2020年，转行数据分析师需要注意哪些问题？
2020-06-08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。
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：
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。
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。
数据分析师岗位的人才供给越来越多。
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。
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。
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？
由于运营入职的门槛比较低（当然这里不是说运营好做，而是这个岗位的硬性的要求比较少，精通还是非常困难的。），入职的概率会比较高。在运营的岗位上你可以接触一些数据权限，慢慢向数据运营的角色转变。
做了一段时间的数据运营，再做数据分析，数据分析的思维会更容易落地，业务领导会更重视你的建议。
哪怕之后title一直还是运营，但是数据分析的技能和经验都具备，title已经不重要了。凭借着这些经验，内部转岗还是跳槽做数据分析师都OK，难度相比0基础要简单得多。赶上一个好的项目，也许还能实现弯道超车。
建议入职前学习诸如excel、tableau、powerbi、finebi等常见的BI工具的使用，阅读一些运营的入门书籍。面试时表现出自己是一个多面手的角色，这对于入职创业公司来说是比较加分的。
自学数据分析，然后成功入职在现在已经比较困难了。
数据分析师还是比较吃经验的一个岗位，没有一定的项目经验，光有技能是达不到上岗条件的。在前几年还可以容忍边做边学，但现在要的就是马上能干活的人。
网课和一些线下培训虽然教的也只是数据分析的皮毛，其中的很多技能也可以通过自学学会。但是他们真正有价值的地方在于项目案例，这些项目一般都是实战项目，相比kaggle上那些竞赛题要更接地气。好好跟着这些项目做一遍，总结思考，要比学习技能更重要。
没有经验的分析师现在可能连简历面都过不了。
另外要注意招聘时的JD，准备对口的项目。不要在业务数据分析的面试时，秀自己的挖掘项目。
另外答应我，房价预测这类项目就不要再写到简历里了。
还有一位同学，现在在二三线城市的传统企业做类似BI的工作，想转行做互联网公司做数据分析，问我怎么办？
首先，互联网公司一般都在一线城市，想去互联网公司，只能换城市。如果确定要换成是进互联网公司，那么上面的两个方案都可以试试。
如果不考虑换城市呢？
我给他的建议是立足于传统企业的数据化转型，形成自己的一套传统企业数据化转型的方案。
数据化转型是传统企业的趋势，但是这个工作并不好做。
互联网的经验不能直接照搬到传统企业，因为数据基础不同，业务模式不同，员工的数据意识也不同。所以互联网数据人才直接到传统企业做数据化转型的工作是很难的。
如果一个传统企业出身的人，又熟悉数据体系搭建，并且有一套适合传统企业转型的方案，那么就能在这个小的细分领域里活的很好。虽然薪资待遇可能没有互联网那么高，但是不在一线城市压力没那么大，竞争没那么几列，职业生涯可以延长好多年。
分享这些数据分析师岗位发展的现状和趋势，是希望能让你少走弯路。
但是少走弯路不等于不用努力。转行不是一件容易的事，少抱怨，多行动。
三元方差，公众号：三元方差（sanyuanfangcha），人人都是产品经理专栏作家。专注用数据驱动业务增长，擅长数据分析、用户增长。喜欢阅读、思考和创作。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议
