数据分析师入职要求

如果你是统计学专业，还在为就业迷茫，认真听我帮你打破困境。统计学专业的学生，只要找对方向，你完全有资格拿下高新数据分析岗，甚至比其他专业更有底气。 统计学的核心优势就是数据敏感度和逻辑分析能力，是当下企业最稀缺的能力。问题不在于你的专业不行，别只盯着传统统计岗， 要学会把专业能力转化到热门赛道数据分析。说起统计学就业，很多人只想到统计局调研公司岗位，薪资和发展空间都有限。现在最适配统计学的主流方向就是数据分析，没有之一。 数据分析师是企业数字化转型的核心岗位，统计学正是数据分析的底层逻辑支撑。比起其他专业，你们自带的概率统计、假设、检验、数据建模功底是入行的天然优势。只要能把专业和业务结合，竞争力都远超同行。 具体怎么做，记住这四点，直接落地执行。第一个核心技能，统计优势和工具结合。统计学专业不用从零学数据思维，但要补其短板。 s、 q、 l 和 python 必须掌握 circle 重点练查询聚合关联能高效提取数据。 python 重点掌握 pandas、 numpy 做数据处理，用 maclab 跟 cbn 做格式化。 你们的优势在于能把假设、检验、回归分析、句类等统计方法融入分析，让结论更具说服力，这是很多非统计专业从业者比不了的。 第二个在校准备越早启动越有优势，大一大二就能开始铺垫，先把专业基础打牢，概率论、梳理统计、多元统计，这些核心课程一定要吃透，这是你后续进阶的资本 工具。学习上 circle 要练到随手写复杂查询， python 要能独立完成数据清洗到可适化的全流程。 最重要的是去实战，去开狗天池合金社区找数据集，优先选带业务场景的，比如说是电商、用户行为、医疗数据。用统计方法做深度分析，从数据中验证假设，得出结论，把你的分析报告代码整理好， 这就是比简历更有说服力的敲门砖。第三个，经验累积，项目和实习双管齐下，项目不用贪多，重点在经和垂直选一到两个你感兴趣的行业，比如互联网、金融、医疗。 做深度分析，能讲清行业逻辑、分析思路，统计方法的应用比一堆零散的项目强。 实习一定要大胆找，不管是大公司还是小公司，有面试机会就去面试，不仅是找工作，更是学习的过程。很多行业内部的指标口径、业务逻辑都是在面试中才能摸清的， 而实习能让你真正的接触企业真实数据，理解统计分析如何服务业务，避免纸上谈兵。第四个，未来规划，两条进阶路径都能靠统计功底突围， 入行后可往技术测或业务测发展。技术测可进阶为数据挖掘工程师、数据科学家，重点生化机器学习，深度学习技能，把统计建模能力发挥到极致。 业务测可转向商业分析师、数据策略师等重点积累行业经验，用统计分析帮企业解决实际业务问题。比如说用户留存、销量提升。 核心原则是统计专业功底不能丢，这是你的核心竞争力。同时持续补全业务认知，让技术和业务结合才能走得更远。 这条路的好处是，不用让你放弃多年积累的统计专业，反而让你的专业优势最大化，避免从零开始的迷茫。我是十年资深数据分析大表姐， 如果你对数据分析、学习、项目选择题、面试技巧有任何的疑问都可以留言，比如具体的学习计划、统计方法在项目中的应用、面试高频问题等。

这有一个人在我评论区留言，我儿子就是数据分析师。中小公司不需要数据分析师，只是名字叫数据分析。 中大厂企业要九八五本或最低研究生才能找到数据分析师岗位。应届身身份卷的要死， 好多二幺幺科班出身的研究生，没有几段大厂实习经历，都找不到对口的工作，中途转的就别想了，门槛高，现在又容易被 ai 取代，否则他也不可能在这忽悠你。嗯，这个评论看起来他好像很牛逼，是不是 我把他删除了，因为他说的屁都不是。哦，我来给你们讲一下啊，中小公司不需要用到数据分析师，这一点他是讲对了的， 他儿子做的就是数据分析，只是名字叫数据分析师。那他儿子可能做的就是数据专员，数据分析就是数据分析 公司为了便宜的雇佣你，他可以给你封一个官。什么经理啊，深圳的经理是最多的，但你工资可能一万块钱都没到，讲白了就是不值钱。好 中大产企业都要九八五本或最低研究生才能找到数据分析师岗。你自己去网上去搜一下，你看别人招人的时候 一定要求是九八五二幺幺吗？你这个就可以证明得到的，你去查一下。不是的啊，你看一下这些要求，人家只要求本科学历啊，没有说一定要九八五二幺幺， 然后他还来个应届生身份卷的要死。好多二幺幺科班出身的研究生，没有几段大厂实习经验，都找不到对口的工作，这一点他也说对了，但是这个经验啊，谁天生有 谁天生有，不都是学习来的吗？你学习了你写上去呗，不就有了吗？简历的目的是什么？就是让 hr 看了想联系你，你答得上，你会做就行了。 现在又容易被 ai 取代，大数据它属于 bi， 属于商业智能。你怎么又扯到 ai 去了嘞？这两个方向啊，两码子事，你说他不懂吧，他又懂一点，你说他懂吧，他又说的乱七八糟 啊。数据分析师是数据分析师，他是偏业务岗，数据开发是数据开发开发岗，偏技术，但大部分人他会讲的是数据分析啊。本科学历就可以入行，理工科最好，当然如果你是计算机数学、统计学这一类专业，那最最好了。 应届生确实是很难进到这个行业，即便你是九八五二幺幺很难。大数据这个行业他就是吃经验的， 他不好的地方就是入行难，好的地方就是没有那么容易被取代。哪怕我是一个双飞的本科，我在这个行业有了三五年的经验，你现在去酒吧，我二幺幺招一个科班的来替代，我也替代不了。好就好，在这里。

今天我给大家拆解数据分析从业者成长历程，这是我目前发过最干货的一期，也是最详细完整的一期， 只有我能去给你去科普真正的这种数据分析岗位是怎么去进阶。这期视频可能非常长，因为知识点非常多，你们先收藏好，如果说你们想拿到一些思维导图，甚至像一些简略版本或者文字版本，你们可以直接在评论区发 ai 助手就可以找到， 或者进主页找我要内容 ppt。 今天的分享将会从下面五个角度来进行。首先先会讲述一下就是啊我的一些个人经历，希望这些经历的话能够带来一些不同的视角，那么其次的话，会对数据分析这个岗位 大家对他的一些初步的印象进行一些介绍和澄清，那么接下来的话会针对这个岗位，呃，初阶阶段吧，就是三到五年这个阶段他需要所具备的一些能力进行一些介绍， 那么也会结合一些具体的事例。那么在第四部分我们会重点去看，去重点去看一下，就是在这个方向上，如果想要快速的成长的话，都有哪些方式跟方法可以借鉴， 那么最后一部分会去结合过往的一些经历，也去看一下这个岗位他的未来的发展的潜力和一些不同的可能性 啊。首先我先分享一下自己在互联网数据方数据分析这个方向上的一些经历， 那么我大概在这个方向上从业有五年多的时间，从最开始的数据分析师，到后续的策略产品经理，以及到最近一段时间的数据产品经理可以说一直都是在数据这个方向上，那么同时在这个方向上也有 三个不同的视角，那么我其实是比较看重这个不同的视角，因为就是如果你一直做数据分析师的话，其实啊你很难从不同的 不同的视角以及说不同的流程去看待这个这个工作，这个岗位它的价值，以及说它应该去发展的一些方向。那么希望我的这个不同的视角能给带来大家，能给大家带来一些不同的东西。 嗯，那么首先就是针对数据分析这个方向进行一个简单的一个介绍，那么这种介绍的话先不从我这个视角来开， 那么先从就是大家对这个视角，大家对这个岗位和这个能力他的一个认知来说，那么我通过一些不同的渠道去收集了这四种看法。第一个就是说有很多人想去尝试这个岗位或者转型到这个岗位，是因为他觉得这个岗位不需要跟太多人打交道， 是社恐的一个避风港。那么第二种看法是可能是受到就是很多网络营销课程他的一个一个一个影响，就是普遍会认为这个岗位他收入和回报都非常可观。 那么还有两种看法就是，呃，他觉得数据分析这个岗位，其实因为大家一直在聊，就是互联网行业最重要的一个特征之一，就是说用数据来驱动，所以他认为这个岗位其实会有很大的存在感，他能够影响很多事情。 嗯，那么最后一种看法是说觉得他是一门呃一门技术哈，所以说他可能会越老越吃香。 那么上述这四种看法其实都普遍的存在，那么从我个人的角度来说，或者说从我个人过往的经历和现在市场普遍的情况来看的话，这四种看法其实坦白讲多多少少都存在着一定的误解。 那么至于说具体他的误解到底在哪些层面上，那后续其实在我们深入的介绍当中都会一一的介绍到 啊。那么刚才其实是从求职者的视角去看待数据分析，或者说他们对数据分析的一个印象。那么现在的话我们再换一个视角，从企业或者说从市场 用人单位这个视角去来看一看，数据分析在他们眼中到底是一个怎么定位？ 那么我通过就是在网上搜了一下，就是用拉勾，因为他可能是，呃，互联网这个行业上就是 职业搜索还算是比较普遍，比较具有代表性的一个一个工具。那么我在上面输入了数据分析这个等这个词之后，然后点击搜索，然后我没有把岗位限定在任何地点 啊，就放宽到全国，然后呢把这个经验锁定在三到五年这个范围内，为了说方便就是对齐，不要说把太多什么总监呀这种岗位都给放进来。 呃，从搜索结果里面，我整个浏览了大概有几十个岗位，几十个招聘岗位，然后呢汇总了一下，就是基本上就是有这么四大类，就是对于数据分析它的一个定位。第一个呢是偏数据挖掘方向的 啊，可以看到这个里面他岗位他都叫数据分析与挖掘岗，然后这里面比较核心的是他就是我在里面用红框框出来了，就是他会要求你呃一定要具备一些数据挖掘的一些分析方法，比如说逻辑回归、 基于分析决策树，还有记忆学习这些数据模型啊，其实呢这些都是记忆学习的一些东西，然后同时呢他也会要求你一定最好或者说一定要掌握一些记忆学习相关的一些软件，比如说软件或者编程语言，比如说 r、 python。 那 么这是刚才说的数据挖掘是第一个方向，那第二个方向的话呢？我看到就是有呃业务分析这个方向，这个方向其实是在我看到的所有 呃数据分析，他搜索结果里面占比较大比例的一个东西，当然也是市场上对这个岗位的一个主要的一个定位。 那我也用信用红框框出来了，就是他会要求你进行呃有常规的或者专项的一些数据分析，产出一些报告，那么同时呢，还能够系统性的监测业务的日常数据，并且能够分析解读一些一强的波动，这是一些职责。 那么它的一个要求能力呢，其实就是具有数据的生成、校验、可识化分析，还有排查异常、总结规范的能力，以及说它重点框出来了就是要会 circle 啊，当然它同时也要求会 excel、 word 和 ppt。 那 么第三个方向呢？是 bi 报表方向。呃， bi 报表的话呢，其实就是 呃相对于之前刚才所说的数据分析的人肉，这种分析阶段往前更近了一步，就是把这些人肉分析提升到一个自动化 工具的一个一个层面。这里面我也用宏框分宏框 control 了，就是它会要求就是实现模块或者流程的一个自动化 业务报表系统的建设，这都是一个核心的一个能力的啊岗位描述。那同时呢，他可能日常会使用的工具 circle 是 当中的一块，但是跟刚才的业务分析有一个比较大的一个差异，就是他可能更多的工作 是在于数据仓库的一个建设，就是说在于这个呃数据分析工具的一个建设。而可能像刚才业务分析里面更侧重的是怎么把这个分析结果，怎么得到一个分析结果，并且把分析结果 那第四个方向也是我看到的一个，之前其实没有特别注意到，就是智能方向，或者是要数据分析加啊，其实就像互联网加这个概念一样， 就是我看到有财务方向，也有 hr 方向，就是各个呃之前的一些职能岗位，他们其实现在也会有一些数据分析这上面的一些需求， 就像这个岗位他后面括号括出来的这个里面他会呃我认为比较强的两个特征就是第一他是在某一个特定的方向上财务或者 hr。 第二他尤其要求具备很好的沟通能力，以及说跨部门的这种协助团队协助能力。 所以这个其实就是刚才我们提到的大家求助者对数据分析的一些印象，当中包含了有一个就是可以不用跟太多人打交道，其实真的不是这个样子的。 呃，那么我们刚才其实从两个视角，求助者的视角以及说企业的视角都去了解一下这个数据分析岗位他的一个初步的印象，那么现在我们再从实际就是做数据分析的这些人， 他到底日常都会要有涉及到哪些工作，从这个角度来看，一看就是这个岗位他到底是什么样子的。那么我通过这个图形就是这种面积图，然后简单的对数据分析这个岗位日常工作进行了四个 大的一个一个一个分配，那就是日常监控，这是最大头的，可能会占百分之五六十，然后效果评估可能是其次，占到百分之二十左右。那剩下的就是业务决策和专题性的研究分析这两块其实 呃是大家非常重视，非常想做的，但其实在日常工作当中可能并没有那么多的机会来做。 呃，下面的话我们就挨个的来介绍一下，就是依次的介绍一下每一个岗位，每一个方向， 到底他日常工作内容当中是做什么的。第一块我们先说日常监控，日常监控的话，其实据向来说就是日报、周报、月报，甚至说季报， 那这个里面要做到的是什么呢？就是我们要对公司或者说一些业务，他的一些核心指标如果发生了波动的话，我们就要能够监测到，第一时间的快速的监测到，并且能够定位 这个波动的原因到底是什么。那么在实现这个目标的过程当中，方式方法可能有两套，一套呢是人工的分析，就是可能是 excel 啊，或者说 word 啊，或者邮件形式发送这个日报周报。那还有另外一种呢， 就是刚才我们提到过的就是线上的这种 bi 报表，就是自动化的这种形式，那么我这个 ppt 里面也截图放上了几个 bi 报表的样式， 那么效果评估的话呢，相对于日常监控来说，它更体系化，它所要完成的目标就是啊产品更产品功能的更新，或者说营销运营活动，或者说我新上线了一个什么策略算法，比如说推荐产品的效果评估， 那么这里面呢，就需要你对整个这个东西进行一个搭建一个完整的一个评估的体系，那可能不是单独的一个 p v u v 就 能够搞定的。 那在有这个评估体系之后，你需要去看呃，我到底需要哪些数据采集的方式，买点也好，或者说其他日制的也好，才能够保证这些数据能够上传上来供我分析，供我去加工成这些指标。 那最后的话呢，可能会有不同的方式方法来去进行评估，那比较常见的可能就是 a b test 这种方式。 那么第三块就是业务决策，业务决策这块呢，其实就是我们要通过数据来驱动决策，然后能够产出一些对产品功能的优化，或者说对业务啊，对运营活动的一些方向上优化的一些建议。 那么这里面拿腾讯电脑管家他的一个例子来做，就是这里面整个的目标就是能够 提升腾讯电脑管家他的用户数，或者说叫市场占有率。那么这里面的话不是一上来就直接就是去分析一些数据，而是说先从一个逻辑体系上建立起来，这是我们要提升用户的话，那就是开源跟截流两个方向， 那么在这种精细化运营的方向上可以看到开源已经可能方向，呃余地并不是特别大，那么我们的重点就是在于说节流怎么能，怎么能够减少就是流失和卸载 啊。那么往往在决策分析这个里面的话呢，呃比较重要的三段就是说第一我要选择好问题，选择好这个切入切入点， 第二的话我要应用好数据，那么最后才能运用各种各样的方式方法去回答好这个问题。那么刚才这个例子里面可以看到我们选择问题是从截流这个角度开始的， 从这个视角切入的话，我们去看一看到底有哪些方式方法能够避免用户对整个产品的一个卸载。 那么最终可以看到就是有两种方式，一种是通过常规的业务分析，我们发现可能新装用户如果你直接 就是电脑管家锁定他的主页的话，会引起比较大的反感，那么这块是需要优化注意的。那另外一块呢，就是通过技术上的手段继续学习，我们可以去预测到底哪些用户他是有高卸载高卸载可能性的， 那预测之后就去通过一些运营方式进行干预。那么第四块专题性的研究分析这块的话，其实也会有多种方式，比如说我们可以产出一些具体的研究分析报告， 那或者说我们也可以研究出针对某一个问题他的一整套完整的啊模型，或者说叫策略算法。 那么研究分析报告的话，其实市面上大家经常会看到各个公司或者说各个小组都会有，那这里面举例的这个截图里面举例的应该是一个啊信用卡这个方向上的一个宏观的一个研究分析，那这种研究分析报告的话呢，可能并不会直接 对业务的某一个问题进行影响，但是他能够影响的是一些大的方向，他可能受众更多是一些，就是具有决策权的一些一些岗位，比如说是啊，高级的产品经理，或者说是企业的一些中高层管理者。 那么专题研究里面还有一部分就是可能我们能够有机会去研究设计一些模型， 或者说策略算法，那这里面先澄清一些定义，就是策略跟算法大家经常会提到，但是两者之间到底有没有差异？其实是有的，我这面可以举一个例子，就是你可以把算法比做成种菜， 那么策略的话呢？比做成炒菜，那也就是说策略的话，其实我们不用去关心这个菜到底怎么种出来，不管是西红柿还是胡萝卜，但是我们需要了解它的一些 一些特征，那这样的话呢，我们才能知道，就是了解了它的特征之后，才能更好的去把这些不同的蔬菜或者说不同的算法组合起来。然后呢因材施教， 或者说根据它的特征去组织出一盘比较好的菜，这个其实就是策略跟算法的一个差异和定义。 那么这里举的一个例子就是在百度搜索这个场景下，那么以汽车行业的来看的话就是，呃，有一个本品就是奇骏这款车是广告主想要投放广告的一个具体的东西，他想知道在网民心目当中， 到底哪一款车是他最强有力的竞争对手。那么大数据所发挥的价值就是跳出行业专家的一些经验认知， 那么想看一看网民通过搜索这个行为反馈出来奇骏他到底竞争对手是谁？那么在搜索这个场景下，其实就会涉及到所谓的这种广义的模型，就是我们需要把网海量的网民的搜索数据抽象 成一个模型，那这里面抽象的东西可能就是说啊，网民到底搜了哪些车，搜了几次，那么把这些加工起来，其实就是 那通过上面的一个介绍，我们可以简单的就是从各个不同的角度能够知道就是数据分析他到底在做什么， 我们眼中他是什么样子的，以及说企业对他的定位和实际的数据分析师他到底在做什么。那么在知道这些之后，我们也需要去知道就是到底具备哪些能力，才能够 达到这个岗位他的一些基本性的要求。那这里面的话，我对这个能力进行了呃，抽象的初步的一个四个维度的一个划分，就是工具方法论，以及说对业务的理解和做人做事这四个方向。 那么先来说工具，工具的话呢，其实可能是整个呃大家最容易去重视的，因为他 最好上手，最好学习，网上有很多教程都会从这个试点来中，都会从这个视角来切入。那工具的话有这么四个，四个流程，首先是数据提取的工具，比如说就是 circle 为主 啊，那第二块呢，就是数据加工，我有了数据之后，我需要把这些数据加工一下，那更多的其实就是 excel。 那 第三块是数据格式化，它可能会有一些不同的软件，比如说 table 或者说 r 语言其实也能做到，但是其实 excel 或者 ppt 也 ok， 那么进更进一步的就是数据挖掘，能够提取出一些更深层次的一些东西。那这里面其实就是刚才提到的 python 是 呃比较多的一个方式，还有就是 r 那 方法论这块，其实呃经常很多人都会提到就是做某件事情它的方法论到底是什么样子的。 那数据分析其实也有方法论，但是并没有网上说的那么玄乎啊。其实 说到最后说到底的话，无外乎就是对比积分和溯源，就是我们拿到一个问题之后啊，拿到一个数据之后，你一定要有对比，有标的物能够比较，那比较的方式方法无外乎就是把它拆解，按照不同的维度进行拆解， 那么拆解之后你需要知道就是他高了或者低了有一个波动的话，他的原因到底是什么。溯源的话其实就是把一切都要回归到业务上，就是你要知道到底是什么动作导致了他的数据的波动变化， 那业务理解的话其实也非常关键。这块其实要说的就是因为很多人可能会觉得数据分析他是一个非常偏技术的一个岗位， 可能就像大家对互联网里面就是马农的一个定位感觉，但其实还差异还是非常大的。就是像刚才我们看到的一些公司，他的招聘岗位里面，他其实明确提到了 会要求你有比较好的数据的表达、沟通以及说和写作能力。那么这里面业务理解也是比较关键的，就是你需要知道你在分析的这个东西，它到底背景是什么， 他到底在做什么，那么你只有明确了这个东西为什么要做，做什么之后，你才能够很清楚的去推动他到底怎么做。所以很多时候就是明确方向，做什么，为什么做是更关键的，更重要的。 那么最后一块其实就是做人或者说怎么了做这件事情，那么这个里面其实无法回避，因为在企业当中任何岗位都会涉及到这个问题。呃，就像最开始我们提到了有很多 有很多伙伴，他可能会认为数据分析这个岗位能够成为社恐的避风港，但其实并不是这样子。一个好的数据分析师应该是业务的业务方或者产品的一个军师。那试想作为军师这个角色的话， 你怎么可能是不跟大家沟通或者说不善于沟通的一个人呢？所以说就是在整个工作当中相互的协助的是 管理，管理你的上级他的预期，或者管理你业务方他的一个预期，这些都是非常关键的。 那么刚才提到了就是需要具备的几个能力，然后呢我们再进一步看一下，就是这几个能力。呃，有哪些需要稍微注意的？就是工具这块，其实刚才也提到了，就是不要太刻意的学习，就是很多工具， 就比如说市面上的什么 excel 宝典，或者说什么 ppt 操作宝典这种东西，你就拿它当工具书。工具书到底怎么用呢？其实就是随看随用就好， 你不用说，就是反复的在实面对，在实际问题之前，你反复的去翻看，甚至说要把这个工具书里面每一个技术点都记住，这样其实真的是比较耗费时间 或者是效率比较低的一个方式方法，你就遇到了这个问题，然后再去翻看这个书就 ok 了。那事先的话呢，你只需要扫一遍，对这个东西，对这本书里面到底能够涉及到哪些东西有一个大概的认知就 ok。 那 么方法论这块的话呢？其实我，呃没有太多想要强调的重点，想要强调的就是不要迷信网上的各种各样的一个方法论， 那么最重要的还是在于实践。那坦白说其实就是我可能是做了五年多的数据分析这个方向，包括当时跟我一批小招进入这个 啊，数据数据，互联网数据分析这个方向呢？小伙伴我跟他们都有过讨论，就是说你如果真的去问某一个分析师，他方法论到底是什么？其实大家都会一愣， 就是很多情况下你在网上看到的所谓呃叉叉方法论更多的是基于某种包装，那如果你真的想拥有自己的方法论，那其实就是重在实践，或者说就是刚才我提到的最最最基本的对比、细分和溯源这三个就够了。 那业务理解这块我也要重点强调一下，就是拿这句话来说，两耳不闻窗外事，一心只读圣贤书，这个是不可能也不存在的啊。数据分析他作为整个企业当中一个驱动决策，一个建议的一个决策的话，他必须要 作为一个承上启下的岗位，他首先起下的话就是他需要对数据有很好的了解跟认知，那承上的话就是他需要对整个业务， 对运营活动，对产品的功能，或者说对某一个要上线的策略算法有一个基本的认知之后，他才能够进行比较正确，比较精准的一些效果的分析。 那么脱离了所谓的这些业务理解和认知的话，所有的分析都将是为了分析而分析，都是纯数据层面的，不会有太多的价值。 那么最后做人这块也稍微强调一下就是，嗯，没有任何的工作，他是一座孤岛，那么数据分析也是他尤其也需要跟各个业务方，不管是产品经理也好，还是运营，甚至说，呃，要跟 公司里面的项目经理或者说各个老板进行一个强的绑定，有有比较强的沟通跟互动，才能达到比较好的效果。那有时候其实在实际做闷头去做一件事情之前， 你可以去好好想想这件事情为什么，呃，大家想要做那它的背景价值到底是什么？有的时候你想清楚这些之后，那么可能在做这件事情的时候，你去投入的精力，或者说采用的方式方法视角也会有不同的结果。 那么刚才可能介绍了这个数据分析，他到底是什么，到底在做什么，以及说如果想做这个岗位需要具备哪些能力，那么现在就来看一看，就是想要具备这些能力的话，我通过哪些方法可以达到可以提升。 那么我对这个东西进行了一个初步的归类，就是所谓的表面功夫，就是大家都比较好操作的，一共就是三块。就是首先你的基础，所谓的技术能力要有一定的基础要比较强，那其次你要能够理解业务， 就是说能够整个理解呃数据分析在企业当中的一个定位，甚至说你要能够理解呃商业运作的一些模式，那么最后就是学会做事情，学会从产品视角或者说以产品思维来去看待数据分析 啊。在夯实基础这块的话，我比较强强调的就是对于统计分析基础以及说机器学习这两块的一个基础认知。 那么我推荐的两本书都是我看过的，而且认为还不错的。那第一本是一个教统计推断，它其实就是对呃统计学的一些基本原理进行的一个比较好的介绍， 他是一本外国教材，你可以看到他在整个豆瓣评分上是比较高的。那第二块统计学习方法啊，他叫统计学习方法，其实他讲的就是机器学习当中比较基础常见的一些东西，一些模型就是剧类和分类， 而且主要分类比较多。那这本书是国内的一个专家学者，就是李航在业界也比较有名气，他自己写的，我也看过很多遍这本书啊，写的是非常清楚，比较有利 啊。在业务理解这块的话，因为不同公司或者说不同部门他所面临的实际业务问题其实都不一样，有可能是社交行业的，有可能社交领域，也有可能是游戏，或者说广告，或者说其他的方向，所以说这块我就不一一举例，但是我可以， 嗯，更抽象一层，给出一个更宏观的一个阅读方向，就是商业模式这块，就是这本书商业模式新生代他所解决或者他所讲的东西其实就是如果你想呃创业，或者说你想 找到一个比较好的挣钱的模式，那么你需要从哪些方，哪些维度，哪些流程缓解进行思考。那这种思维方式其实我是认为非常关键的，当你了解这个之后，你就可以从更高的视角去理解企业运作，以及说数据分析在其中的一个定位价值。 那最后这块学会做事，就是我会比较强调产品思维，因为其实数据分析最终就是要给人建议，那么 你要考虑到你的受众他到底怎样，你的传达方式才是他比较好接受的，以及说你也要事先在做分析之前，需要先理解他到底想要解决的问题是什么。 那么第一本书会特别关键，用数据讲故事，他看上去是一本教你怎么做数据格式化，或者说更直接的是怎么画数据图表的一本书，但其实他字里行间呃 都渗透着很多，就是我刚才说的产品思维，就是他会强调一定要考虑清楚你的受众是谁，他想要了解的是什么，面向受众来去呃加工你的数据，来去对数据进行一个表达。 那么更深入一层我们来看一看，就是呃数据分析这个方向上他需要核心的能力到底有哪些？那从我的角度归类的话，可能就是下面三个，第一块是能够量化的分析问题， 第二块是能够合理的运用工具，那第三块其实就是能够高效或者说简洁的表达传达你的结论。 先来说一下量化的分析问题，这个其实是最关键的，就是很多呃岗位其实都会提到，就是你有数据思维、数据 sense， 或者说逻辑分析能力很强。那这里面我举一个例子，比如说看这段话，产品 a 的 用户数提升了百分之五十， 那作为一个合格的数据分析师或者说量化分析这个能力的话，你需要一下很敏感，就能够定位出他的一些模糊点。比如说用户数到底是怎么定义的？是来了访问过就是用户数，还是说一定要操作使用某些功能， 那提升了百分之五十？这种对比到底是跟谁比的？是跟什么时间段比，还是说跟其他的啊？某一个，某一个另外一个产品去比的？那明确了这些问题之后，你才能够去进行细分拆解，以及说去定位原因到底是哪些活动造 啊？其实很多数据从业者他都会多多少少都会运用一些工具，就是 excel 以上的啊，比如说 python， 或者说是啊萨斯，或者说其他的一些工具。但其实你问他就是这个工具里面到底 它的含义是什么？到底为什么能这么用？他并不知道。所以说合理运用工具非常关键。那什么叫合理的运用工具？就是在同样解决一个问题的时候， 你为什么用这个功能而不用其他的功能？那比如说分类，那分类的一个算法，那同样都是分类，你为什么用决策树， 而不是说用神经网络，或者说不是用知识点来记？那以及说你也需要知道在这些工具之后它的一个原理，我在什么条件下可以用？那每一个算法，每一个工具它其实都有优势和局限性。 那第三块高效的传达结论其实就是，呃，很多初级的数据从业者，他都会 喜欢用特别炫酷的一些可量化图形来展现它的一个一个专业性，或者说它的结果的重要性。但其实并不是这样子的，就是呃，你的受众希望得到的是有价值的东西，有价值的东西并不一定是炫酷的， 就是你要考虑清楚你的受众是谁，他们到底想要什么。那么套用产品界，他的一个被大家说乱说，说的比较烂的就是少即是多，那什么是专业的？高效简洁的才是专业的？ 那么从这个角度来看，就是 ppt 其实短期很难被取代，因为它会强调会强迫你。嗯，以一个故事线，一个完整的逻辑去把数据啊，把数据按照一个故事的形式去讲解出来。 嗯，最后的话我们来聊一聊，就是数据分析它的未来。嗯，刚才其实更多的我们都是把数据分析当成一个岗位去进行介绍 和一些拆解。那么其实你换一个角度，数据分析他其实不仅是一个岗位，他其实更多的也是一个技能，或者说一个能力。那么类比一下，就是我们之前可能很长时间都把互联网当成一个行业，当成一个就业的方向， 但其实换一个角度就是现在大家都在提互联网加，那什么叫互联网加？就是把互联网并不仅仅是当成一个行业，而是当成一种能力，那这两种视角其实会有很大的差异。 呃，先看数据分析作为一个岗位为什么会存在？我认为的话，据上来说，比如说数据分析师，他存在的话是有三个原因，一个是企，就是老生常谈的企业需要了用数据来驱动一些运营决策。 那第二块其实更现实的就是呃互联网现在行业里面普遍的产品经理和运营，他在数据方向他的素质是不达标的，那么据上来说，其实就是很多产品经理他其实呃 不懂如何解读数据，那所以就是企业需要给他配一些专门的数据分析这个岗位的人员，去帮助他补齐这个短板。 那第三块就是很多公司其实目前发展到现在，他缺乏一些自动化的一些数据平台工具，那么当没有自动化，没有机器智能的时候，就需要大量的人工来补上。那所以基于上述三个原因，呃这个岗位目前还存在，并且将大量存， 那这个岗位的现状的话呢？其实刚才也已经提到了，就是呃大量的精力都都投入在人肉血色口提取数据这个这个这个这个方向上， 那么正是因为这个，所以说数据分析师这个岗位多多少少都会有一些尴尬，因为你主要精力都在提取数据，你的很少能够分配到一些业务决策和一些研究性的分析上面了。 那么还有一个现象就是其实这个岗位上女多男少，男女比例可能是在三七开。那么最后要说的就是这个岗位其实会有一定的可替代性， 因为像刚才提到的，如果产品经理和运营，他的普遍的数据能力提升之后，以及说自动化的工具平台都已经具备齐全之后，那么是否还需要这么多的数据分析师人肉的去工作？ 那么作为一个技能的话啊，为什么需要数据分析这个技能？第一点就是整个互联网它已经度过了一个粗放式增长的时代，目前已经进入到一个存量精细作的时代， 在粗放式增长的时候，我们可以说凭感觉、拍脑袋去做事情，指一个方向。但现在精耕细作的话，我们需要通过数据来告诉我们到底问题在哪，到底，以及说到底方向在哪。 第二块其实就是未来随着五 g， 随着互联网，随着啊人工智能它的落地，那数据将无处不在。那数据的话是你理解现象，透过现象理解本质的一个必要的一个途径，所以这是数据分析这个技能为什么需要？ 那么数据分析这个作为技能，他的一个现状是什么呢？就是刚才我们有提到过一些，就是呃，大部分的不管是人也好，还是一些商家，一些互联网课程的营销，他们都会比较重视工具， 而忽略工具背后的一些思维方式，或者说是这个工具背后的一些原理啊，为什么呢？因为工具是最好学的 啊，他是可以快速上手的，可以快速让你觉得自己好像真的掌握了，但实际上并不一定是。就比如说我们刚才举过的例子，你可能会 pass， 会 pass 或者会 s p s s， 你 会点击一些按钮，之后会呃，会做一些具类或者分类，但是你并不了解为什么这个算法它就管用，另一个算法就不管用。 所以在做了这种对比之后，我个人会更加倾向于把数据分析作为一个技能，而不是一个长期的，或者说是能够坚持一辈子的一个岗位， 就是你可以以这个能力进作为切入点，进入互联网行业，或者说进入其他的行业。 但后续的话你不应该就是抱死在这个能力上，就比如说像我们说的，呃，开车可能是一个能力，但是你真的能做一辈子司机吗？ 你可以以这个能力为切入点进入到某一个行业，但是以这个能力为延伸去看一看后续发展，你到底还能不能做一些呃其他的东西，比如说在这个能力上拓展出一些其他的渠道 啊？对于未来可能的一些发展路径的话呢？啊，我这面先给出一种路径，就是我过往走的这个路径就是从数据分析师到策略产品经理，到数据产品经理，再到目前刚刚转型的啊 ai 产品经理。 那么其实这些这个路径方向只不过在我看来都是，嗯，对数据的不同的加工运用方式而已。那分析师他可能更多的是在于说 啊对数据的处理和写一些报告。那策略产品经理的话呢，他其实是以模型或者说算法策略的一个角度来去运用数据。而数据产品经理的话呢，是具象化的， 产品化，就是通过设计一些数据产品或者一些数据工具，能够给其他业务方来使用。那 ai 产品经理的话呢，他其实更是核心离不开数据，而且他能更能够就是拥抱未来的一个方。 那么刚才其实是我个人走过的一条路，那我个人也看到过还有其他的路径，比如说你可以从数据分析师开始，那往再往下你可以做商业分析师， 那商业分析师呢？其实就是在公司整体的一个战略方向下，结合公司他的一个业务进行市场行为的分析，提出一些比较有效的市场策略， 能够实现企业战略目标的一些落地执行。那再往上其实可能就是战略咨询或者咨询专家这种角色，那这种角色，呃，更类似的其实就是企业的一个智库，他往往都会从比较宏观的角度 去分析整个行业或者整个产业他的一个方向，目前的现状以及未来可能的一些战略发展方向。那这块的话呢，其实会要求整个就是对于不仅是对于数据了，还有对于整个行业，整个宏观格局的一个把控和理。 那么今天可能时间比较有限，很多东西都只能是蜻蜓点水一带而过，那所以后续如果大家有任何问题的话，可以留言来进行提问， 那么也非常希望能够跟大家以后有机会进行互动，就是保能看一看能不能在数据分析这个方向上啊，能够对大家有一些帮助。那感谢大家，今天就是参与和聆听，谢谢。

数据分析这个岗位相信大家都不陌生，那今天就跟大家说说，数据分析还值得入行吗？零基础转行，数据分析难不难这样的一些问题。首先是数据分析行业前景，可以说呢，这是一个机会与内卷并存的行业，在这个行业当中，这个市场的需求还是很大的， 比如电商、金融、互联网、医疗等行业都需要数据分析，尤其近几年我们国家涌现了很多靠数据驱动决策的一些企业，比如最有名的就是抖音。 还有一个残酷的现象是什么呢？就是这个行业初级岗位竞争非常激烈，但是中高级风机是缺口很大，尤其缺少什么呢？能有业务洞察能力的复合型人才。而薪资呢，在这个行业的跨度也很大， 从一个月七八千到一个月十几 k 几十 k 的 都有，通常在中小型公司的薪资差不多在八千到一万。而岗位要求的是权重能力，所谓的权重就是你又要会数据清洗，又要会分析，还要会可策划。 其次就是数据分析师是有技能要求的，像技术能力包括了搜克、 excel 拍摄、数据可塑化等等。 但是这个岗位呢，又不是一个重技术的岗位，就是数据分析和大数据是不一样的，这个岗位呢，要求数据分析师要理解业务， 甚至于啊，对于这个资深的数据分析师来说，对于业务的理解要求要比技术的要求更高一点，在这一点上，我觉得有点类似于医生，有点资历越深越值钱的味道。然后呢，就是怎么鹿晗， 鹿晗呢？我们可以归结为两条路径，分别是自学培训课程，那第一条路径就是自学，优点当然是成本低，你学习也很自由灵活，但缺点就是缺乏系统性和实战性的指导，然后遇到问题呢，容易放弃， 需要找工作的时候，简历也很难写，因为你没有这个项目经验，在网上你想要找到商业项目还是很难的。如果你是数学、统计学、计算机专业的学生，自律性很强，是技术爱好者，也许可以试一试。那第二条路径就是培训课程， 优点呢，就是可以快速的系统入门，而且通常课程里面都有这个商业项目的实操和就业指导。缺点就是需要花钱转行的小白，或者是时间有限的在职者，可以选择培训课程这样的路径。 当然，不管你选择哪一条路径，一定要记住就是项目实习为王，一定要避免纸上谈兵式的学习。 对于数据分析的学习一定要做到什么呢？全流程的项目学习，从问题的分析一直到报告的输出，你都要去做一遍，一定要做项目，多做项目，然后去找实习，这样你的简历才有东西可以写，并且大大的提高你的就业，避免出现面试一轮游的情况。 最后呢，老白把自己学习数据分析的资料分享给到大家，从零基础学习到数据分析全技能，全项目流程，非常适合小白入行学习数据分析。当然了，你们也可以跟着老白学习进阶数据分析师的内容，拿 offer 博高薪。

零基础或应届生想要入行数据分析师冲刺月薪十 k， 需要具备哪些要求呢？首先，需要了解初级数据分析师的岗位定位， 主要负责组织整理、基础分析和报表输出，这是数分工作的基础环节。那么需要掌握的核心能力包括，第一个工具掌握，熟练使用 excel， 能够使用复杂的函数 vlog 和 数据透视表，能够快速整理和分析数据。掌握四个技术，查询、多表连接和这个去重处理，能够从数据库中快速提取想象到数据。熟 练使用 ppt、 word、 ba 工具，用来进行结果的可量化展示和报告的转载，将分析结果清晰呈现给团队。第二啊，业务理解，熟悉常见的业务指标，如 gmv、 转化率、流程率、 dau 等指标，能够进行统计啊，分析 理解指标背后的业务关系，将业务问题转化成一个数据需求。第三，项目经验啊，能独立完成数据清洗、统计分析，能搭建基础的个数据报表，如日周、月的业务健康报表，帮助团队及时了解业务动态。 入行方面，本科及以上学历都可以啊，专业不限，如果你是数据统计计算机专业，那是非常有优势。

如果你是计算机相关专业，代码能力偏弱，可以考虑数据分析师岗位。那么数据分析师怎么入门呢？需要哪些能力？发展前景如何？薪资待遇如何？今天就这些问题聊一聊 你怎么入行。你需要知道数据分析的工作流程具体包括哪些，需要哪些工具？虽然每家公司的数分要求不一样，主要是数分工具要求不一样，业务场景不一样，但是数分的工作流程是通用的，明确问题，收集数据，清洗数据，探索分析，得出结论，可量化呈现。 做好书分工作有哪些要求呢？学历大专或本科，掌握一种书分工具，比如 power b i t w 翻 b i、 quick b i。 还需要理解业务沟通协调能力加。书分工具怎么选？公司里面比较常用的书分工具有 power b i t w 翻 b i、 quick b i。 这些工具你只需要掌握一个，其他的很快入门。首推 power b i， 因为用的公司多，大家前期先不用花钱在网上看视频学，或者花几十元买书看， 建议后者，因为你可以系统的学，掌握的知识比较系统，有助于找工作。另外还需要熟悉 siri， 主要是查询语 句。二、淑芬的薪资如何？在一线城市年总包大概十五到三十五个 w， 具体还要看你所在的公司、所在城市、所在行业以及你的能力。第三，发展前景。有人说淑芬没有前途，那是因为他没有做过这个岗位，或者是他压根不了解这个岗位。 塑封岗位是强关联业务的，如果你在某一个公司或一个业务领域深耕五到八年，带着脑子去工作，你可以转业务架构师或者产品经理或者项目经理。我身边有蛮多这样的例子，而且待遇也不低的。其实任何工作，只要你有能力，认真的干上八年，你的收入都不会低的，自然有前途。

七句话讲明白一个互联网岗位。今天讲的是数据分析师，通过数据分析、业务洞察，使用 excel 啊， circle 啊， python 啊，把数据变成结论来指导业务该做什么样的事情。对于校招同学来说，每天的主要工作就是取数和大力士看板， 像做 a b 测试啊，用户分层啊，或者是给业务指导意见啊，还是需要做一段时间才能涉足的取数工具人思考是必须会的，还要有一些统计的基础，最好对你的业务有比较深入的了解，有能力有经验 十到二十啊，没能力没经验十 k 左右啊，最好有个证啊。好多专业的同学都觉得自己对口工作是数分，但是数分需求量没有那么大呀，大公司需要数分，小公司没有太多可分析的， 所以竞争压力还是挺大的。逻辑能力要强，通过数据要排查出问题，好奇心要强，要有刨根问底的精神，还有沟通能力要强。因为很多时候业务并不听你的话，从取出工具人，再到业务的专业分析师，再到分析专家， 再到商分，数分的总监，这条路够你走十年了。最后还有很多分析相关的岗位，以后主播都会慢慢讲的。

行，那我们就开始这个。呃，那个老师，我，我这边能录音吗？当然可以了，当然可以了。好的，那，那我开始了。 ok， 那 你开始这个自我介绍吧。嗯，好，面试官，好，我叫 呃金融计量学、红微观经济学、风险投资等课程，然后有一定的编程语言基础，了解 data space 计量软件的基本操作。然后毕业至今一共有两段工作经历，第一份工作是在银行做客户运营， 主要负责对接私人客户呃核算贷款长债风险以及统计理财、理财部业绩数据等。然后这份工作让我的交流能力得到了很大提升，所以我比较擅长和客户以及部门之间的沟通。然后第二份工作是在 用食品做数据分析员，日常工作主要是负责监控后台流量数据，并配合运营及时调整相关的策略，然后不定期生成 那个数据看板汇报给上级看，然后还有就是监控那个转化漏斗各环节是否出现异常情况等。 然后，嗯，在这份工作中我参与并完成过一个项目，项目名称是线上零售流量分析与价值优化。 然后在项目中我主要是负责通过分析客流量数据，然后来预测周期性流量峰值， 构建回归模型，分析 gmv 的 影响因素。然后还有就是设置 a b 测试，然后来检验那个策略的可行性。 最后的项目结果是 gmv 总体环比上季度增长了百分之十，且那个分析流程是被附用于之后的日常经营活动当中。嗯，个人技能方面，这块我是熟练掌握 excel、 circle、 python、 powerbi 等 分析工具，比较总体来说是比较符合贵公司的用人要求的，所以希望能够给我一个机会，废的成分太多了。嗯，你怎么才能把它变成自己的语言？就是我现在拿你这个东西做这个自我介绍，就只会说我的姓名叫， 我毕业于南京林业大学金融工程专业，然后主修的课程呢？是统计学、计量经济学，所以我其实比较擅长对于经济知识的处理，还有对于一些数据的分析，还有模型。 我的两份工作经验，第一份是在这个，第一份工作经验说的没有什么问题，但是就是感觉你在背吗？然后第二份工作经验是在这个，主要是你这个地方背的成分就更多了，就是你怎么才能 才能让你的这个给人的感觉不是在背东西，不是在死记硬背，而是这种。我知道了，你写小标题吧， 就是你小标题接下来的自我介绍。呃，不允许背稿，只允许看小标题提醒自己。比如说第一个 这个姓名学历介绍，第一段工作经历，然后写关键词，就比如说第一段工作经历只要提到几个关键词之后由你自己进行这个说话，自动组词能理解吗？嗯，就是把那个 稿子就是变成那种常规的语言化的东西是吧？对，你一听就在背，你一听就在背。你不是说我，我自己能说出来。这个 啊，这个是非常致命的。我们我们今天上午还有一个这个学员，一会，呃，因为有他的录音吗？一会给简单的给你听一下，他那个就不是在背，一听就听得出来差很多，你自己听完录音之后你也可以就对比一下。嗯， 内容什么的倒是还行。然后，呃，现在有一个问题啊，就是我看你是学金融专业这个毕业的。然后，呃，现在有一个问题啊，就是我看你是学电商呢？嗯，因为就是 银行它属于那种就是比较机械化的一种流程，然后让我感觉就是没有那种技术含量，所以我希望能够更多接触一些像。嗯，就是跟技术啊，或者是业务层面有关那些工作。 那也就是说其实你就是学这个，做这个电商数据分析，然后之后的这个发展方向是想往技术走是吗？嗯，对，首先你是不是往技术走，你要先明确去看你这家面试的公司要求是什么样的公司，能理解吗？ 他的岗位描述上也如果写了说配合运营啊，然后就是策划什么东西，那这家这家公司他的数据分析就是偏业务的数据分析，你懂吗？就是不研究模型什么的，只是最简单的取数和作表，可能就是连 bi 都用不到，能不能理解？嗯， 你说的往技术方面去呢，是指就是就是学 python， 搞建模这些，能理解吗？能理解，所以如果你这个地方回答不好的话，你在就是这个问题的时候就直接会被 pass 掉。就是他会认为啊，你可能比较喜欢研究技术，加上你学校比较好，可能最后想找一些建模的工作，你可能看不上我这个 就是技术含量高的工作，能理解吗？可以理解，对，这个不能随便回答。呃，一定要看，就是这个公司他的职业要求上看着就是模型啊，什么很多，你就说我想走技术，看着呢，和运营这个这个沟通啊，合作合作比较多，我就想走业务，能理解吧？ 然后我看你去就是监测一些常见指标吗？呃， gmv 的 公式就是， gmv 大 概是等于 uv a t v 再乘以 a t v， 再乘以一个 c v r， 然后其中 u v 是 指就是用户数，然后 a t v 是 客单价，然后 c v r 就是 转化率。嗯， ok， 你 这里这么说没问题，你都说中文也没有问题， 就是流量转化成客单价。那现在有一个问题啊，就比如说现在 g m v 突然下滑的话，你怎么分析这个事情？ 因为我看你不是平常会监控这个数据嘛， gmv 就是 下滑的话，就就我之前上一份工作的话，那个出现这种情况大概率是可能发生在那个 cvr 这块儿，就是新课的一个留存情况。首先我得先核对一下我这个数有没有取错呀？ 哦，能理解吧？我比如说我这个 circle 连 powerbi 做这个看板，我这看板我不是把这个 powerbi 这个呃， 指标从这个右侧直接拖到这个图上吗？对吧？那你有没有可能就拖错了，对吧？有可能数据没清洗，有没有可能连的时候数据库连错了，洗错了，时间定错了？都有可能吧， 你是不是得先排除，是不是你自己整错了？其实百分之八十的情况都是我们自己搞错了，很少出现非常大幅度的波动哈。嗯，然后第二点才是根据公式。你不说流量转化和客单吗？那就看吧，是不是流量低了，还是转化低了，还是客单低了。然后为什么能理解？不应该是这样的逻辑，你可以看一下分数笔记，它有一些 呃，常见问题的汇总，里边有关于这个归音问题的一个分析。嗯，然后之后接着再问，我看你平常用 my circle 取数啊，你们公司是有数据库啊？是的，搭建的这个数据库。呃，公司数据库，它是之前就是一开始 公司是招过那种像专门搞树仓建模的那些岗位，然后他们搭建的，所以我日常只是从那个数据池里面就是抽取数据。 ok， 你 就说你就直接说这个是开发的工作，不属于我的工作职责就可以了。然后你可以再解释一下，那之前就是，呃，公司就是请过这个数据库服务的这个东西，然后把它整了。 那我接着问，你看你这个店铺是在淘宝的这个后台，他直接就可以看到数据了，有必要非要去买 siri 里起诉吗？ 呃，有必要，因为那个虽然从后台能看到数据，但是我们要进一步的分析，还是要把数据提取出来，然后再进行一些更细致的操作。你这些核心指标优于 p v 啊，这些后台都有的，但是后台有的话就是 他并不能。嗯，直观的反映，就比如说某一段啊，也有图啊啊，这个也能筛选。呃，你这个开这家店啊，除了淘宝以外没有其他平台，如果有其他平台的话就好了， 因为或者你说我这个应该应该是有的多个店啊，有有有，他有好几个分店。对，就这样就比较好，因为我上一个账号只能看到一个店的后台，所以我把这数据库吧是把好几个店连在一起的，比如说有 a 店销售多少， b 店销售多少？ c 店销售多少？能理解不？ 这样我才需要进行汇总聚合分析，比如说每一个店铺，某一个地区，他的一个什么样的情况能理解吧？所以一定你最好写一下，就是这个淘宝多店铺的这个数据的这个监控，能理解吧？嗯，如果只是单一店铺，真的没有必要做数据库，就直接看后台，后台很全的。 然后你们这家店啊，你们，你看你们多店铺，你们每一个店平均每个月 g m v 大 概是多少？ 平均每个月的话季度大概是在十到二十五万左右，然后每个月，因为我们这个就是总店是，嗯，比较大，然后他很多那种分店是属于那种，就是， 呃，就是关联性的那种产品，相当于所有加起来平均 g m b 每个月大概多少？四万左右吧。什么？这么多店加起来才卖才卖四万块钱？有问题？这有问题？这数据有问题。 就我，我是在那个辉豚数据上面，然后查的它那个上面写的三十天的 gmv 是， 哦哦，对对对，十万，十万左右。那比如说你们总店是十店十万，你们分店不可能十万，太少了， gmv 太少了，这一年加起来这么多店，总共 所有 g m v 还他，他不是利润还下单才赚一百二十万，这员工，你们你们公司多少员工啊？两百多个人啊？两百多个人，十二个月 两千四，就就假设给一个人，呃，让我看，给一个人开，假设给一个人开五千块钱，零点五万，这么算下来 就多少钱了？你这一百二十万你都盖不住，这人员的开支有问题啊？这 g m b 有 问题，你可以看一下是周的还是月的，你当时筛选的时候， 我当时看的时候就是单点进去那一个店好像三十天是十五万左右，有多少个店？这个没注意，你大概算一下，你就假设你就两百个人，十二个月 啊，一个人是零点五万啊，你这么算下来每年是多少钱？你的这个赚的起码得盖住这个人数吧，不然我我我还做啥买卖啊？我打工得了，我打工都比做买卖赚的 多，能理解我意思吗？行，嗯，我能理解这个地方，然后旁边， ok， 这都没有什么问题啊。银行这些 可能你可以加一下，银行这些可以加一些数据指标啊之类的，比如说这个用户的留存啊，比如说这个这个什么开卡的完成率啊，你可以加点这个东西，然后你简单说一下，你介绍一下你项目吧。啊，我的项目就是 我项目当中我负责的那那一块是属于就是通过监控呃，往期的一些那个客流量数据，然后来达成一个预期未来，呃，周期性的一个流量峰值，然后在那个峰值区间，然后 配合运营团队。嗯，就是投放一些像优惠通道啊，优惠券之类的，然后还有就是聚焦的那种，就是 cvr 转化率这块。这个项目介绍你的竹子稿怎么写的？你是紧张吗？有一点点， 你没写竹子稿？我，我写了自我介绍的竹子稿，回去工作经历和项目经历竹子稿都写一下啊，我们昨天做了一个公开课，到时候视频发给你，简单就说了一下这个，嗯，这个，这个 图纸稿的这个说的范围看一下得到这种这种程度才行啊。嗯项目背景项目需求就是我们店是卖什么什么的，然后现在呢有一个什么样的情况，我们的目的是为了什么？我在里边做哪些工作，我联合其他部门做哪些工作，最终达成怎么样的结果？ 然后我们总结了这个可付用的方案，如果再给我机会的话我会怎样优化这个东西能理解吧？哦行，按这个按这个结构写，你这才把事情说清楚了。行，呃，就是我们那个项目它主要是为了解决那种。呃像，呃 别再就是为了线编了，你回去写吧。你回去写吧。你没有这种开口就能说的能力出来 啊。好吧，这些准备你这你这去面试简历过了你面试都过不了，你要不信的话你可以尝试投一下，真的会约你面试，你面一下就知道了。就是你跟我面试可能还没有那么那么紧张，你跟他们面试的时候一定很紧张，你现在没有那么紧张都磕磕巴巴说不出来，你跟他们面试更完蛋。 嗯所以这一切其实不是紧不紧张的问题，就只是准备不充分，能理解吗？嗯，如果我预判到了所有的问题我有什么可紧张的，对吧？ 来吧，我今天问你的问题不会都整理好啊？好的，然后你把这个项目项目经理我告诉你竹子稿写的什么。首先是自我介绍，然后工作经历要写，就是工作经历两段都要，就是详细能说出来工作经历，然后是项目经理，项目经理要按照我那个那个结构去写， 除此之外呢你还要写。就是啊，我为什么去啊？我我上一段工作为什么离职然后呢？我为什么原来去在银行工作然后现在决定转行了。你是哪里人？ 呃江苏扬州啊。江苏。那你那你找工作室还是江苏对吧？你离职可以就是说就是不适应北方饮食还是要回江苏什么的都可以啊。呃然后看一下还有一些什么未来的这个职业发展规划呀，这些就写一写 能理解吗？就是什么是竹子稿，就是每一个问题都要去整理不是说一个问题。 嗯行好的，那我再再再整改一下。嗯其他人的竹子稿都是这样的，能理解吗？就是非常非常非常非常细的，就是我们要写竹子稿的目的是为了在面试之前就预判， 预判可能会面什么就面试。你不说我把所有问题都预判到吧，但起码我百分之八十的问题，百分之七十的问题我得是准备过的吧，我不能都现场发挥啊，能理解吗？能理解，准备吧准备吧。嗯就是老师我现在的问题就是 除了竹字稿其他的还有吗？这个会在竹字稿之后暴露。就是现在你的简历行不行？行， 但是你念不明白你懂啥意思不？你的简历是没有什么问题的，但问题你说不明白你的简历才是问题。嗯所以你现在要做的是说明白你的简历，说明白你的简历就是去写注字的。 好的我知道了，都都准备好。就是你看我发给那图片他其实预判的很细，就比如说说如何保证数据的完整性啊，就怎么怎么的做啊，就是我们在面试的时候一定会遇到没有准备过的问题，这个没有什么关系，就第一次第二次遇到了面多了就所有问题都会遇到， 就还好第第一场第二场面试就那么的了，对吧？我们就当练手，然后就是哪里不会再补充哪里，就像写一个错题本一样。 但是你不能就是像今天这样我问你的这些问题啊都是蛮基础的，然后你就比较卡壳，然后或者是表现的不是很好，那这种就肯定是不太行。然后包括比如说这个项目啊随便揪点东西问你啊。嗯项目的话看看这里有什么， 我看你针对黄金窗口期重点投放这个优惠券来促销。嗯，黄金窗口期是什么时候？ 就是 cvr 达到了一个高峰的一个时间段。嗯如果是按周来看的话大概是在周四周五的这段时间内， 然后如果是按天来看的话大概就是五点到八点，就是下午的五点到晚上八点这个时间段算是一个高峰。 ok， 你 的细节问题要准备成这样，然后你的概括的问题要就是按照我说的那样很有条理的去做这个事情。 嗯嗯准备准备完再来。好的，你还有什么问题打扰老师了。呃，就是那个我想问一下。呃，如果我之后去面试然后他需要我提供就是像背调的那种电话，我可以留机构的吗？我们会给你电话。 哦好的，就是背调这边我们会有有相关的手段，你把竹子稿只要你这个模拟面试大大部分都能说出来，然后竹子稿能准备好的话。嗯非常快就可以进入正式的投递面试，就是一旦都准备好了，流程是非常快的，半个月就结束了，可能 半个月就是找工作。现在这么快的吗？啊，对呀，这才从二十几号开始复工到现在。嗯，再面试，我们现在正在找工作的学员，我这边负责的，我看可能几十个吧，然后，嗯，我去，我看一下，看一下多少个， 还有其他的。其他都是吗？我在投递中，在投递中的就是二十二二十来个人里边最近拿到拿到五六个 offer 啊，然后有有的人还说我不喜欢这个，然后把 offer 拒了，我要换。哇塞， 所以我看你的你的这个要求，你的这个期望薪资是？嗯，七八千左右吧， 还是在南京不好说，在苏州或杭州还是可以拿到这个薪资的。不是南京可以拿到，但南京没有那么多公司，所以不知道好不好面对机会不多，而且，哎，我也不打算在南京发展。 对，然后，嗯，准备吧，你准备完了之后进城是很快的。嗯，好的，行，好，谢谢老师，拜拜。拜拜。

很多人呢，都会关心一个问题，尤其是在 ai 出来之后，那就是做数据分析师，三十五岁到底会不会被淘汰？那很有意思的事情就是，我这两年呢，见过很多公司招数据岗位，其实最缺的不是年轻人， 反而是那些能看懂数据的人。你们都会觉得数据分析师呢，是一个青春饭行业，其实很多公司真正需要的，反倒是越老越值钱的人。 我跟你们说说为什么？因为大多数人做的数据分析其实只停留在第一层，那就是拉数、做报表和做看板。但真正能够活到三十五岁以后的数据分析师，做的其实另外一件事，叫做用数据参与决策。表面上大家都叫数据分析师，本质上其实只分两种人，一种是工具型的分析师， 会 sql、 会 excel、 会 python， 什么工具都会，别人让你拉什么树，你就拉什么树。另一种呢，是决策型的分析师，老板问你，为什么 g m 掉了，你不仅能找出原因，还能给出策略。前一种人本质上是在做数据的搬运工，后一种人其实是在做对于商业的分析，这是为什么？很多人做了五六年的数据分析师了， 突然发现岗位越来越难找，因为工具能力是最容易被替代的。现在的 ai 可以 写 c 口 b i， 工具可以自动出报表，甚至很多公司都已经在做自动化了。但有一件事情，机器很难去替代，那就是做判断和下决策，为什么数据会变？这个变化意味着什么？接下来公司应该做什么？这些问题本质上不是技术问题， 而是商业问题。所以你会发现一个很有意思的现象，越是那些只会写代码的数据分析师，越容易年龄焦虑，越是懂业务、懂增长、懂策略的人，反而越抢手。数据这个行业其实没有三十五岁危机，而真正有危机的是只停留在工具层的数据人。 如果你的价值只是写 cico， 那 三十五岁确实很危险，你现在就已经很危险了。但如果你的价值是用数据帮公司赚钱，那三十五岁只是刚刚开始。我一直有一个非常确定的判断，未来的数据分析师只会留下两种人， 一种就是你真的是极强的技术专家，另一种是能用数据参与商业决策的人，夹在中间那一层只会做报表的人会越来越少。所以，别问数据分析师有没有三十多的危机，你要先问自己一个更重要的问题，你现在在做的是数据工作还是商业工作？这是两条完全不同的职业路径。

学点 python， 学点 excel， 学点 circle， 这一块以后就能通吃了吗？其实不是啊，不同的场子，它其实要的是三个物种， 在大厂里面，它要是手术刀，对吧？你得会 circle， 你 得会 a b test。 那 这里面比较看重的是你的技术的深度，以及你有没有说统计学方面比较扎实的基础啊？ 这个基本上我们可以说是金字塔尖这一块了，不过再尖尖，我们云上啊，人上人肯定是数据科学家啊，但是算是我们就业市场里面比较好的一个结果了。那第二个来说，我们更多的同学会去到一些传统公司 take a look 和 ppt， 那 这两个技能点是他们比较关心的地方啊。你要把这个 date 这个数据啊，翻译成老板爱听的故事，那在这里面更看重同学的一个什么综合能力了是不是？那第三个也是最最坑的就是创业公司，可以说是牛马级别了，他叫 全站数据分析，有没有全站，记住了就是全干。那我们现在外面看到很多日开夜久对不对？白天就是数据库，晚上就是做表格，我个人建议就是 你先要想明白自己要去造火箭还是去什么卖螺丝啊？赛道选错，你所有的技能点全部全部白费。

每天一个新职业，今天为大家介绍的是商务数据分析师。商务数据分析就像给企业做体检，通过数据指标的变动，看清企业发展状况，把握市场趋势，规避经营风险。 而商务数据分析师就是运用数据挖掘价值，指导企业智囊，助力企业提升竞争力，抓住市场机遇。 简单来说，商务数据分析师就是采集、清洗企业商务相关数据，通过挖掘分析，发现问题、研判规律，形成分析报告并指导应用的专业人员， 是连接数据与企业决策的关键纽带。他们的核心工作围绕数据全流程展开，采集并清洗商务数据，建立完善的数据指标体系，挖掘数据，构建有价值的信息， 专写格式化分析报告，清晰呈现数据结论，提供数据应用咨询，解读数据背后的业务逻辑，监控数据指标，识别业务问题与发展机会，提出针对性解决策略。 这份职业薪酬十分可观，月均收入达两万两千三百七十二元，月收入中位数也有两千零一百四十九元，是数字经济时代的高薪热门岗位，收入稳定性和成长性都很强。 想做好这份工作，需具备较强的学习能力、计算能力、表达能力以及分析推理和判断能力，能从海量数据中捕捉核心信息，为企业决策提供支撑。 就业去向十分广泛，可就职于金融机构、互联网公司、电子商务、企业咨询公司，也能在科研所及高校发展，覆盖多个行业，岗位需求持续攀升。 职业发展有四条清晰路径，管理路线，可从数据分析员晋升为团队负责人、部门经理、专业路线深耕、技能成长为中级数据分析师、数据科学家符合路线，可转型为跨部门数据顾问、业务分析师 也能自主创业创办数据分析咨询公司，发展前景一片向好。预计二零三零年数字经济占 gdp 总量将超过百分之五十，未来五年数据分析人才缺口达二百二十万，数据价值挖掘不断升化，为产业升级注入活力。 同时，商务数据分析师被列入国家十四五规划新职业，政策加持下，无论是专业深耕还是跨界发展，都有充足的机遇和广阔的空间。

这些年呢，数据分析师这个岗位确实很容易被说的很香，门槛适中，适合转行，离业务近，有发展空间，是进互联网、进大厂的一张门票。 这话说的不能算错，但问题是，很多人只看到了他好听的一面，却没有想到他真实的一面。其实呢，他不是一个天然很香的岗位，那这个岗位最大的问题在于，不是不好，而 是想象很美，日常未必那么美。很多人以为自己做的是用数据来影响决策，结果进来之后发现你更多的时间是花在拉数，对数、改道表所可见解释，为什么这个数字跟上周不一样， 其实呢，是一件非常反腐和重复的工作，你要做好这个心理准备。所以如果说你想做数据分析师，我的建议呢，其实很直接，第一，不要只学工具，要学会看业务，会写几句 c， 会做报表，不代表你真的会分析，真正重要的是，你能不能说清楚 这个问题到底是什么，为什么会发生，接下来该怎么办？第二，不要把自己做成报表工具人。如果说你现在每天只是取数、做报表等需求，那这类需求基本上现在是可以被 ai 替代掉的。你要做的就是往前走一步，多问一句， 数字变化背后说明了什么？那最后把数据分式当成是起点，不要当成终点。这个岗位很适合打基础，但真正拉开差距的是你之后往哪里去走。你可以在数分这个领域一条路走到黑，但是你也可以往业务方向去走，往长链方向走，策略方向走，甚至说自己去带团队，你学会了吗？