首先，我們先說結論：資料分析行業的崗位需求程度兩極分化嚴重，低端市場的需求下降嚴重，接近飽和，而高階市場對於資料人才卻供不應求。

十年前，你只要學個SQL和Python就可以出去找資料分析相關的工作了，那時候企業對大資料的需求旺盛，稍微找個跟大資料沾邊的人都可以來應聘，那段時期可以說是資料分析的黃金時代。

最近兩年，資料分析師崗位的需求有所下降，還是有越來越多的同學紛紛跳到轉行資料分析的隊伍中，但是會有的同學發現數據行業遠沒有網上和培訓班說的那麼“美好” ，這些同學跟著網上的教程去準備學習資料分析的技能後去投遞簡歷，發現連小廠的offer都難求，甚至面試機會也渺茫。

大家可以去招聘網站看看資料分析崗位的調查報告，2020年資料分析崗位數量是呈下降趨勢的，資料分析的初級崗位大幅下滑減少的，可以說這個崗位是已經飽和了，轉行的同學紛紛扎堆在初級崗，競爭十分激烈。

而資料分析的中高階以上崗位的還是挺多的，人才難求，因為企業都想找有（專案經驗、相關從業經驗、大廠）經驗的資料分析師，所以說，想轉行的同學需要更認真的面對，我們上面說學學SQL和Python就能找工作的時代已經過去了。

首先，我們要明確一個現狀：

任何一個成熟的行業的需求都最終都將呈現為二八分佈

關於二八分佈的知識我們曾經在課程裡講過，這是由市場資本決定的，無論是整個市場還是整個公司，資源是永遠都會產生傾斜的。

而對於整個行業來說也是同樣的，資源永遠都趨向於前20%的分類中。一個行業從興起到成熟一定會經過下面這三個階段：

第一階段：野蠻生長期，下游行業開始蓬勃發展，這時候行業大部分發展貢獻來自於後大部分80%的企業，整個行業處於野蠻生長；

第二階段：大浪淘沙期，市場總資源是有限的，不可能任由所有企業都進行蓬勃發展，這個階段市場開始慢慢有序發展，一些低效的企業將被淘汰，一些高效企業開始嶄露頭角，整個市場呈現百家爭鳴的現象。

第三階段：壟斷穩定期，在第二階段嶄露頭角的企業因為擁有更好的資源來產生更強的競爭力，隨著競爭力的增強而擁有更多的資源，因此呈現出強者愈強、弱者愈弱的情況，最終市場資源會產生壟斷；

我們可以把任何一個新興的行業代入進去，比如前幾年的直播行業，直播行業剛出現的時候真的是雜草叢生、遍地開花，隨後經過了大浪淘沙，直播行業很快呈現出了二八法則的狀態。

那麼二八法則放到資料分析上也是正確的，資料分析行業從剛開始興起經過了差不多十多年的發展，到現在整個行業基本上是從第二階段向第三階段發展的過程，也就是資料分析行業開始注重效能，整個階段的特點是什麼呢？

企業的崗位需求開始迅速減少，從對於低端人才的需求轉化為對於高精尖人才的需求。所以，說飽和是不對的，當然說不飽和也是不對的。

我們直接說幾個結論：

1、一線城市是需求最大的，北上廣深杭，其實主要是因為網際網路行業主要集中於這些城市，因此需求會大一些，目前來說這些城市的飽和程度也不算是特別高；

2、學歷上看要求不大，其實按照我們公司的要求，我們對於比較低階的取數員這些崗位是隻要求大專以上，對於業務分析這種是要求本科以上，研究生和博士生幾乎是沒有的，像碩士博士這些人如果學資料分析，一般也不會做我們這種業務分析，一般都深造學資料科學，搞科研、研究所或者去大公司做資料科學家，所以其實對學歷要求不高。

3、工作經驗需要強烈，因為說實話大多數公司找的資料分析崗位都很低階，要麼就是找應屆生，要麼就是找轉行的人，所以對於工作經驗要求不高，平均工資也不是很高；除此之外最常見的業務分析崗一般都要求1-3年的工作經驗。

4、企業型別上看，民營、國企和合資企業是需求量最大的，但是從平均薪資上看，可能很多人就會大跌眼鏡，其實國企和事業單位的平均薪資是高於民營企業的，這個跟程式設計師是不同的，因為嚴格意義上講，我們不屬於技術工種，而是賦能工種。

5、從行業上看，網際網路、電商、計算機、金融、零售、電信是需求量最大的，這是毫無疑問的，同時我們也能看到製藥、交通、物流、傢俱、運輸這些傳統行業也是很有市場的；

6、必備技能上看，SQL和統計學基礎是要求最多的，而從工作內容上看，深入理解業務是最多的。滿足崗位需求所需的技能：SQL、Python、統計學、數學、業務知識。

最後我們再來回答開頭的問題，資料分析崗位已經飽和了嗎？

資料分析低階崗位的門檻是很低的，內容也只是做取數之類的基礎工作，所以飽和程度非常大；資料分析的高階崗位需求量大，但是對行業經驗的要求非常高，所以呈現出兩級分化的狀態。

結論先行：

分析報告的取數來源、取數時間都會對分析結果造成一定影響。

如果不是緊急招聘，一般來說，社會招聘有春招和秋招之分。逢招聘季節，網站上釋出的職位招聘會比較多。因而，企業招聘具有一定的季節性。

但是考慮到您說，這份資料分析報告的結果顯示”資料分析崗位的招聘數量正在慢下來“，可能這份資料的取數時間以”年“為單位。

那麼，就需要考慮，是否崗位的title發生變化，可以看看下一點的分析。

這兩年資料分析真的很火，配合網際網路媒體的發展，大家對於資料分析的重視度越來越高。

資料分析師崗位對於不同企業來說意義可能不同。

對於創業公司或者小規模企業來說，自身發展重點在於尋找增長機會和拓寬盈利渠道上。發展初期的企業的資料積累可能不大，這一階段，如果設定專門的資料分析崗位，一下子就增加了公司的人力成本。

因而此類公司選擇招聘具有適當資料分析技能的運營人員，比如需求分析師、使用者運營等，title不是資料分析師，但是卻也需要時常扮演資料分析師的角色。

要知道，專門的資料分析師，不像專門推廣或者銷售人員，不創造直接價值的，初創公司和小公司專門成立一個崗位，不划算。

而對於大規模公司來說，公司需要監控的指標增多，需要專門部門來從事指標監控和價值挖掘等工作；此外，公司的資金實力雄厚，可以給資料分析部分和讓專門的資料分析人員從事資料研究與挖掘工作。這時候，資料分析人員挖掘的資訊，可能會關係到公司的未來發展。

因而，這些公司招聘釋出的資料分析崗位，title和真實工作都是資料分析。再細分下來，會有助理資料分析師、資料分析師、大資料分析師、資料工程師等。

社會很殘酷吧，等級金字塔總是存在的，而且還是一個底角很大的等腰三角形，能夠爬到行業頂端的永遠只有少數人。

資料分析師崗位的火熱，跟網際網路的發展有很大的關係，許多能夠創造價值的行為——買賣和提供服務都可以透過網路實現。

很多企業都打出“以資料為導向驅動發展”旗號，但實際上大多數企業只能做到“以資料為導向指導工作”罷了。

這兩者的差別還是挺明顯的。用車子做比喻，能“驅動發展”的資料分析好比汽車的引擎，是車子的核心部件；”指導工作“則像方向盤的功能，只能透過分析得到某種結論，之後調整商業模式，就像開車的人看到路況，轉動方向，具有一定的後見性。

不是說調整方向的工作不重要，而是想說，大多數企業都沒有能真正發揮資料分析的價值。同理，大多數資料分析師，也都還是隻能從事基本的分析工作，還未能達到研究、挖掘價值的水平。

不知道！

所謂”飽和“，除了指一個蘿蔔一個坑。還可以指企業的崗位需求一定的情況下，入行和跳出的人達到一個動態平衡——有人從資料分析崗位跳出來的人，也有人補充進去。

不過，資料分析技能會成為一個普遍要求的技能，而那些早早入行的，逐漸提升和積澱的人，最終能夠積累一身的本事。即便未來資料分析行業回朝哪個方向發展還未可知，但是憑藉一身實力，總會有人能夠找到一個成功的方向。

怎麼可能，資料分析才剛興起。而且就業市場上純資料的崗位正向資料賦能崗位傾斜，並逐步滲透至企業的各個部門。資料分析已經不是單純的一個崗位，而是一種職業技能。建議可以去cda的經管之家論壇看看，那裡有資料分析很多討論的話題，就可以瞭解行業。

目前還沒有飽和，處於發展中的狀態，我之前在cda學習目前在電商做資料運營，感覺現在公司的資料分析崗位在一個更替狀態，逐漸把業務崗更替成為能夠做資料分析一級策略提供的業務綜合崗，所以說資料分析暫時還是沒有飽和的。