随着未来大数据的发展，数据分析的岗位会满足大量人才的需求，大量的企业需要专业的数据分析人才，所以数据分析在未来的就业前景还是挺好的。高薪且有12年工作经验的大数据分析岗位平均月薪可达13k左右。这是2008年的高峰，有3127个工作岗位，在接下来的三年里都下降了。进一步分析需求发现，数据分析岗位1-3年的下降率明显大于整体下降率，也就是大家都喜欢来工作的那种人才。整体需求仍然集中在北上广深，四大城市占全国90%以上，需求量最大的仍然是北京，连续排名第一，其次是上海。换句话说，如果你以后不去一线城市，做全职数据分析师是有风险的。技术数据分析需求连续三年下降，和很多企业的数据建设有很大关系。很多都取得了一定的成果，基础业务数据已经自动化。一般员工只需简单的点击拖拽就能得到想要的数据分析结果，逐渐开始向应用数据靠近，注重数据价值和洞察力的体现。需要更多了解产品业务的分析师可以做自驱动闭环，给他们提供接地气的实施方案4。分析师的要求是多样化的，比如编程能力、算法能力、写报告能力、协调沟通能力、独立思考能力等。，他们开始关注工作场所的一般技能。还有很多运营产品、金融市场等业务线的招聘，也需要一定的数据分析能力。一定程度上说明企业对分析师的要求提高了。如果想更深层次的提高分析师对企业未来的预期，也希望公司所有业务机构都要懂数据分析的技巧。看完以上几点，就知道数据分析不如网上铺天盖地的广告，数据分析岗位招聘有以下三个趋势。
数据分析工作怎么样？
我带过BI团队，大数据也是我的研究方向之一，所以我来回答一下这个问题。整体上说数据分析工作还是有一定压力的，但是与传统软件研发比较起来还是稍微轻松一些，因为数据分析在大多数情况下只是完善与否，很少会出现项目失败的情况，大部分数据分析都是基于平台工具完成的，只要在数据提取时没有出现逻辑性错误，一般来说数据分析都能顺利完成。
但是数据分析比较琐碎，涉及到的细节非常多，也需要足够的耐心，数据分析对数据库知识的要求比较高，其他方面的要求就是工具的熟练程度和对业务的了解。一般来说数据分析的工具有很多，传统的excel就是一个比较基础的数据分析工具，excel能完成很多比较初级的数据分析任务，也可以通过设定表达式完成一些计算。所以数据分析工程师的第一步往往是掌握excel的使用。
对专业的BI团队来说，数据分析的工具则要更加专业一些了，OracleIBM都有专业的BI平台，另外最近几年国内的数据分析平台也有很大的进步，虽然在处理效率上比国外产品慢一点，其他本土化的功能还是非常实用的。未来随着大数据的发展，数据分析的岗位将迎来大量的人才需求，大量的企业都需要有专业的数据分析人才，所以未来数据分析的就业前景还是比较好的。
从我的个人角度来说，数据分析还是有一定乐趣的，通过数据分析你能发现生活中的很多有意思的情况，比如在餐饮娱乐领域就有很多有意思的数据分析结果。我的研究方向是大数据和人工智能，我在头条上会陆续写一些这方面的科普文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。如果有大数据方面的问题，也可以咨询我。
数据分析好找工作吗？
水平高的的数据分析师，工作是没有问题的，而且工资高，但很多人以为掌握几样数据分析工具就认为自己是分析师了，那就错了，数据分析师最主要的能力还是分析方法和思维方式，工具容易掌握，方法和思维需要经验积累，若想快速入行，可以考虑找一个大咖指导你哦，如赵强老师，舒立克商学院数据分析教授，二十几年数据分析经验。
如何自学数据分析并找到工作？
在大数据时代，数据分析被广泛的重视，因为数据分析是数据价值化的主要渠道之一。数据分析有多种形式，下面做一个简单的描述第一通过工具做好数据分析。通过工具做数据分析是在生产条件下比较常见的方式，比如Excel就是一个比较常见的数据分析工具。另外，很多BI工具也可以进行数据分析任务。通过软件工具进行的数据分析需要掌握一定的数学基础和统计学基础，BI工具则还需要掌握数据库相关知识主要就是Sql语言。
这种分析方式比较快捷，适用于模型比较固定的数据分析场景。第二通过编程来做好数据分析。还有一种方式就是通过编程语言来完成数据分析任务，这种情况主要是针对数据量比较大的情况，另外，数据分析任务不是很明确的情况下，也就是说模型比较动态的情况。目前通过机器学习的方式完成数据分析是比较常见的解决方案，而编程语言往往采用Python。
Python有丰富的库，包括NumpyMatplotlibScipypandas，广泛应用于数据分析和机器学习。第三种结合方式。目前数据分析也会根据具体的应用场景进行组合数据分析。对于场景相对固定的数据分析任务，使用工具来完成。毕竟这种方式更方便，数据分析结果往往以多种方式呈现。
文章TAG：数据分析的工作怎么样 数据分析
