数据分析师真的需要会Python吗?
前段时间在同行群里聊天,聊到了行业薪资的问题,发现了个有趣的事:数据分析师的薪资差距竟然可以这么大?
我们先看看数据,拿北京来说,数据分析师的平均月薪在 22k 以上,如果是在互联网大厂,月薪 30k-40k 是很容易的。
按这个数据来看,数据分析师的收入是不错的,但现实并没有那么美好,大多数人的薪资是 10k 出头,甚至一些二、三线城市的数据分析师月薪只有 6、7k。
从 6k 到 40k,究竟是什么,导致了数据分析岗位的薪资待遇如此两极分化?
事实上,是因为存在一些“进阶能力”才带来了如此巨大的薪资差别。
举个很简单的例子,我学弟所在的公司最近在推一个新产品,产品经理发现最近新用户的留存比较差,找他分析原因。
如果是初级数据专员,只能一摊手,我也不知道啊,你们产品经理又想甩锅了吗?
结果就可想而知了,不是和产品经理上演拳皇,就是收拾东西走人。
高级数据分析师,比如我学弟,他的“进阶能力”体现在:不仅仅能分析数据,更可以看到数字背后的问题。
由上至下来分析,通过用户画像、问题假设等方法,发现四、五线城市的用户对现阶段产品的需求度低,并进一步找到具体原因。
更高级的数据分析专家,“进阶能力”在于:直接指导业务。
通过数据建模,算法模型,预测出将要产生的结果,并告知业务组或者领导,如何去优化,怎么提升转化。
三种数据分析师,能给公司提供的价值一目了然,谁有上升空间,谁有失业的风险,就不言而喻了。我总结了大厂的一些需求点、必考点和加薪点,也和大家展开说说。
数据分析工具,这是基础。
但不要以为只会 Excel、SQL 就行了,想再多拿薪资,建议你们把 Python、Tableau、powerBI 等常用的数据工具都学会。
分析方法和模型,这是进阶。
需要掌握数据分析方法和模型,起码知道在哪埋点、知道有了数据怎么处理,出了异常如何排查,如何建立长效统计模型等等。
深刻的业务认知,这是你的价值。
你只有抓住业务本质,你分析出出来的结论和报告,才有建设性 ,能影响决策甚至提升业绩表现。
掌握了这三个能力,月薪往 35k 要,肯定没啥问题。
那怎么能达到这个水平呢?谁网盘还没有个几十个 G 的资料呢,最后不还是留着过年。
所以我的建议是别自学,而是要跟着大佬学,毕竟人家经历过真实的项目,从实操中总结出的方法,肯定能让你少走不少弯路。
我看过市面上很多课程,都是教你工具怎么使用,但没办法帮你摆脱“人肉取数机”,更不能从业务角度带你做数据分析。
分享个我的“捷径”给你吧,我推荐你参与拉勾教育的《数据分析实战训练营》,由行业牛逼老师手把手的带着你在真实项目里实战学习。
在线教育用户活跃指标分析与用户画像构建 购物APP用户行为分析 用户流失预测 电商业动销数据监控仪 等等