隨著大數據在各個領域的應用越來越廣，數據驅動產品和精細化運營已經成為企業經營的制勝法寶，相應地，數據分析師這個崗位也越來越受到關注。2020年，還能轉行數據分析師嗎？
不知是不是因為疫情影響，求職金三銀四推遲到了五月。最近，向我諮詢轉行網際網路或數據分析師的人一下子多了起來。乾脆寫篇文章，分享一下目前數據崗位的一些現狀，希望能幫助童鞋們少走一些彎路。
數據分析師的需求在下降
首先數據分析師崗位的需求有所下降。
這主要是指對新手分析師的需求下降，高端崗位依然緊俏。不過既然說到轉行，那麼不可能一轉行就是高端崗吧，所以這裡只說入門崗。
需求下降的原因主要有：
1. 領導對數據分析的期待降低了
之前數據分析這個概念非常火，很多業務領導覺得數據分析是提升業績的神器，對數據分析寄予了厚望。
然而一段時間以後，他們發現很多問題數據分析解決不了。分析的再多，業務的不確定性還是很大，對於業績的提升也沒有什麼太大的幫助。
其中一部分原因是數據基礎太差，要啥數據都沒有。為了支持數據分析，還得從頭建立數據倉庫。巨大的成本讓創業公司累覺不愛，往往沒有等到數據基礎搭建好就半路放棄。
還有一些公司有了一定的數據基礎，但是數據分析團隊做出的東西又讓業務方覺得不痛不癢。幾個模型拿出來看起來很高級，但是總覺得沒什麼幫助。
於是，現在業務領導對於數據人員的期待也就沒有原來這麼高了。
2. 業務方自己就把分析做了
公司裡一開始推行數據分析文化時，這種技術活只能交給專業的數據分析師來做。慢慢地，業務方發現，分析師來來回回好像也就那幾個套路，還挺好學的嘛。於是這兩年業務方的數據分析能力也得到了很大的提升，很多業務人員已經開始嘗試自己做數據分析。
這些業務人員有數據分析思路，只是缺乏SQL能力。所以去年開始數據產品經理這個崗位特別火。
這也不是說不需要數據分析師了，那些比較複雜邏輯的數據處理，數據模型的搭建，以及專題類的分析依然需要數據分析師，只是對專業的要求就更高了，這就壓縮了新人數據分析師的生存空間。
求職競爭壓力變大
數據分析師崗位的人才供給越來越多。
校招方面
前兩年數據分析師這個崗位剛出來，高校還沒有對應專業。那時候校招生基本都是應用統計學、數學等專業的學生。
今年有一個明顯的區別，很多專業對口的畢業生出現了。2016年和2017年，一共有35所高校成功申請到了「數據科學與大數據技術」本科新專業，學制四年，算一下2020年剛好這些人開始找工作了。另外海外有很多對口的碩士專業，比如「商業分析」、「數據分析與商務智能」。這些崗位學制較短，今年已經開始大面積輸出畢業生。
社招方面
以前企業對大數據的需求旺盛，但懂分布式的不多。既然都不懂，那就找稍微貼近一點的人來邊學邊做。所以現在那些有好幾年經驗的數據分析師，往往是過去的傳統BI，數據開發或者業務人員轉型來的。那段時間可以說是一個比較好的轉行數據分析的時期。
那段時期數據分析師做的事情非常雜，雖然都叫數據分析師的，但做的工作現在看來可能是數據運營、BI工程師、算法工程師、商業分析師等等。現在這些崗位逐漸細分出來，技能要求和崗位職責越來越明確，不再統一叫數據分析師了。以後可能還會有更多的細分崗，可以參考產品經理的發展，現在已經細分到眼花繚亂的程度了，心疼產品經理一秒鐘。
能表現數據分析師崗位專業化的證據之一是現在數據分析課程越來越多了，這說明這個崗位的工作技能是可以標準化專業化的。很多數據分析思維和案例的培訓課程，這使得數據分析師入門的難度變得越來越低了。
這些課程一度很火，我還記得我的朋友圈第一個刷屏的廣告就是python訓練營。
回想自己當年學數據分析技能的時候，沒有一個目錄告訴你哪些該學哪些不該學，甚至數據分析到底要做啥都不清楚，只能看到啥可能有用就學啥，於是學了很多沒用的技能。回想起來，現在想轉行數據分析師的人很幸福，只是入門門檻低了，使得競爭變得更激烈了。
一些建議
雖然我說了數據分析越來越難了，但是這個崗位短時間內還是不會消失的，如果你鐵了心的一定要做數據分析師，有哪些辦法呢？
1. 先做運營，曲線救國。
由於運營入職的門檻比較低（當然這裡不是說運營好做，而是這個崗位的硬性的要求比較少，精通還是非常困難的。），入職的概率會比較高。在運營的崗位上你可以接觸一些數據權限，慢慢向數據運營的角色轉變。
做了一段時間的數據運營，再做數據分析，數據分析的思維會更容易落地，業務領導會更重視你的建議。
哪怕之後title一直還是運營，但是數據分析的技能和經驗都具備，title已經不重要了。憑藉著這些經驗，內部轉崗還是跳槽做數據分析師都OK，難度相比0基礎要簡單得多。趕上一個好的項目，也許還能實現彎道超車。
建議入職前學習諸如excel、tableau、powerbi、finebi等常見的BI工具的使用，閱讀一些運營的入門書籍。面試時表現出自己是一個多面手的角色，這對於入職創業公司來說是比較加分的。
2. 知識付費真的有點用
自學數據分析，然後成功入職在現在已經比較困難了。
數據分析師還是比較吃經驗的一個崗位，沒有一定的項目經驗，光有技能是達不到上崗條件的。在前幾年還可以容忍邊做邊學，但現在要的就是馬上能幹活的人。
網課和一些線下培訓雖然教的也只是數據分析的皮毛，其中的很多技能也可以通過自學學會。但是他們真正有價值的地方在於項目案例，這些項目一般都是實戰項目，相比kaggle上那些競賽題要更接地氣。好好跟著這些項目做一遍，總結思考，要比學習技能更重要。
沒有經驗的分析師現在可能連簡歷面都過不了。
另外要注意招聘時的JD，準備對口的項目。不要在業務數據分析的面試時，秀自己的挖掘項目。
另外答應我，房價預測這類項目就不要再寫到簡歷裡了。
還有一位同學，現在在二三線城市的傳統企業做類似BI的工作，想轉行做網際網路公司做數據分析，問我怎麼辦？
首先，網際網路公司一般都在一線城市，想去網際網路公司，只能換城市。如果確定要換成是進網際網路公司，那麼上面的兩個方案都可以試試。
如果不考慮換城市呢？
我給他的建議是立足於傳統企業的數據化轉型，形成自己的一套傳統企業數據化轉型的方案。
數據化轉型是傳統企業的趨勢，但是這個工作並不好做。
網際網路的經驗不能直接照搬到傳統企業，因為數據基礎不同，業務模式不同，員工的數據意識也不同。所以網際網路數據人才直接到傳統企業做數據化轉型的工作是很難的。
如果一個傳統企業出身的人，又熟悉數據體系搭建，並且有一套適合傳統企業轉型的方案，那麼就能在這個小的細分領域裡活的很好。雖然薪資待遇可能沒有網際網路那麼高，但是不在一線城市壓力沒那麼大，競爭沒那麼幾列，職業生涯可以延長好多年。
分享這些數據分析師崗位發展的現狀和趨勢，是希望能讓你少走彎路。
但是少走彎路不等於不用努力。轉行不是一件容易的事，少抱怨，多行動。
#專欄作家#
專注用數據驅動業務增長，擅長數據分析、用戶增長。喜歡閱讀、思考和創作。
本文原創發布於人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基於CC0協議