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
