数据分析硕士薪资

现在是考研的关键时期，学生们在炎热的暑假复习，需要很大的毅力作为支撑。还有一个月左右的时间，大学的秋招就会开始，如果意志不够坚定，就很容易让产生纠结的心理，让自己在就业和考研之间徘徊。这种心态持续时间越长，对考研就越不利。为了让考研党们专心复习，今天，我们就来聊一个话题：研究生毕业后的月薪有多少？这个话题，相信也是绝大部分考研的学生最关心的问题。今天我们就结合各种数据和大家分析一下。首先，我们来看一下由麦可思统计的一份数据。这份数据主要表现各个学历层次的人毕业后的起薪水平情况。从数据的对比可以看到，拥有硕士学历的毕业生比本科毕业生总体上起薪会高2000元左右，这也在一定程度上说明学历与工资水平是相挂钩的。排除个别人外，大部分人的学历与就业的薪酬待遇是成正比的，学历越高，拿到分薪酬就越高。决定月薪水平的因素，除了学历外，还与学校有很大的关系。即使同时硕士研究生，但是不同级别的学校，也会给毕业生带来不同的待遇。比如985高校的硕士研究生平均起薪能达到9852元/月，而一般院校的硕士研究生起薪只有6469元/月，两者相差3000元左右。这也是往年为什么大家考研都争着报名校的主要原因。下面，再来看一下专业对毕业生薪酬的影响大家都知道，医学类专业读研的比例是最多大，因为医学类专业的学生如果没有研究生学历，那么未来在医学行业的前途基本上就没有了。从这份数据看到，医学类行业本科生的平均工资不到7000元，而硕士生的平均薪酬超过9000元，两者差距较大，而且随着年龄的增长，差距会更加明显。而其他各类专业，本科生和硕士生的平均薪资差异也是比较明显，这就是考研的动力。最后，我们来看一下，各大城市之间，学历所带来的薪酬待遇情况。大学毕业生的薪资待遇不仅和学历有关系，还与所在的城市有关。因为大城市消费高，工资水平也会高一些，而一般的地级城市，工资水平是比较低的。我们在进行比较的时候，不能拿一线城市的本科生平均薪资和三线城市的硕士薪资比，因为这样没有可比性。我们需要进行的是同一层次的城市，本科与硕士的比较。比如本科生在一线城市的工资是4364元，硕士生则是6503分，这样的比较才是公平的。从城市的角度来看，本科生与硕士生的差距也是比较大。越是大城市，两者的薪资差距越大。以上三个数据的分析可以得到结论：研究生的平均月薪是比本科生高2000元左右，一线城市的研究生月薪起步达到6000元，并且随着年龄的增长，两者的薪资待遇差距会继续拉大。因此，正在考研的同学们，为了自己的前途，为了自己将来能够拿到更高的工资，还是专业考研好，不要分心去思考秋招的问题。

随着大数据时代的到来，企业对数据价值的重视，数据分析师的市场越来越大，毫无疑问数据分析师已成为“当今最具发展潜力的职业”，吸引了无数像小编这样的热血青年，在迈进大数据行业之前，先来了解一下数据分析师工资待遇多少？在美国，大数据分析师平均每年薪酬高达17.5万美元，而国内顶尖互联网公司，大数据分析师的薪酬可能要比同一个级别的其他职位高20%至30%，且颇受企业重视。国内拉勾网上，我们通过爬虫采集数据进行分析发现，全国有29个城市的企业有数据分析师的岗位的人才需求，其中将近一半需求产生在北京市，需求量全国第一。排在前5的分别是：北京、上海、深圳、杭州、广州。数据分析这一职业大量集中在北上广深四大一线城市，以及杭州这个互联网和电子商务企业的聚集地。通过以上数据可以得出一个结论：数据分析师这高精尖职位，有大量的工作机会集中在北上广深以及杭州，期待往这个方向发展的同学还是要到这些城市去多多尝试。当然，从另一个方面说，这些城市也都集中了大量的各行业人才，竞争压力想必也是很大的。任何行业都是看经验的，经验是王道，数据分析师也不例外，按工作经验统计，工作3年至5年薪资待遇普遍不会低于15K，拥有8年至10年经验的数据分析师平均薪资可以达25K左右。怎么样是不是很心动？高薪职业就看你敢不敢来挑战喽！数据分析师薪资待遇正所谓“吃得苦中苦，方为人上人”，要想成为一名优秀的数据分析师，赢得高薪走上人生巅峰，坚持就是胜利！

在互联网技术不断升级的今天，数据获取变得越来越容易，大数据行业越来越火，基于海量数据进行分析的数据分析人才逐渐成为各大企业追逐的宠儿。大数据推动起数据的深度分析与挖掘，使得研究结果更加客观，并且多维。本文将以数据分析的方式对这个行业展开调研，尽可能让正在从事或有兴趣想加入这个行业的小伙伴们对于当前大数据行业的就业环境有更深入的了解和认识。项目流程数据获取：访问前程无忧官网，找出需用作数据分析的数据并进行获取数据预处理：对获取数据进行去重、缺失值处理等一系列数据清洗操作数据可视化：文文字不如数据，数据不如图片，可视化是对于数据最好的展现方式，让人一目了然深入分析：对于数据深入分析，寻找不同因素与薪资之间的关系项目实施1.数据获取在搜索数据的时候，岗位关键词我选择的是数据分析师，这是因为其他的岗位关键词匹配度过低，搜索结果包含大量无效数据，而数据分析师匹配度高。地点选择了全国，是因为我想分析全国不同城市对于数据分析师岗位的需求量以及薪资水平。在爬取的时候，我选择从二级页面爬取，目的是为了获得更多的信息，以便后续能从更多的维度进行分析。抓取维度为：公司名字、类型、规模、行业、地点、福利、职位信息（职责、学历、技能、经验、薪资）。最后一共获取8076条数据。2.数据预处理因部分数据内容与数据分析岗位无任何关系，故将不匹配数据剔除。我的判定方式是将工作名称中包含"数据"、"分析"、"Data"、"Analyst"中任何一个关键词的保留，四个关键词一次都没有出现的则剔除。共剔除1261条与数据分析无关的数据。由于有部分的数据内容存在重复，故选出其中岗位描述相似度较高的数据，将这些数据直接剔除。共剔除567条重复数据。爬取的时候要求字段里包含工作地点、工作经验、学历、招聘人数以及招聘日期等数据，将数据分列，并保留工作地点、工作经验、经历三个字段，删除招聘人数以及招聘日期字段。分列完成后有1000余条数据并未明确学历要求，但在岗位描述中有提及相应学历要求，我找出了这些数据，并完善了约600条余条数据。另外有2000余条数据对于工作经验无要求，但部分数据在岗位描述中对于经验要求有所提及，操作方法与前者类似，完善了500余条数据。处理前数据：处理后数据：由于福利字段内包含较多数据，故将数据进行分列，并用数据透视表的方式将相关福利字段内相应福利出现的频数进行统计，方便后期可视化的时候绘制词云。行业类型的字段内包含多个行业，不利于后期对于行业的分析，故我只选择选取每条数据的第一级的行业类型，并将多余数据进行剔除。工资字段内的数据是一个收入的区间值，时间单位有小时、天、月、年，计价单位有千和万，我选择把收入下区间与收入上区间进行拆分，并将不同的时间单位与计价单位进行单位统一，数据统一为"XXXX"元/月的格式。另外，我把收入按照从高到低的方式进行划分、归类并增加平均工资的字段，方便后期可视化操作。对要求中需要用到的相关数据分析的技能进行统计，以方便后期观察各岗位对于技能树的要求。处理结果如下图所示（1代表需要，0代表不需要）。至此，数据预处理工作基本完成，清洗后数据共计6060条。3.数据可视化（1）薪资分布情况从分布情况可以看出，数据分析师岗位的月薪集中在5000-8000元/月以及8000-12000元/月这两个区间段，从12000元/月-25000元/月中间的这三个区间段也是数据比较集中的区域，说明这个行业具有一定的发展空间和潜力。（2）各城市岗位数量分布情况从如下两图可以看出，数据分析师的工作机会最多的城市是上海、广州、北京、深圳这四个超一线城市，杭州、成都、武汉、南京等一线城市紧随其后。（3）学历要求情况从下图看出，数据分析师岗位对于学历要求最多的是本科和大专，这两个学历的比重占到了全部数据的85.39%，可以看出数据分析师对于学历的要求比较宽松，当然如果是硕士甚至是博士学历会意味着你会有更多的选择，更好的机会和更高的收入。（4）工作经验要求情况从下图看出，数据分析师岗位对于工作经验要求最多的是1年经验、2年经验以及3-4年经验，1-4年的工作经验要求占到了所有数据的91.11%。近些年科学技术的突飞猛进，得益于互联网和智能手机的发展，数据分析、大数据和人工智能行业逐渐兴起，因兴起时间较短，所以数据分析师岗位对于工作经验的要求比较友好。（5）技能要求情况从下图看出，数据分析师对于从业者有一定的技能的要求，除去大家比较熟悉的excel之外，掌握数据库语言（sql）也是必备的技能。编程语言也是数据分析师需要点亮的技能树之一，其中以Python、R和Sas最为常见。当然如果你会挖掘、算法或者模型，无疑则是锦上添花。（6）行业分布情况从下图看出，对于数据分析师需求量最多的三个行业分别是互联网、计算机以及金融，而服装、通信以及快消等传统行业紧随其后。（7）公司类型分布情况从下图中看出，对于数据分析师需求最多是民营企业，占比到达了63.66%。另外国企、上市公司、合资公司以及外资企业对于数据分析师的需求度平分秋色，各占10%左右。（8）公司规模分布情况从下图可以看出，需求数据分析师的公司规模集中在50人-500人左右，这些公司大多以民营公司或者创业公司为主。（9）企业福利情况企业福利情况也是各位求职的小伙伴非常关心的要素之一，这么多福利中有没有哪些是让你非常心动的呢？4.深入分析（1）数据说明我所关心的因变量Y是数据分析师收入水平（元/月）。数据分析师的收入水平是多种因素综合作用的结果，我共收集了前程无忧网站的6060条与数据分析相关的数据，想对于数据分析师收入水平的相关影响因素进行更加深入的研究。数据包括工作地点、学历、工作经验等5个变量，数据说明如下图所示。（2）工资收入从如下直方图可以看出，工资收入呈现右偏态分布，工资收入的均值为12008元/月，中位数为10000元/月。这一现象符合我们对于工资的基本认知，即存在少数高收入工作，从而拉高了工资的平均水平。在本案例中，工资收入的最小值为1300元/月，所对应的工作是南京数据分析实习员；最大值为85000元/月，所对应的工作是杭州的高级数据分析师。（3）描述性分析首先看学历因素以及工作经验因素，从分组箱线图中可以看出，学历以及工作经验对于工资收入的影响明显，存在一定的正相关。再看公司类型因素，从分组箱线图可以看出，除去事业单位的工资收入水平明显偏高之外，其他公司类型的工资收入都比较接近。接着来看行业类型以及工作地点因素，从分组箱线图可以看出，不同行业类型之间的工资收入水平比较接近，而在工作地点方面，上海、北京以及深圳的工资收入水平偏高。综上所述，通过对数据的描述性分析，可以得出结论：对工资收入产生影响较大的因素包括学历、工作经验和工作地点。项目总结通过这次对于“数据分析师”岗位的调研，相信各位小伙伴对于这个行业有了一些不同的了解和认识。虽然数据分析岗位的门槛比较友好，但是想要在这个行业有一个长远的发展，想要成为一名合格乃至优秀的数据分析师，除了需要不断积累、学习各种技能和知识以外，还要多思考，多总结，不断培养自己的数据思维以及分析能力，只有这样才能让自己在众人之中能够脱颖而出。漫漫长路，砥砺前行!

大数据是IT界的行业术语，本名叫巨量数据集合。大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在各种购物平台，用户所收到的购物产品推荐，就是运用大数据的结果。经常使用淘宝的人可能会有这种感触，前几天搜索了一款产品，后几天就会时常收到相关产品的推荐。不光是购物上，大数据还可用来为未来的形势做预估。伴随着大数据的普遍使用，未来大数据的应用已是必然趋势。在即将到来的10到20年之间，大数据的发展趋势必定更加迅猛。随着移动互联网和智能终端的普及，信息技术与经济社会的交汇融合，引发了数据迅猛增长。新摩尔定律认为，人类有史以来的数据总量，每过18个月就会翻一番。而海量的数据蕴含着巨大生产力和商机。2011年至2014年四年间，我国大数据处于起步阶段，每年均增长在20%以上。2015年，大数据市场规模已达到98.9亿元。2016年增速达到45%，超过160亿元。预计2020年，我国大数据市场规模将超过8000亿元，有望成世界第一数据资源大国。但数据开放度低、技术薄弱、人才缺失、行业应用不深入等都是产业发展中亟待解决的问题。中国商业联合会数据分析专业委员会资料显示，未来3至5年，中国需要180万数据人才，但截至目前，中国大数据从业人员只有约30万人。同时，大数据行业选才的标准也在不断变化。初期，大数据人才的需求主要集中在ETL研发、系统架构开发、数据仓库研究等偏硬件领域，以IT、计算机背景的人才居多。随着大数据往各垂直领域延伸发展，对统计学、数学专业的人才，数据分析、数据挖掘、人工智能等偏软件领域的需求加大。学习大数据技术，可以从事大数据开发工程师、大数据系统研发工程师、大数据分析师等等。同时，它也强化了原有职位的新生命力，如网络工程师、系统架构师、数据库管理与开发等等。接下来，为大家着重分析下当下主流的大数据相关职位：1、大数据系统研发工程师负责大数据系统研发工作，包括大规模非结构化数据业务模型构建、大数据存储、数据库架构设计以及数据库详细设计、优化数据库构架、解决数据库中心建设设计问题。他们还负责集群的日常运作、系统的监测和配置、Hadoop与其他系统的集成。2、大数据应用开发工程师大数据开发工程师主要是负责搭建整个技术框架，负责后台运行程序的整体设计。如同构建一栋大楼的整体框架一样。重要程度不言而喻。目前这个岗位的要求主要是要求熟练Java、Hadoop、Spark、Hive、Hbase等等。薪资水平普遍较高，下面将会为大家一一介绍到。3、大数据分析师运用算法来解决分析问题，并且从事数据挖掘工作。他们最大的本事就是能够让数据道出真相。此外，他们还拥有某个领域的专长，帮助开发数据产品，推动数据解决方案的不断更新。4、数据可视化工程师具备良好的沟通能力与团队精神，责任心强，拥有优秀的解决问题的能力。他们负责在收集到的高质量数据中，利用图形化的工具及手段的应用，一目了然地揭示数据中的复杂信息，帮助企业更好地进行大数据应用开发，发现大数据背后的巨大财富。整体上看，以北京地区为例，北京地区大数据相关工作的平均月薪为22050元，三成以上的大数据从业者月薪位于30K-50K区间，将近20%的大数据从业者的月薪处于20K-30K区间，10K-20K的从业者人数占比达到了三成。1、大数据系统研发工程师，普遍月薪位于30K-50K之间，福利待遇优渥。2、大数据应用开发工程师，普遍月薪同样位于30K-50K之间。整体薪资水平非常可观。3、大数据分析师33.2%的从业者薪资处于20K-30K区间，10K-15K以及30K-50K区间内的从业者人数接近20%，15K-20K区间的从业者占比15.8%。4、数据可视化工程师，25%的从业者薪资处于30K-50K区间，36.7%的从业者薪资处于20K-30K之间，10K-20K的从业者人数占比将近三成。大数据已从概念落到实地，在精准营销、智慧医疗、影视娱乐、金融、教育、体育、安防等领域均有大量应用，随着云计算、物联网、移动互联网等支撑行业快速发展，未来大数据将拥有更为广阔的应用市场空间。所以，对于对大数据感兴趣的同学来说，现在入门大数据岗位非常合适。种一棵树最好的时间是十年前，其次是现在！

从教育部召开的2017届全国普通高校毕业生就业创业工作网络视频会议上了解到，2017届全国普通高校毕业生预计795万人。下面是2006年到2016年全国高校毕业生人数表，2016年毕业生人数为765万，2017年增长到了795万。最近几年，最难就业季的到来使得找一份合适的工作非常不易。尤其是二本、三本院校的本科生，工作尤其难找，这使得很多本科生都将考研当作延迟毕业的避风港。同时，伴随着毕业人数的增多，很多单位都将学历要求提高到了研究生，这也使得部分本科生被迫去考研。那么，本科考研情况怎么样呢？请看下面一组数据统计：2009年-2016年考研报录比详情通过上图可以发现：最近几年考研报名人数呈上升趋势（ 2015年除外），而高校录取人数基本不变。这说明考研竞争越来越激烈，2016年考研人数增多的主要原因可以归纳为经济增长乏力、就业形势严峻这两个方面。硕士研究生生源前三省河南、山东、河北光荣的成为了考研生源的前三名，这也与其高考竞争非常惨烈脱不了关系。很多学生成绩不错，但由于省内知名高校不多甚至没有，这使得只能委屈上一所普通高校。而考研相当于第二次高考，这三个省的考生改变自己处境的愿望要强烈的多。硕士毕业生报考人群性别比例硕士毕业生报考人群性别比例，女生可以占到60%。这也充分反映了女生就业难的现实问题，很多女生期望比较稳定的工作，例如公务员、国企类。但这些单位对学历要求较高，现实环境使得她们不得不选择考研。国内很多国企、事业单位对学历仍旧非常看重，“硕士”是基本门槛。这个趋势在未来几年仍是常态，因此当前考研在短期内不会降温。但是，多读这两年书真的可以在工作时更有竞争力，薪酬待遇更好吗？下面是对于研究生和本科生就业薪酬的统计（数据取自2015年）：本科生和硕士生就业薪资对比（2015年）通过对比发现：整体来说，硕士薪资比本科薪资要高出一个档次。尤其是在一线城市，6503元的薪酬虽然不能做到存下钱，但至少可以做到衣食无忧。从这一组数据中可以得到一个基本信息：读完研究生两年后，其起薪确实提高了。但所有专业都是这样吗？下面以当前最火的金融、房地产和快消等几个专业进行对比，看一下本科生和研究生的薪资对比。金融通过上面对比图可以发现：金融专业本科和硕士的起薪都在5000-10000之间，学历对这个行业薪资的影响并不是很大。因此，读金融专业的同学可以放心的去工作了，读研确实不能带来薪资的巨幅提高。房地产房地产行业硕士平均起薪是6500元，本科生的平均起薪是5400元。硕士起薪比本科要高2000元，如果单纯考虑薪资的话，考研确实是一个不错的选择。快消行业快消行业本科生和硕士薪资基本相同，读研并不能带来起薪上的显著提高。因此，快消行业的同学们还是尽量放弃考研的想法吧，踏踏实实找工作才是最重要的。总结硕士薪资整体上比本科生要高一些，但不同行业有很大的差异。在技术性要求比较高的行业中，企业对人员的学历要求较高，考研不管从薪资上还是以后发展上都要比本科生好很多。但对于那些非技术类工种中，企业更加偏爱的是本科生。广大同学在报考时，要根据自己的专业情况来自主选择。

在当今企业纷纷推动数字化运营的背景下，“No Data, No BB”成了职场人的口头禅。做一份好的数据分析报告，大到成为能否帮助企业做出正确的商业决策，小到成为能否说服老板获取业务资源的关键因素。因此，优秀数据分析报告技能是必备的职场利器。最近，小编抓取了近 600份2020年的招聘 JD 进行分析，不难发现——越来越多的企业重视 “ 数据分析 ” 这一技能。具体表现在这两点：1. “数据分析师” 招聘需求旺盛，并且薪资待遇从 2016 年来不断走高。坐标：北京应届生平均薪资：11010 元1 - 3 年平均薪资：15550 元2020 年较 2016 年，数据分析师的薪资涨幅高达 86.87%（ 非常震惊了！）2. 除了数据分析师专业岗之外，产品、运营、市场等大类下的细分岗位，也开始要求应聘者具备数据分析能力。（ 越来越多的岗位招聘 JD，要求具备数据分析能力 ）看到了数据分析师的行业前景，很多人都调转了方向，驶入了数据分析这条快车道。但无论是刚刚提速的小白，还是已经在数据分析这个行业行驶很久的老司机，都要有业务思考和数据洞察能力。否则，数据之路将会问题重重！诸如：作为将业务洞察与数据结果可视化地呈现给客户、老板的专业人员，不具备数据分析全栈能力的数据分析师经常很被动。常常是数据虐我千万遍，我待数据如初恋～～1. 什么是优秀的数据分析师？优秀的数据分析师，具备数据分析全栈能力。激烈的市场竞争格局要求业务和产品形态快速迭代，也就需要后端能够更加灵活、深入的支撑每一个业务单元的快速迭代和平稳运行，这也导致了互联网企业的业务前台和技术后台的中间地带越来越模糊。在这个过程中，除了诞生了很多新的技术架构（如中台概念），很多传统的职能和角色都在发生潜移默化的变化。许多数据分析师，在业务体系内要同时支撑战略决策、战术决策、数据运营等多个业务线条（快速高效的打法，强制的缩短了沟通链条，一个角色承担多个职能的情况变得越来越普遍）。这就要求数据分析师具备相当完善的能力栈，能够全链路的主导从业务理解到技术落地的全部过程。不仅能结合自身业务能力分析解读，完成对数据的探索并形成报告，更重要的是要有一定的数据科学探索能力。了解完整的数据生命周期，了解数据从何而来，经过何种处理，在此过程中是否有不合理的环节，以确保数据集与业务问题的高匹配度。这也意味着，全栈数据工程师的作用和价值越来越被重视，而具备多重数据技能的复合型人才其价值堪比黄金。可见，真正的全栈数据科学家确实是一头罕见的野兽，企业会无比珍惜！不能启发和引领业务的数据分析师不是好的数据分析师！未来企业面临的挑战也不再是缺少数据支持，而是数据太多，报告太多，多个渠道出来的数据不一致。这就要求数据分析师在理解业务，理解方法的基础上，将杂乱无章的海量数据，设计出逻辑清晰的企业级数据结构模型，让基本分析工作简单化、自助化。而不仅仅是为业务人员提取数据，还要能站在数据的角度提出对业务起到一定启发和引领作用方案。才能和别人拉开距离，打造自身差异化的优势。试想一下，在实际工作中遇到这种情况：一张数据表，同事用了半晌功夫分析也得不出关键结论，你看了十分钟就已经洞察关键问题，并得出对业务有指导性的结论，然后在接下来的数据复盘会议上，你有理有据，他却被上司怼到无语。那不用多说 ，如果有升职加薪的机会，大概率会是你。2.如何培养数据分析全栈能力？数据分析师的工作经常与数据科学家、数据工程师脱节。得到什么数据，就分析什么数据，对数据的获取、处理一无所知。即使对数据的质量有疑问，也不知道从何问起。现在改变这种局面的机会来了，来体验一下“全栈”数据分析师是怎样工作的！向大家推荐来自 “开课吧” 的《数据分析手册》，由IT 大佬廖雪峰研发打造的系统化内容体系。课程的设计和讲解都来源于纯一线大型互联网企业导师，导师是经过实战积累的大厂数据分析师，也是企业的数据分析师面试官，掌握和熟悉一切主流的技术方案和方法论。来源于企业，输出到企业，这是本课程跟其他课程的本质区别。请问，这么好的课程贵吗？ 说实话，这个视频原价值1299元，但为了帮助那些一直很努力的同学，更顺畅地开启职场生涯，我们决定本次这份宝贵的资料是限时限额免费开放哦～～领取方式：私信小编即可免费领取课程这么好，简直是喜大普奔hē hē hē hē呀！从1到10通过实战学习数据分析，让你不仅学会一个数据分析工具，更是数据分析的逻辑与思路。这是课程的独家特色，这块就是拉开薪资的地方。视频中的所有案例，可以直接拿来解决工作中遇到的问题。

前段时间在同行群里聊天，聊到了行业薪资的问题，这两年大数据的概念炒的火热，数据分析也成了热门岗位，从招聘网站上看，数据分析师的平均月薪在10k-20k之间。有的大厂的数据分析师都开到了30k一个月，从这个数据来看数据分析师是个收入不错的职业，但是从群里大家的讨论中我发现，现实并没有那么美好，大部分人的薪资都没有达到10k，甚至一些二、三线城市的数据分析师月薪只有4、5k。为什么同样是做数据分析，薪资水平差距这么大？取数、清洗、可视化分析等等技能该掌握的都掌握了，为什么我一个月工资还不到人家的零头，不少人都发出了这样的疑问。我们来看一个月薪30k的数据分析岗位的招聘信息:携程给出的薪资市20k-40k，工作经验要求是3-5年，由此可见工作经验对数据分析师来说还是相当重要的，但是我身边还是不乏有工作3，4年甚至5，6年的数据分析师，还是在原地踏步，工资顶到天15k，为什么有了3年工作经验的数分析师还不值钱呢？差距一：业务思维能力我们来看看它的职位描述：对比月薪8k的数据分析的工作内容和这条月薪30k岗位的职位描述，我们很容易就发现了差距。大部分数据分析师的日常工作就是根据业务或者领导的需求，取数做报表，业务让分析啥就分析啥，领导要啥数据给啥数据，这样的工作状态仿佛就是个搬运工，在业务和老板的眼里就是个工具人，价值不高薪水自然低。而携程这条招聘信息的职位描述中提到了“向业务部门提供相关数据，指导业务发展”，注意这后半句，我在文章中经常提到，数据分析的价值所在就是驱动业务发展，帮助业务解决问题，报表做的再好看，对业务没有任何指导意义，这样的数据分析就是白做。举个例子：老板跟数据分析师说：我要看这一周本市门店的营收情况，一周后给我结果。月薪8k的分析师A会这样做：调取门店销售记录、成本管理等模块的数据，导出数据，利用Excel或者python工具，制作出数据可视化图表，报告中再加上两句数据解读：售出货品100000件、收入700万、净利润180万。资深数据分析师B会这样做：先研究今年公司的发展战略和老板最近采取的业务调整策略，得知老板最近想要减少门店的运营成本。调取员工考勤、货物存储记录等数据，利用比较分析找出异常值，并匹配具体业务场景，得出结论：A门店在二季度处于淡季，应减少30%的人员投入，B储藏冷库的利用率低于平均值，应调整冷库储存结构....通过这些举措，总体成本预计减少15%。如果老板想从A、B中选一个提拔加薪，不用想就知道机会肯定是B的。差距二：工具能力数据分析师的核心能力是思维，次核心能力就是工具，俗话说打仗也得有个趁手的兵器。对于初级的数据分析师，入门基本上都是用的Excel，只要函数记得熟，透视表用的好，做一些常规的数据分析报告还是不在话下的。但是在实际的工作中，光会excel是不行的，企业的数据日益增多，数据量大，且被分散在各个业务系统中，光取数就是一个庞大的工作，而且数据量大的表用 Excel打开就要加载半天，更别谈后面复杂的分析操作。因此数据分析师还需要掌握一些专业的数据分析工具，提高工作效率，比如常用网站分析GA/Omniture，SQL取数平台(presto,hive等)、FineBI商业智能工具等等在这条招聘的任职资格里，第一条就是要求至少掌握一种前端BI工具，对于高级的数据分析师来说，BI工具的确是一个非常好的选择。强大的数据分析性能和可视化效果，以及完善的企业级数据权限管理，让BI工具成为了众多企业的选择，尤其像携程这类的互联网大厂。BI可以很大程度上解放数据分析师的工作，无论是业务分析还是决策管理，就拿国内用的比较多的FineBI来说，它可以从这样几个方面来优化数据分析工作：1、支持多种数据源链接，打破企业各个系统之间的信息孤岛。通常我们做数据分析要用到数据分散在企业的各个系统中，进行分析前要到各个系统中取数导出，然后再用excel分析，十分繁琐，假如遇到像周报、日报这样的重复性的需求，就得一遍一遍的导出、更新数据，效率十分低。而FineBI可以通过内置引擎直接和数据库对接，支持30多种主流数据库和Excel数据集，并且提供实时和抽取数据两种模式，像周报、日报之类的重复性需求，直接做一张模板，通过日期控件筛选日期就可以得到想要的报表，不用反复更新数据。2、数据处理简单方便，效率提升一倍数据分析的过程中，除了取数烦，还有个令人头疼的就是数据处理，往往花费一半的功夫进行。比方说我们分析公司产品销售明细数据，进而分析购买用户的特征，调整销售策略。我们就需要基于销售清单数据，计算相应的分析指标，如每个人的消费频次，单笔消费最大金额，最近一次消费时间间隔等等。更复杂一些的话，还要根据同类型产品，和竞品数据做关联分析和横向对比分析。用Excel做就是一个浩大的工程了，用excel做数据计算要进行大量复杂繁琐的平面单元格公式计算，而且一步出错还容易导致全部的心血付诸东流如果用BI工具做就方便了很多，FineBI的自助数据集提供了新增列，分组统计，过滤，排序，上下合并，左右合并等数据处理功能，并且每一次操作都能够实时预览结果，防止出错，还可以对单个历史操作进行增加、删除和修改，十分灵活。3、拖拽式探索分析，所见即所得，可视化效果亮眼处理完了数据下一步就是进行数据可视化分析，BI工具采用的拖拽式探索分析，只需要通过鼠标拖拽字段就可以自动生成可视化图表，让用户轻松实现对数据的即时洞察和见解。另外值得一提的就是BI工具强大的可视化功能，市面上的BI工具基本都内置了丰富的可视化图表，轻松就能做出亮眼的可视化报告。平常我们用Excel做可视化时，如果想要实现一些高级的可视化图表，比如数据地图、动态报表之类的，就需要用到数据透视表和一些图表插件，且步骤繁杂，而这些在FineBI 中都是内置好的，直接就可以用除了提供丰富的图表分析之外，Finebi的仪表板还可供用户灵活地布局数据图表，生成故事型的可视化报告，进而达到有效沟通或者数据汇报的目的。除此以外，还有一个大招就是给领导制作管理驾驶舱，比如像下面这样的，把领导关心的数据都放到一个屏幕上，数据实时呈现，领导可以实时监控重点数据，及时发现问题，并且还可以通过钻取、联动进一步分析查看数据异常原因：能做出这样的驾驶舱，升职加薪一定没问题。差距三：沟通能力如果业务思维OK，工具技能等硬实力也无可挑剔，还是得不到升职加薪，那么问题就可能处在了沟通能力上。数据分析光会技术还不行，良好的沟通能力和学历能力也是一个人能否在职场混下去的关键能力项，数据分析需要了解业务、寻找数据、讲解报告，要和不同部门的人打交道，沟通能力至关重要，对于高级的数据分析师，还需要独立负责项目，或者和产品做一些合作，除了沟通能力要强之外，还需要一些项目协调能力。如果你发现自己和同行的差距越来越大，不妨从以上三个方面去反思自己，不断的改善和进步。希望人人都能成为优秀的数据分析专家！关注我，并转发该文章，私信回复“BI”，即可获得FineBI~

真正专业的大数据分析师，年薪百万不在话下，这也是为何有这么多人挤破脑袋也想进入数据分析领域，当这个数据分析师，当然了，年薪百万也不是这么容易拿的，那数据分析师需要具备哪些能力呢？有什么要求呢？一、理论知识要宽泛。数据分析常常涉及统计学，数学的相关知识，所以要求专业的数据分析师一定要对数据敏感，需要有一定的统计知识，以及各大模型原理等。二、理解能力要好。数据分析主要是分析企业业务数据，从而了解业务背后的商业规律与逻辑，只有了解了业务，才能更好地进行分析，故要求分析师还需要有一定的业务理解能力。三、实际操作能力。数据分析师一定离不开数据分析工具，这里所说的能力，包括选对数据分析工具，以及运用这款数据分析工具的能力，因此，实际操作能力很大程度取决于数据分析工具是否选对了，选对了事半功倍，选错了会阻碍你的数据分析之路。前面两点主要靠自己平时的积累，工作的经验等，而第三点，是可以通过选择一款好的数据分析工具来加分的。那怎么样的数据分析工具才算是好的呢？数据分析一般有四个步骤：数据获取、数据处理、数据分析、数据展示，我们判别工具好与不好，主要从这款工具的这四个功能入手。数据获取：数据获取看似简单，但其实不易，因为数据获取是数据分析的基础，只有获取了完整的数据，才能分析出正确的结论，而且在实际业务中，数据常常来源于多个不同的业务系统，这就要求数据分析工具支持多源数据，而且操作不能太繁琐，要尽可能简单。数据处理：此过程主要是对获取的数据进行一系列的清洗，通过公式、筛选、排序等日常手段，同样地，此操作过程也不应太复杂，而且要求分析工具能够支持百万甚至千万级别的数据量。数据分析：此处才是真正地开始分析，通过多表联立，分类统计，模型应用等进行分析，分析过程要求迅速，高效，最好不要涉及代码，否则难度系数太高。数据展示：数据展示的是数据分析的结果，展示的图表类型要丰富，图表的制作要简单高效，要支持可视化大屏，展示效果要美观，配色要符合大众的视觉习惯。说了这么多，有没有这样的数据分析工具呢？当然有，DataFocus就是这样的一款数据分析工具，有了它，你可以节省很多时间精力，它不需要任何代码基础或者IT基础，而且图表类型丰富，配色人性化，大屏美观，最重要的是DataFocus采用搜索的方式进行数据分析，这是以前所有数据分析工具没有过的，而这种搜索的方式，也大大降低了分析的难度，真正做到了事半功倍的效果。上面的大屏以及图表，就是用DataFocus制作的，制作过程仅花几分钟时间，简单又高效，有兴趣的可以尝试看看。除非注明，否则均为DataFocus企业大数据分析系统,让数据分析像搜索一样简单原创文章，转载必须以链接形式标明本文链接。

985硕士吐槽：签了华为的offer，但工资只有14k的水平，很难受！大学刚毕业找工作多少薪资合适呢？对于这个问题，相信每个人都有自己的想法，有些人认为工资低一些，能够学到东西就行；但也有些应届生，对工资要求很高。比如下面这位985硕士，在收到华为offer后，对于华为给的14k薪资不是很满意，认为这个价格太低了，于是发帖吐槽，如下是这位985硕士吐槽全文：14k是不是在华为是一个很低很低的水平了？当时有更高的offer 自己都没签，想着华为平台大签了，签了以后很难过。因为薪资只有14k，是因为自己太菜了？不过面试的时候感觉很不错的啊，面完我就知道自己能拿了，面试官也给了暗示的。双985硕士（虽然是排名不那么靠前的985），投的今年才有的数据分析工程师岗位，专业是统计，应该算是强相关了吧，我实在想不通。这位985硕士吐槽华为给的薪资低的帖子，很快引来了众多网友的热议：有网友认为深圳这个价太低了吧！14k估计最多13级，很多人说只要先进去在一个大平台里多多努力来得到机会。但是很尴尬的一点就是，工资评级其实就代表公司对你的评价了，在内部竞争的时候本身就已经是劣势了。就像13级和14级，至少2年才有机会升一次还不一定能升上，起点就差很多。但也有网友认为数据分析本来就不高啊， 你这个总包也有近20吧， 我觉得可以了，不要跟算法岗比。很多自己身边的技服体系的同学，薪水基本在研究生14k，本科12、13k这个水平。服务类下面的岗位都是后期培训的 ，价格就是不高的 ，华为是这样的，前两年都是工资不高，后期就好了。还有网友表示要相信自己，现在低不代表未来，不甘心可以春招再挣扎一波，就算这个工资低，但去了华为只要努力了总会有回报！华为整体还是稳的，进大公司学习一下可以，而且华为奖金多啊。如果追求起薪，很多都比这个高是真的，但一开始这一点钱的差距不算什么。既然楼主看中华为的大平台，自己做的选择就是最对的选择。985硕士吐槽：签了华为的offer，但工资只有14k的水平，很难受！大家怎么看？欢迎下方评论点赞！