未來一定是資料量化的時代，掌握一點資料運算和資料分析一定是任何行業都通用的，因為人的資料運算能力遠弱於機器，也就是所謂的AI人工智慧，但是分析的結果千變萬化，人的情緒和人為邏輯尚可發展。

作為資料從業者，從實際收入的角度講下。

資料分析包含不同的角度分工，具體看你選擇的是哪類：

第一類，側重於網站分析的分析師，包括營銷分析師、網站分析師、SEO分析師等。

第二類，側重於業務分析師，包括運營分析師、資料分析師等。

第三類，側重於技術走向的，例如資料探勘工程師、資料科學家、資料工程師等。

從收入看，第一類最低，中間的次之，第三類最高。原因：

1.中國普遍技術取向，涉及到IT、程式設計、開發類的工資高；

2.業務價值認知，網站分析類或業務類分析師的輔助物件一般都是業務部門，這些人的能力和視野決定了分析的價值落地型，因此限制較高。

當然，真正比較牛逼的分析師還是有的，並且一般不是做業務類分析，而是側重於篇戰略或整體性、全域性性的分析，例如，他們不會去解決為什麼這個廣告位流量這麼低類似的“低階”問題。

如果題主要從事資料分析行業，無論你是學這個的，還是轉行的，都建議從技術型路線走起。以python或R開始做，網站很多資料和教程。尤其是python，基本上只要有一點點隨學隨會。

祝好運！

前華為員工，十年資料分析師，看了幾篇回答實在想進來怒答一波

先說一句，千萬不要看了幾篇機器人寫的文章就給自己定下職業規劃，覺得這個行業好像一片光明、人人都能掙錢似的，其實吃人血饅頭的自媒體大有人在；其次你要自己去調研，去找資料，找身邊的例子，找企業瞭解，這才是對你自己的未來負責

話可能激進了些，但是我這幾年幾乎每天都會有人來問我想要轉行資料分析，有工作20年的，有初中剛畢業的，你不知道他們受荼毒有多深......

好了不扯了，我再說資料分析行業。你知道自媒體運營嗎？資料分析的情況跟這個差不多，尤其是偏業務的，也都是火了沒幾年，門檻又不高，不少人趨之若鶩，擠破頭也要擠進這個行業，直到現在，整個資料分析行業（只說國內）表面上供小於求，實則水分特別高。

水分是什麼？

一是企業，表面上看好像什麼企業都想要資料分析，你要明白，你們趨之若鶩的同時國內企業也在盲目隨眾，現在哪個企業不搞資料化改革、不搞數分平臺建設？其實你要問企業真的很需要嗎？並不是。很多企業就是招了一堆人天天做報表，當取數機器。如果你想做的是業務分析師，情況就更慘一些了，在大多數中小型企業和部分傳統企業中，業務分析經常是被老闆說沒價值的，時間久了你自己都會懷疑自己的工作是否有價值。

二是求職者，主要是這個行業門檻太低了，換句說話，門檻不明顯。可能很多人覺得學個r語言、學個python、學個BI就行了，其實用excel做統計都算是資料分析，所以數分的人多而不精。別看行業里人這麼多，真正達到分析師高度的人很少很少，大廠企業爭得搶的是這樣的人。

說了這麼多，冷水也潑完了——其實也是為了讓你能保持清醒——我再接著說點職業發展的：

如果你想做運營類，資料分析都有前提目標，分析一場營銷活動的轉化效果、分析使用者下載啟用註冊的轉化率、分析某個廣告渠道的下載量、每啟用成本、使用者留存情況等等，這些一般是不設專崗，往往ceo、coo、產品、運營同學把這部分工作各自承擔了。當然，如果公司組織結構很大，不排除單獨設立，這時候需要你具備熟練操作資料分析工具、如mySQL、spss、python，甚至是報表呈現。

另外一個就是就是研發型資料分析師，一般就是據業務需求做資料埋點、監測，資料處理、報表呈現。高深一點的就是大資料分析、BI工程師、機器學習、個性化推薦了。

其實造成資料分析師地位不高的主要原因，就是不認同和價值缺失。我們總說資料驅動業務，可平時看到的，卻總是業務部門追著資料部門屁股要資料，而且資料分析的價值其實很難表現出來，領導不認同，同事不認同，甚至連自己都不認同，甚至會懷疑自己所做的事情是不是真的有價值，這種情況在企業中非常常見，做資料分析的人基本都會轉做管理和運營。

其實資料分析做到一定程度會覺得有瓶頸，技術已經做到頭了，但是就資料分析來說，技術真的不是最重要的(雖然要說做到頭還是比較難的，資料的坑縱深很大)，業務要更重要，再牛逼的技術，對業務沒有賦能，被砍掉完全有可能，因為企業要靠業務來養，投入是要看回報的，不管是短期還是長期的。

2020 年 5 月 6 日，人力資源和社會保障部發布《新職業—大資料工程技術人員就業景氣現狀分析報告》，報 告顯示:預計 2020 年中國大資料行業人才需求規模將達 210 萬，2025 年前大資料人才需求仍將保持 30%—40%的增速，需求總量在 2000 萬人左右，資料分析人才是市場上迫切需要的高階型人才。

近日，CDA 資料分析師公佈了《2020 上半年資料分析人才及 CDA 持證人行業報告》，數字化轉型不僅需要底層資訊化基建的支撐，還需要培養相關人才實施應用，相比 2013 年，2017 年資料分析師職業成為為五大新興職業之一。

銀行業耳熟能詳的海外某銀行是一家主要經營信用卡、房屋按揭貸款、汽車貸款以及存款的銀行機構。1988年成立之初，其還只是美國弗吉尼亞州Signet銀行的信用卡部門，但現在已成為全美前十大銀行之一。

該創始人給出的答案是：“我們不是一個傳統的銀行，我們不認為自己是一個銀行。我們是以資訊為基礎戰略的公司，第一個成功的產品恰好是在銀行業。”

以資訊為基礎戰略就是把資料資產和資訊科技放在首位，該銀行基於自身資料和外部資料進行二次挖掘，形成差異化優勢實現了精準營銷。

“但大多數銀行在做資料分析時，80%的時間都用在資料準備階段，而且40%的分析只做了一個分析模型就結束了，並沒有和實際業務很好的結合。”Teradata天睿公司大中華區大中華區副Quattroporte、諮詢及服務部門總經理唐青說道。

資料的價值還遠遠沒有充分利用，金融行業要做到在運營型分析和分析型應用中都完成閉環，同時將智慧化的設計嵌入到實時的工作流程中，使任何資料在任何時間都能快速響應。

目前銀行在大資料的使用上都處在早期，所以也造成了各家提供的產品、服務、功能都越來越趨同。在未來銀行要透過資料實現真正的精準營銷，透過有效的手段應用到有效的場景中，針對有效的物件，才能產生更大的差異化。

如果一個客戶在銀行如果持有三個產品，那麼他的離開率就相對較低。在精準營銷上，銀行需要搭建場景，更加了解使用者的喜好，培養使用者習慣，透過持續的關懷讓客戶留在銀行。

未來不同的人，在不同的時間開啟銀行App都會有不同內容，透過模型、分析可以做到智慧的精準推薦，實現千人千面。Teradata天睿公司大中華區商業智慧高階經理餘俊越指出，已經有一些銀行在嘗試小範圍的個性化定製，當然還有很多像開發、服務等層面上的因素制約。

大資料分析不是簡單的過程。

它是經過資料採集——儲存資料——資料處理和分析——資料的視覺化和展示這幾個大的步驟實現的。

無論是傳統行業還是網際網路行業，大資料分析是企業必經的階段，透過資料分析使資料活起來，發揮其潛在價值，為企業的業務發展提供支援。

簡單的說就是海量資料同完美計算能力結合的結果，確切的說是移動網際網路、物聯網產生了海量的資料，大資料計算技術完美地解決了海量資料的收集、儲存、計算、分析的問題。

網際網路最熱職位人才報告指出，產品研發工程師、產品經理，人力資源、市場營銷、運營及資料分析是當下需求最旺盛的六類人才職位。

目前全國的大資料人才僅46萬，未來3-5年內大資料人才的缺口將高達150萬。

因此大資料就業前景是非常良好的。根據中國商業聯合會資料分析專業委員會統計，未來中國基礎性資料分析人才缺口將達到1400萬，而在BAT企業招聘的職位裡，60%以上都在招大資料人才。

在大資料這一行業，先人一步進入大資料行業，就先人一步掌握大資料技術，在別人糾結猶豫的時候過果斷採取行動學習大資料，進入大資料行業。

大資料分析就業前景及職能定位

https://www.toutiao.com/i6688162708421870094/

我覺得資料分析行業的前景怎麼樣？並不是重點，資料分析的最終的方向無非是兩條：要麼在公司內部做資料分析，用資料分析賦能業務發展。要麼去專門的資料分析公司。而資料分析從業者更應該考慮如何用資料創造價值，如果你沒有用資料創造價值的能力，那麼就只能等著被資料淹沒，淪為一個取數的或者做報表的機器而已，也就早早的到達職業的天花板。

這往往體現在資料價值的層面上，越往資料應用層靠攏，對資料產生價值的要求就越高，從事資料分析領域的人要常常自省是否有更好的商業意識、資料思維、業務理解能力、資料敏感度等，畢竟在公司層面，沒人關心你是否比某個指標提高了一個百分點，公司關心的是你提高了這一個百分點之後，對公司產生的價值是什麼。

那麼，你就需要成為具備商業意識、資料思維、業務理解能力、資料敏感度等的高價值的資料人員，所以多多學習吧，別太約束自己，故步自封，多在行業領域內交流。

最後就是，我認為資料分析這個職位，幹得好的，錢還真不少。雖然現在每個行業都有資料分析的需求，但是不同行業的崗位還各不相同，我覺得我們應該要選擇一個薪資可觀、發展前景好的工作，而在大資料蓬勃發展的當下，這樣的機會實在太多。