您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如何入门数据分析师行业，前景如何？

数据,分析师,工具如何入门数据分析师行业，前景如何？

发布时间：2019-02-08加入收藏来源：互联网点击：

6、撰写报告

最后阶段，就是撰写数据分析报告，这是对整个数据分析成果的呈现。通过分析报告，把数据分析的目的、过程、结果及方案完整呈现出来，以供商业目的提供参考。

Tips: 一份好的数据分析报告，首先需要有一个好的分析框架，并且图文并茂，层次明晰，能够让阅读者一目了然。结构清晰、主次分明可以让阅读者正确理解报告内容；图文并茂，可以令数据更加生动活泼，提高视觉冲击力，有助于阅读者更形象、直观地看清楚问题和结论，从而产生思考。

另外，数据分析报告需要有明确的结论、建议和解决方案，不仅仅是找出问题，后者是更重要的，否则称不上好的分析，同时也失去了报告的意义，数据的初衷就是为解决一个商业目的才进行的分析，不能舍本求末。

三、4种常用分析框架

从管理和业务的角度提出的分析框架，指导着后期数据分析工作的开展。

营销方面的理论模型有：4P、用户使用行为、STP理论、SWOT等。

管理方面的理论模型有：PEST、5W2H、时间管理、生命周期、逻辑树、金字塔、SMART原则等。

本文主要说明：5W2H、逻辑树、4P、用户使用行为这4个比较实用的理论。

1、5W2H

定义：何因（Why）、何事（What）、何人（Who）、何时（When）、何地（Where）、如何做（How）、何价（How much）

适用范围：用户行为分析、业务问题专题分析、营销活动等。

优点：广泛应用于企业营销、管理活动，对于决策和执行性的活动措施非常有帮助，也有助于弥补考虑问题的疏漏。

2、逻辑树

定义：逻辑树，又称问题树、演绎树或分解树等。它将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。

适用范围：业务问题专题分析

优点：逻辑树的作用主要是帮你理清自己的思路，避免进行重复、无关的思考。逻辑树能保证解决问题的过程的完整性，能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。

缺点：涉及的相关问题可能有遗漏，虽然可以用头脑风暴把涉及的问题总结归纳出来，但还是难以避免存在考虑不周全的地方。所以在使用逻辑树的时候，尽量把涉及的问题或要素考虑周全。

使用逻辑树必须遵循以下3个原则：

要素化：把相同问题总结归纳成要素。

框架化：将各个要素组织成框架，遵守不重不漏的原则。

关联化：框架内的各要素保持必要的相互关系，简单而不孤立。

3、4P

定义：4P，即产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）

适用范围：主要用于公司整体经营情况分析。

4、用户使用行为

用户使用行为，即用户为获取、使用物品或服务所采取的各种行为。

用户使用行为的完整过程

通常情况下，用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。在这个锅层中，我们可以利用用户使用行为理论，梳理产品分析的各关键指标之间的逻辑关系，构建符合公司实际业务的产品分析指标体系。

它的缺点是用途较为单一，就是用于用户行为的研究分析。

数据分析师的发展前景普遍如何？本文，我们收集了目前国内主流招聘网站的一些相关数据，通过可视化的方式来看看这一岗位的现状。

分析目的

基于招聘网站的相关数据，通过可视化分析，探究以下问题：

哪些行业对数据分析师需求量最大？

招聘企业普遍处于哪个阶段（融资情况，上市情况）？

数据分析岗位学历要求？

数据分析岗位工作经验要求？

数据分析岗位薪水情况？

数据整理

我们随机采集了目前较为主流的几个招聘网站有关“数据分析”岗位的数据，包括拉勾网、智联招聘、猎聘网以及BOSS直聘。

采集字段为：职位、公司、薪水、经验要求、学历要求、所属行业、企业融资情况

分析工具

首先使用八爪鱼数据采集工具（免费版，可从官网http://www.bazhuayu.com下载），添加搜索网址，并选择我们所需的字段，开始采集。对于新手来说，八爪鱼数据采集工具是不错的选择，可以没有任何代码基础，也不需要写正则等采集规则（火车采集器会复杂一点，需要写正则）。

然后我们将采集到的数据导出，导出格式为Excel，由于各招聘网站字段有出入，需要使用Excel工具进行简单的整理。

数据分析工具我们使用DataHunter数据可视化分析平台Data Analytics，同样也是因为Data Analytics相比于Excel等产品更为简单易用，拖拽式的操作即可完成分析过程。对于个人用户，Data Analytics完全免费，可通过在官网（http://www.datahunter.cn）注册即可使用。

分析结果

这里并未把所有行业都显示出来，只选择了占比较高的一些。数据结果显示，金融行业、数据服务、游戏这三个行业对数据分析师的需求更为强烈，医疗、信息安全、生活服务、社交等行业也在招聘数据分析相关岗位。其它行业还包括了计算机硬件、广告营销、文化娱乐等。

与数据分析相关的岗位占比，可以看到，绝大部分企业在招聘数据分析师，其它岗位还包括数据分析工程师、数据分析经理、数据分析专家以及数据分析实习生，尽管都是与数据打交道，但不同岗位对技能的要求还是有一些区别的。

薪水方面，我们也只是显示了占比较多的薪水区间。可以看出，数据分析岗位的薪水普遍在10K-20K的区间，10K以下的岗位也有一定的占比，当然，从整体数据来看，数据分析岗位的薪水跨度区间还是很大的，实习生工资最低只有3K左右，而最高薪可以达到80K-100K。

我们可以看到，绝大部分岗位都需要有一定的工作经验，其中，3-5年占比最多，其次是1-3年。当然，还有部分企业要求有5-10年的工作经验。而学历方面，本科占比最多，有部分要求较高的职位，还要求具备博士、硕士学历。

在所有招聘数据分析相关岗位的企业中，可以看到不少互联网巨头对于数据分析师都有强烈的需求，提供的岗位也比较多，其中包括了京东、美团、饿了么、近日头条、58同城、搜狐、联想等。另外，可以看到，大部分企业均已拿到融资或上市，也有部分企业还处于未获得融资状态或不需要融资。












 4/4   首页 上一页 2 3 4