BAT的數據分析師，是如何精進技術的？

2019 年 10 月 4 日
筆記

最近常聽到的一個觀點是，未來十年內 AI 可能會取代 50% 的工作崗位，但早 AI 一步取代你的，可能是鄰桌懂數據分析的同事。很多人掌握基本的 Excel，但你真的懂數據么？

同樣一個意思，用數據方法來表達和非數據方法表達，完全是天壤之別。

例如彙報工作，要向領導表達銷售額略有增長的意思：

表達一：相較於上個月，這個月銷售額略有增長。

表達二：銷售額環比增長12%，領先競爭對手4個百分點。

表達三：近三個月銷售額增長率分別為9%、15%和12%，其中線下銷售額基本平穩，銷售增長主要由線上業務帶來。下一步可以在線上新用戶轉化流程上多做優化，同時減少線下投入。

如果你是領導，你更青睞於哪一種？

據英國一項職業調查研究顯示，掌握數字力的員工，在收入方面，高於普通員工30%；在失業率方面，低於普通員工50%。

數據時代，「分析」技能更吃香

數據分析的本質，是通過總結數據的規律，解決商業問題。

職場寒冬，人人自危，不必贅述，但能夠洞察數據規律，做出驅動業務高效增長決策的人才，很可能是寒冬中的篝火。數據分析能力是容易被忽視、卻又在工作中不可或缺的「硬技能」。

之所以說數據分析是職場的必備技能，主要有兩個原因：

1/ 幾乎所有崗位都需要數據分析技能。從微信朋友圈、短訊推廣，淘寶京東等電商的商品推薦，今日頭條、抖音等媒體的內容推送 ,甚至到出行路線優化，這背後都嚴重依賴於以數據為基礎的決策結果。無論你是處於公司中的哪個環節，從專職數據分析、市場策劃、銷售運營、到客戶服務，都要求掌握數據分析。

*招聘信息取自拉勾網

2/ 幾乎所有行業都需要數據分析師。目前，數據分析職位缺口主要集中在三大巨頭行業：移動互聯網、計算機軟件以及金融，總佔比 64%，同時非典型數據產業，潛移默化、迅速崛起，數據分析成為各個行業都是通吃的技能，且都能期待不錯的收入水平。

在大數據、人工智能的浪潮里，只要公司有業務決策需求，都離不開數據分析這個「工具」。不懂數據，熱門職位很大程度上會失之交臂，而專職的數據分析師，也「因為稀缺所以高薪」。據數聯尋英發佈的《大數據人才報告》稱：目前我國大數據人才僅 46 萬，在未來 3-5 年內大數據人才缺口達 1,500,000 之巨。所以數據人才在就業市場的待遇好到令人仇恨。

【文末含學生專屬獎學金、實習內推機會】

3個月，把「數據分析」技能寫進簡歷

缺口意味着機會。企業用人需求與高校人才供給間存在着巨大的鴻溝，數據分析人才是市場上稀缺的人力資源，而企業對數據分析的需求卻急速上漲。

正確的學習方式，就是先構建系統的學習體系，並在實踐中習得應用的方法。來自硅谷的優達學城 Udacity 的數據分析納米學位，能幫助你看清方向。

Udacity 由 Google X 實驗室的無人車之父 Sebastian Thrun 創立，課程與 Amazon、Google、Kaggle 等全球領先企業聯合開發。在 MOOC 發展較為成熟的美國，Udacity 為畢業生頒發的「納米學位」相當於「名企敲門磚」。