2020年，转行数据分析师需要注意哪些问题？

随着大数据在各个领域的应用越来越广，数据驱动产品和精细化运营已经成为企业经营的制胜法宝，相应地，数据分析师这个岗位也越来越受到关注。2020年，还能转行数据分析师吗？

不知是不是因为疫情影响，求职金三银四推迟到了五月。最近，向我咨询转行互联网或数据分析师的人一下子多了起来。干脆写篇文章，分享一下目前数据岗位的一些现状，希望能帮助童鞋们少走一些弯路。

数据分析师的需求在下降

首先数据分析师岗位的需求有所下降。

这主要是指对新手分析师的需求下降，高端岗位依然紧俏。不过既然说到转行，那么不可能一转行就是高端岗吧，所以这里只说入门岗。

需求下降的原因主要有：

1. 领导对数据分析的期待降低了

之前数据分析这个概念非常火，很多业务领导觉得数据分析是提升业绩的神器，对数据分析寄予了厚望。

然而一段时间以后，他们发现很多问题数据分析解决不了。分析的再多，业务的不确定性还是很大，对于业绩的提升也没有什么太大的帮助。

其中一部分原因是数据基础太差，要啥数据都没有。为了支持数据分析，还得从头建立数据仓库。巨大的成本让创业公司累觉不爱，往往没有等到数据基础搭建好就半路放弃。

还有一些公司有了一定的数据基础，但是数据分析团队做出的东西又让业务方觉得不痛不痒。几个模型拿出来看起来很高级，但是总觉得没什么帮助。

于是，现在业务领导对于数据人员的期待也就没有原来这么高了。

2. 业务方自己就把分析做了

公司里一开始推行数据分析文化时，这种技术活只能交给专业的数据分析师来做。慢慢地，业务方发现，分析师来来回回好像也就那几个套路，还挺好学的嘛。于是这两年业务方的数据分析能力也得到了很大的提升，很多业务人员已经开始尝试自己做数据分析。

这些业务人员有数据分析思路，只是缺乏SQL能力。所以去年开始数据产品经理这个岗位特别火。

这也不是说不需要数据分析师了，那些比较复杂逻辑的数据处理，数据模型的搭建，以及专题类的分析依然需要数据分析师，只是对专业的要求就更高了，这就压缩了新人数据分析师的生存空间。

求职竞争压力变大

数据分析师岗位的人才供给越来越多。

校招方面

前两年数据分析师这个岗位刚出来，高校还没有对应专业。那时候校招生基本都是应用统计学、数学等专业的学生。

今年有一个明显的区别，很多专业对口的毕业生出现了。2016年和2017年，一共有35所高校成功申请到了“数据科学与大数据技术”本科新专业，学制四年，算一下2020年刚好这些人开始找工作了。另外海外有很多对口的硕士专业，比如“商业分析”、“数据分析与商务智能”。这些岗位学制较短，今年已经开始大面积输出毕业生。

社招方面

以前企业对大数据的需求旺盛，但懂分布式的不多。既然都不懂，那就找稍微贴近一点的人来边学边做。所以现在那些有好几年经验的数据分析师，往往是过去的传统BI，数据开发或者业务人员转型来的。那段时间可以说是一个比较好的转行数据分析的时期。

那段时期数据分析师做的事情非常杂，虽然都叫数据分析师的，但做的工作现在看来可能是数据运营、BI工程师、算法工程师、商业分析师等等。现在这些岗位逐渐细分出来，技能要求和岗位职责越来越明确，不再统一叫数据分析师了。以后可能还会有更多的细分岗，可以参考产品经理的发展，现在已经细分到眼花缭乱的程度了，心疼产品经理一秒钟。

能表现数据分析师岗位专业化的证据之一是现在数据分析课程越来越多了，这说明这个岗位的工作技能是可以标准化专业化的。很多数据分析思维和案例的培训课程，这使得数据分析师入门的难度变得越来越低了。

这些课程一度很火，我还记得我的朋友圈第一个刷屏的广告就是python训练营。

回想自己当年学数据分析技能的时候，没有一个目录告诉你哪些该学哪些不该学，甚至数据分析到底要做啥都不清楚，只能看到啥可能有用就学啥，于是学了很多没用的技能。回想起来，现在想转行数据分析师的人很幸福，只是入门门槛低了，使得竞争变得更激烈了。

一些建议

虽然我说了数据分析越来越难了，但是这个岗位短时间内还是不会消失的，如果你铁了心的一定要做数据分析师，有哪些办法呢？

1. 先做运营，曲线救国。