分析師怎麼樣

Ⅰ 大數據分析師這個職業怎麼樣

近期成為月入兩萬的數據分析師的廣告遍地都是，可能會對一些未入行的同學造成錯覺。我個人感覺數據分析師這個崗位，可能近幾年會消亡。

這不意味著這份工作本身不重要，而是說這份工作本身可能會轉化為產品運營的一些必備技能，而不再需要單獨特設人力去做這件事。或者說，不是再需要你學習SQL或者學習python，只是為了成為一名數據分析師。作為一名數據分析師，職業自身的壁壘正在不斷消減，更加主動的擁抱業務，解決真正的產品和用戶需求，或將成為未來的發展趨勢。

數據分析師的日常工作

我們來看下預設中的分析師的一些工作場景，看看數據分析師核心的工作價值。

• 取數

• 數據清洗

• 數據可視化

• 統計分析

• 數據方向建設和規劃

• 數據報告

取數 — SQL

很多人對數據分析師的預設是SQL達人，包括現在很多數據分析師的核心工作其實就是進行SQL取數。

這項工作的痛點和難點在於，我們為了得到一個結果，通常需要join很多的數據集，然後整個SQL語句就會寫的特別長，而且可能會出現一些問題：比如join的表可能會出現key是重復的情況，造成最終的SQL結果因為重復而變得不可用。所以我們需要專人去專門維護各種各樣的數據集，他們知道每張表應該怎麼用。

但這個其實是關系型資料庫遺留下來的產物——我們完全可以不需要join那麼多的表。現在的分布式計算的框架，已經完全可以支持我們只保留一張大寬表，有需要的所有欄位，然後所有的操作都在這張大寬表上進行，而且可以保證查詢速度。這樣數據分析最大的痛點已經沒有了。至於你說大寬表裡面存了很多重復的數據，是不是很浪費資源(關系型資料庫之所以不用大寬表就是從存儲空間和性能的trade-off角度考慮的)：放心，分布式存儲本身是不貴的，而計算效率則是由分布式計算框架進行專門優化的。現在的計算框架計算的響應速度，已經可以在大寬表上可以很快的得到結果了。相比之下，多次join操作反而可能會更慢一些。

同時，現在很多公司的NB框架，其實都已經支持拖拽取數了，也根本不需要寫SQL了。

此外，不得不說的一點是，SQL語句本身真的不難。可能如果你自己靜下心來想學，一個周末的時間肯定能搞定。而資歷老的數據分析師，並不會比資歷輕的數據分析師，在SQL語句的寫作上有什麼本質的區別。以前可能還有一些小表join大表的trick，但現在計算框架大多都已經優化過這些了。所以即使是需要寫SQL的場景，本身也是沒有什麼難度的。

所以，通過大寬表來解放數據分析工作的生產力。即使在一定要寫SQL做join操作的時候，本身也不是一件壁壘特別高的事情。取數這件事兒，對於其他崗位的同學，就已經沒那麼復雜了。

數據清洗 — Python

數據清洗其實是很多強調python進行數據分析課程中，python部分的主要賣點。包括但不限於，怎麼處理異常值，怎麼從一些原始的數據中，得到我們想要的數據。

在日常產品需求過程中，這種需求的場景其實很小。因為數據大部分都是自己產生的，很少會出現沒有預設到的極端值或者異常情況。如果有的話，一般就是生產數據的同學代碼寫的有bug，這種發現了之後修復代碼bug就行。

數據清洗在工作場景的應用在於落表——就是把原始數據變成上面提到的，可以通過SQL提取的hive表。這個工作是需要懂代碼的同學去支持的，他們負責數據的產出，包括數據的准確性，數據的延時性(不能太晚產出)等等。前文提到的生成大寬表，其實也可以是他們的工作。這其中就涉及到一些代碼的效率優化問題，這個就不是簡單懂一點python可以搞定的了，可能涉及到一些數據壓縮格式的轉化，比如Json/Proto buffer到hive表的轉化，還有一些計算框架層面的調優，比如spark設置什麼樣的參數，以及怎麼樣存儲可以更好的提升查詢速度。

所以這部分工作一般是由懂代碼的同學完成的。可能數據團隊會有比較少數的同學，管理支持全公司的基礎表的生成。

數據可視化 — Tableau

很多之前在數據分析做實習的同學，主要的工作內容就是在一個商業化的軟體(比如Tableau)上，做一些統計報表。這樣可以通過這些數據報表，可以很方便的查看到所屬業務的一些關鍵指標。這些商業軟體通常都比較難用，比如可能需要先預計算一下才能輸出結果；而且不太好做自定義功能的開發。稍微復雜一點的需求場景，可能就需要一個專門的同學搗鼓一陣，才能輸出最終的統計報表。

現在有更先進的套路了。

首先可視化。很多公司打通了前端和後端的數據，這樣就可以通過網頁查詢原始的資料庫得到數據結果。而現在很多優秀的前端可視化插件，已經可以提供非常豐富的統計圖形的支持。而且因為代碼是開源的，可以根據公司的需求場景進行針對性的開發，公司可以再輔以配置一些更加用戶友好的操作界面，這樣一些復雜需求也有了簡單拖拽實現的可能。而且這些前端js代碼都是免費的！對於公司來說也能省去一筆商業公司的采買成本。

其次很多商業軟體，都是針對小數據集場景設計的。在一些大數據集的場景，一般需要先預計算一些中間表。而如果自己公司定製化開發的前端展示結果，就可以根據需要自主設置計算邏輯和配置計算資源，先在後端進行預計算，前端最終只是作為一個結果展示模塊，把結果展示和需要的預計算進行解耦。這樣就省去了很多中間表的產出，也會更加快速的得到想要的業務指標，快速迭代。

所以可視化數據的工作量也會大大減少。而且會變成一個人人都可以操作，快速得到結果的場景。

統計分析

對於一名數據分析師而言，統計學分析可能是一塊知識性的壁壘。尤其是在現在ab實驗成為互聯網公司迭代標配的今天。需要把實驗設計的那套理論應用起來：比如ab實驗進行後的顯著性檢驗，多少樣本量的數據才能讓這個結論有效可信呢。

但是，你我都知道，經典的統計分析其實是一個非常套路性的工作。其實就是套公式，對應到代碼層面，可能也就一兩行就搞定了。這個代碼的統計分析結果可以作為ab平台的指標展示在最終的ab結果上，大家看一眼就能明白。即使是對那些可能不知道顯著性是什麼意思的人，你可以跟他簡單說，顯著了才有效，不顯著就別管。

這么一想是不是其實不怎麼需要投入額外的人力進行分析？

其他數據相關的工作

數據層面的規劃和設計。移動互聯網剛剛興起的時候，可能那時候數據分析師需要對每一個數據怎麼來設計一套方案，包括原始的埋點怎麼樣，又要怎麼統計出想要的結果。但現在大部分已經過了快速迭代的時代了，新產品的埋點添加可以參考老產品，這就意味著形成套路了。而一旦形成套路，其實就意味著可以通過程序直接完成或者輔助完成。

數據報告。那就真的是一件人人都能做的事情了，試想誰沒在大學期間做過數據報告呢？以前只是因為數據都是從分析師產出的，而如果人人都能取到數據的話，數據報告是不是也不是一個真需求呢？

在我看來，數據分析師這個崗位的天花板和其他崗位相比起來是比較低的。可能工作一兩年之後，從崗位本身就已經學不到什麼額外的工作知識了。主要的工作內容技術含量不是特別高，技能性的更多的是一些可以簡單上手的東西，而且做的時間長了，在這些技能性的事情上得到的積累並不是很多。

數據分析師更像是一個在時代變遷過程中的一個中間崗位：我們從一個基本沒有數據的時代，突然進入了一個數據極大豐富的時代，在這個過程中，我們都知道重視數據。那怎麼能夠利用這個數據呢？可能之前的那一幫人並沒有太多的經驗，於是老闆就招一些人專門來研究一下它，同時做一些底層數據的優化。

經過多年的迭代，現在互聯網行業的每個人都知道數據的價值，也大概知道了什麼樣的數據是重要的，怎樣可以更好的挖掘數據背後的價值。同時底層的基礎設施也已經支持可以讓一個之前沒有經驗的同學可以快速的上手得到自己想要的關鍵數據。這時候對於一個職業數據分析師來說，他的任務就已經完成了。就如同當人人都會講英語的時候，翻譯其實也就沒有存在的價值了。

此後的數據分析工作，可能不再是一些單獨的人做的工作。它會變成一個產品和運營的基礎工具，而且足夠簡單，沒有取數的門檻。只是產品運營怎麼樣可以更好的認識數據，通過數據本身更好的配合產品運營的工作，這已經超脫我們一般理解的數據分析師的工作了，而是一個產品運營分內的工作。

對於那些已經在從事數據分析師崗位的同學來說，建議不要把心思全部投入到數據分析的本職工作上，以完成任務為核心KPI。而是不要給自己設置邊界，多從用戶的角度思考問題，不要因為是產品運營的工作就不去做了。數據分析師這個職業發展到這個階段，要麼做更加底層的數據建設，要麼擁抱業務，最大化的發掘數據背後背後的價值。不要再死守著數據分析的「固有技能」沾沾自喜了。

數據本身的價值是無窮的，作為數據分析師，你們已經先人一步的掌握它了，要有先發優勢。你們最接近數據的人，是最可能發現用戶的寶藏的人。

Ⅱ 專利分析師怎麼樣

沒有「專利分析師」這個資格認證，有「知識產權管理師」「知識產權規劃師」，版但是這些不都算正兒八經的考權試，權威性不足，屬於國務院《關於取消和調整一批行政審批項目等事項的決定》。《決定》取消和下放58項行政審批項目，取消67項職業資格許可和認定事項，取消19項評比達標表彰項目，將82項工商登記前置審批事項調整或明確為後置審批。取消「知識產權管理工程師」「全國知識產權系統傑出青年和優秀青年」等項目。

現在「專利代理人」資格證還是可以的，不過也說不好未來就一定怎麼怎麼樣？畢竟市場風向太快，誰能預料到諾基亞10年興衰呢？更別說管一輩子了。[資政知識產權]

Ⅲ 數據分析師這個職位怎麼樣

你好！很多公司數據分析師的職位，工資很高，工作待遇也很好。因為數據分析師屬於高端職位，與提供勞動的勞務職位不同這些通常都對學歷和工作經驗的要求。因為數據分析通常是要為單位解決問題的，以更好地謀求單位的發展，所以是個為公司創造價值的崗位。能為公司帶來價值，公司提供的福利當然好。以上都是純手打，如覺得滿意還請採納哦！

Ⅳ 證券分析師待遇怎麼樣

什麼？你竟然在搜索金融分析師月薪多少？太low了吧，怎麼地不也得年薪起步？哈哈，開個玩笑，其實大多數金融分析師選擇工作的時候都回去看年薪，月薪並不打動人心，所以高頓CFA老師給大家分享一下金融分析師年薪大概有多少：

調查表明，僱主更願意提供高額獎金給擁有CFA特許資格認證的投資專業人士，美國、加拿大、英國、香港等的金融機構，甚至已經把CFA資格作為對其雇員入職的基本要求，因此他們大多成為金融機構力爭的對象，這讓CFA持證人收益良多。

可以參考數據表明，CFA年收入：美國19萬美元；英國20萬美元；新加坡11.3萬美元；香港13.6萬美元；加拿大10.8萬美元，中國現有數字是14.9萬美元，全球平均17.8萬美元。其中中國地區是CFA考生多的地區，夠資格申請到CFA證書的人，目前不會超過5千人。

給大家整理了一套電子版CFA備考資料，裡面有很多CFA考試資料可供大家選擇。而且對於上班族來說簡直是福利，在地鐵上拿出來手機即可閱讀>>CFA電子版備考資料

除了以上較為熱門的，以下職位也是金融分析師可選擇的工作：

基金經理18%

業內稱「操盤手」，負責基金的籌措、管理和運營，上市監控等。CFA持證人的主要去向之一。市場需求較大，前景廣闊。

要成為基金經理，需要敏銳的市場直覺和投資判斷，實戰打拚的經驗也很重要。

研究員（分析師）15%

國內一般指的是券商的行業研究員，負責研究相關行業的動態，對外出券商的研究報告，供投資決策參考。

投資銀行分析員9%

投行職業鏈條，一般從分析員開始做起，往上做得好可以升到初級經理、副總裁、高級經理等。每個階段有相應升職需要的時間。

華爾街流傳著這樣一句話：投資銀行家的年薪比總統還要高。

行業高管7%

高端人才市場，CFA同樣很受歡迎。行業的高管，也需要必要高含金量的證書來匹配自身身份。

風控經理6%

負責金融風險識別及管理，涉及風險預測、風險決策、風險評估、風險控制。一般優秀的風控經理，是CFA+FRM雙證持證人的比較多。

企業金融分析師5%

負責為企業提供金融增值服務，如行業調查、上市、並購等。同時，對企業財務稅務優化、資產配置等方面提供建議。

咨詢顧問5%

為客戶提供專業咨詢服務的人員。咨詢和投行是公認的兩大高收入行業。咨詢行業可以為年輕人打開眼界，通過接觸不同的行業，不同的產業背景，從而短期內快速成長。

客戶經理5%

一般指銀行的客戶經理。他們給客戶推薦或介紹產品的時候，需要對金融市場和產品體系有系統性的了解。

財務顧問5%

性質一般為金融中介機構。主要根據客戶的實際情況和要求，為客戶提供投融資、資產債務重組、資本運作、戰略發展等服務。

MOM投資經理4%

不直接管理資金投資，而是將基金資產委託交給其他一些基金經理，負責挑選並跟蹤這些基金經理的投資表現。成熟的國際金融市場，少不了MOM投資經理的存在。

交易員4%

快速、准確地執行交易指令，對交易品種進行跟蹤分析，每天做好盤後的分析統計工作。

策略分析師3%

負責股票市場的策略分析，跟進市場宏觀進展，形成策略分析報告，需要熟練掌握多種策略分析方法。

會計/審計師3%

金融市場同樣離不開財務分析，企業並購重組等都會涉及到很多財務問題，因此也需要許多專業的財務人員。

給大家推薦一個已經考過CFA的學姐，關於CFA任何不懂的事情都可以咨詢她。不僅能解決CFA考試問題，還有電子版CFA試題和CFA備考資料：微信ID：cfa706

▎本文由高頓CFA老師 Sherly 整理發布，更多CFA資訊【請關注高頓CFA官網】若需引用或轉載請保留此處信息，未加入此版權信息，盜版者將追究法律責任！

Ⅳ 股票分析師的前景怎麼樣

近十年，中國的證券分析師不容易做，什麼時候中國金融市場足夠成熟了內，證券分析師才會是容吃香的職業，當然那是對分析師的要求也會提升很多。
如果你能進基金公司或大的證券公司做行業研究員，恭喜你，發達了，但是真的很難進的，
再說證券行業的分析師，二級市場，全行業營銷，分析師也有任務的，不過形式不同。
首先說怎麼成為分析師，對於宏觀經濟的分析，對於短線技術的研究，上市公司的研究，這些是最基本的。
分析師是需要面對客戶的，所以在和客戶交流時能不能讓客戶信服很重要，
1：年齡要高一些吧，起碼說明閱歷高
2：長相氣質要好吧，能使人信服。
3：說話要沉穩，溝通技巧要好，
尤其是第三項，非常重要，這個也需要長期與客戶溝通中，才能鍛煉出來的。真的會形成氣場的。
再說成為分析師之後，怎麼開展工作，分析師不能在大街發單子，拉客戶吧。只能在營業部坐鎮，等客戶經理把客戶拉回來，你來給他們講課。巧婦難為無米之炊，如果客戶經理拉不來客戶，你會感覺，想工作也使不上勁。
分析師是要講求包裝的，多上電視，廣播。這些都需要門路和資質。
總之，不好做的。

Ⅵ 金融分析師這個職業怎麼樣

可以從事的崗位有很多，例如投資咨詢顧問、投資銀行家、證券交易員、執行總裁、主席、合夥人、主負責人、投資總監、財務總監、會計師、審計師、市場、投資公司經理、證券分析師和固定收益分析師、投資組合經理等

介於每個人的情況都有所不同，以拿CFA從業者的投資分析師為例，為大家普及了金融人的職業發展之路。

一、Analyst（分析員）

投行中的Analyst(分析員)一般都是為各大院校應屆生准備的一個2年的program，剛畢業的大學生一般都會從此做起。既然叫做分析師，工作內容不外乎是一些數據分析、行業研究之類的工作，有些需要建立一些初步的模型，包括mergermodel、DCF、LBO等等，然後交給associate進一步review和加工。

研究結束，要使用PPT將研究結果呈現出來，所以這個崗位也會經常用到PPT。當然，作為一個初級崗位，很多情況下還會涉及到很多雜七雜八的事情，總是就是投行工作的基礎，也是鍛煉人的崗位。

這個崗位一般堅持3年時間久可以得到升遷，大多數金融人也是在這個崗位上開始學習CFA的，有前瞻性的大學生在畢業前就把CFA一級考過了，可以極大的縮短在基層工作的時間，兩年甚至很短時間就可以成為Associate，也就是我們要談的下一個崗位。

二、Associate（副經理）

Associate是比Analyst高一級的職位，要麼是從Analyst晉升而來，要麼是各金融專業高材生或者CFA持證人之類。作為Analyst的小領導，Associate仍然要做一些分析類的工作，不過是有點技術含量的工作，負責更復雜的建模。Associate還要根據公司或者上級的安排，分配任務，承擔administrativework，並且主要負責與客戶的溝通。

雖是領導，Associate的工作並不輕松，每天需要加班加點，並對全組工作負責。這個崗位需要一定的金融知識背景，所以很喜歡的MBA或者CFA持證人，即便是只通過了CFA二級考試，也會受到歡迎。通常員工會在此崗位上工作3到4年的時間，然後才能學到足夠的本事升到更高的位置上。

三、VP（副總裁或經理）

如果你順利進入到VP階段，那麼恭喜你已經得到了升華。VP泛指所有高層的副級人物，工作要指導Associate和Analyst，同時也要有一些外部環境的接觸。很多CEO忙不過來的工作都會交給VP負責。

VP的工作主要由兩大塊組成，一是充當projectmanager的角色，當D或MD接到deal的時候，負責executingthedeal，二是計劃所有需要的過程和任務分配給associates，並且確保順利進行。VP同時也是和客戶接洽以及聯系各個support的人比如accountant、lawyer等等的核心人物。

做到VP不容易，要得到晉升更不容易，行業內VP普遍工作3到15年才有機會晉升，除了經驗、能力、運氣，各種自我提升也少不得。大部分金融人在這個崗位上努力通過CFA三級考試，提交證書申請，如果已經是CFA持證人，那真是極好的。

四、Director（總經理、董事）

根據投行的規模不同，Director或有或無。Director負責重要的交易比如費用談判，交易策略和客戶會議。還有就是做營銷吸引客戶。MD工作性質與其近似，不過焦點在重要的客戶上。

五、MD（董事總經理）

Director3年左右就會升任MD(董事總經理)。MD級別有很高的業務收益指標以及維護重要客戶的責任，參與公司的整體戰略及業務方向制定。

MD再往上發展就會去做各個分支的管理人，或者是做CEO。這個時候如果沒有一張CFA這樣的很囂張的證書傍身就不合適了。

以上是一個典型的投行職稱序列，有些金融機構會設置一些中間職稱，比如assistantVP(AVP)即助理VP、seniorVP(SVP)即VP等，唯一不變的是對人能力的要求和證書的要求。

當然，CFA的在職業發展上的幫助不止如此，從職業發展的角度，一張代表了你金融理論過硬、工作經驗豐富的CFA證書，能幫你優雅地、高效地達成目標。現在vc/pe是一個很時髦的詞，國內也出現了很多風投成功的案例，想進入風投圈或者私募圈的金融人不在少數，如果沒有一張高含金量的CFA證書，恐怕連門檻都進不去呢。

Ⅶ 數據分析師好找工作嗎，待遇怎麼樣

數據分析師的薪資待遇不一般來說要比同級的職位高很多，大多數都是在兩成到三成。同時，數據分析師備受企業的重視。在眾多的一線二線城市中，數據分析師的年薪都很高，所以想進入數據分析行業的朋友們不必擔心數據分析的薪資高低。

並且現在科技發展的越來越快，使得數據分析發展的方向更多，數據分析人才會更加稀缺。尤其是在發展飛快的中國，會大力發展數據分析行業。由此可見，數據分析師的前景優渥。同時數據分析師的地位也不低，無論是在哪個行業都是如此，並且數據分析師是通用職業，很容易適應各行各業的數據分析職位。

數據分析師工作的流程簡單分為兩部分，第一部分就是獲取數據，第二部分就是對數據進行處理。

獲取相關的數據，是數據分析的前提。每個企業，都有自己的一套存儲機制。因此，基礎的SQL語言是必須的。具備基本SQL基礎，再學習下其中細節的語法，基本就可以到很多數據了。當每個需求明確以後，都要根據需要，把相關的數據獲取到，做基礎數據。

想轉行的話，可以先評估一下自己的基礎和專業背景，一般數學、統計學和計算機專業的，轉行是最有優勢的，其次是市場營銷、電子商務、經濟學等專業，這些專業也有一定的數據分析基礎能力，轉行也能比較快上手。

(7)分析師怎麼樣擴展閱讀：

數據分析師要求：

1、懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

2、懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，後續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，並能靈活運用到實踐工作中，以便有效的開展數據分析。

Ⅷ 選擇數據分析師行業怎麼樣

數據分析師的地區發展分析

不同工作經驗的薪酬分布：
毫無疑問，隨著經驗的提升，數據分析師的薪酬也在不斷提高，且收入是相當可觀。工作經驗在1年以下的入門級數據分析師的平均薪資已達到8.5K，經驗豐富的分析師薪資更是達到24K。從現有數據來看，數據分析師似乎是個常青的職業方向，在10年內大概不會因為年齡的增長導致收入下降。

據數聯尋英發布《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1500000之巨。數據分析師作為一個越老越香的職業，在很長一段時間都會供不應求。

點此了解更多數據分析工具

Ⅸ 財經分析師弘度怎麼樣

預判很准，沒有失誤過。有點神，目前中國沒有第二個這樣的人

Ⅹ 做數據分析師的就業前景怎麼樣

隨著大數據技術在各行各業應用的越來越廣，數據驅動智能產品和精細化運營回已經成為企業答經營的制勝法寶，相應地，數據分析師這個崗位也越來越受到關注，越來越多的小夥伴也轉行做數據分析，因為大家不僅看到的是未來數據分析的發展前景，而且數據分析師的薪資待遇也很不錯！
崗位缺口大，就業薪資高，而且這個崗位對學歷的要求不是特別高，對經驗的要求也不算嚴格，從而數據分析師，在大數據時代，迎來了黃金就業期。

通過搜索BOSS直聘和領英，發現其上面有上有10萬+個數據分析師職位空缺，其中絕大部分是互聯網行業的需求。值得注意的是，雖然國內現有很多數據分析師員工，但其數量佔比依舊很少，職位空缺卻佔到了市場的50%之多。大多數熱門崗位都會在招聘JD中，給出「具備數據分析能力」這樣的招聘條件。
2019年全國大數據人才需求是2015年的12倍，從數據可以看出，2020年乃至未來，數據分析師將是職業發展的一個重要方向。
從銷售、市場，到運營、產品經理、用戶研究等，都試圖從各種繁雜數據中看出點門道，獲得對市場、產品、消費者等方面的洞見。