元。

从学历的维度来看，其月薪均值具体分布如下：

数据分析师月薪--工作经验维度

对于数据分析师岗位月薪，从工作经验的维度来看的话，10年以上的工作经验，月薪高达32900元；8-9年经验高达27290元，经验越高对应着越高的薪资。但是，值得注意的是1年经验，相较于无经验，在月薪上面没有体现出任何优势，可见对于数据分析师岗位而言至少需要两年的经验，才能够在薪资上面取得经验优势。对于2年以上经验的数据分析师，月薪都是1w+。

数据分析师月薪--公司类型维度

从公司类型维度来看，数据分析师月薪总体差距不大，趋势相对平稳。其中，国企类企业工资相对较高，平均月薪为12400元；外企代表处类企业工资相对较低，平均月薪为7330元。

数据分析师月薪--公司规模维度

从公司规模维度来看，10000人以上的规模，月薪最高，为13410元；少于50人和50-150人的规模，月薪较低，分别为9670元、9450元。对于数据分析师岗位而言，大公司的工资总体高于小企业的工资，公司规模对于数据分析师薪资的影响大概四千左右。

数据分析师月薪--工作地点维度

从工作地点维度来看，数据分析师岗位月薪较高的三个地方分别为：深圳-光明新区, 月薪为36970元 ；北京-通州区, 月薪为20810元；长春-汽车产业开发区, 月薪为20000元。

由于工作地点详细到具体的区县，所以设计到的地点较多，在条形图中不好展示，就大概标注了月薪较高的三个地区；同时，选择了一些表格中具体的数据，展示了一个薪资案例，仅供参考。

数据分析师月薪--学历工作经验维度

从学历工作经验维度来看，10年以上的经验的硕士数据分析师，月薪高达67500元。10年以上经验的本科数据分析师，月薪可以达到3w+。

   12.工作环境：

灵感和创意对工作很有帮助，特别是互联网公司。一个舒适的环境能让人心情舒畅工作效率加倍，同时也能触发创意和灵感的源泉，对于程序员来说，在面对各种需求和 bug 时，好的环境能让自己从容面对，所以一个好的办公环境对公司十分重要。应当让技术人员劳逸结合，使工作量达到最大化。

13.行业发展前景：

（1）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。

（2）从职位量来看，北京、上海、深圳和广州位列第一方阵，职位量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+。

（3）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。

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”。在这种大势之下，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、产品等等前端的职位都需要通过数据分析来帮助自己的工作，甚至连后台的财务、法务、人事等也开始需要通过数据分析来提升效率。可以这么说，如果你在企业之中工作，你未来会开始越来越多的和数据打交道，这个时候数据分析已经成为工作的必要条件。

 14.职业发展路径：

第一条路，如果专职做的话，可以在企业里面做到一个数据组的组长。如果有独立的数据部门，可以晋升为数据部门的总监。

第二条路，如果你对技术比较擅长的话，可以转行去做数据产品、做BI、做推荐系统，或者做风控算法这一块。专业的算法工程师钱景是很可观的。

第三条路，如果你对业务很擅长的，可以转岗到业务部门，比如数据运营，用户运营，用户增长，营销策略等岗位，这些岗位对数据依赖度很高，也很有发展空间。

第四条路，如果你想创业的话，积累到一定程度后，可以空降到咨询公司当合伙人。或者干脆像我一样自己开创一番事业。

第五条路，如果你走上管理岗的话，懂数据的老板空降存活的概率比较大，做执行出身的老板空降死亡的概率很高。为什么？因为做执行出身的，往往太过聚焦于细节忽视规划，结果自己忙死也不出业绩。但是做数据的能忽悠得住老板，能要来资源，能更好的做好管理工作。

 15.职业就业条件：

（1）大专及以上学历有半年以上统计工作经验。

（2）熟练运用office办公软件，熟练掌握、运用excel表格函数，有较强的数据统计、分析能力。

（3）工作认真积极进取有较强的工作责任感和事业心有强烈的集体认同感和团队合作精神。