分析师怎么样

Ⅰ 大数据分析师这个职业怎么样

近期成为月入两万的数据分析师的广告遍地都是，可能会对一些未入行的同学造成错觉。我个人感觉数据分析师这个岗位，可能近几年会消亡。

这不意味着这份工作本身不重要，而是说这份工作本身可能会转化为产品运营的一些必备技能，而不再需要单独特设人力去做这件事。或者说，不是再需要你学习SQL或者学习python，只是为了成为一名数据分析师。作为一名数据分析师，职业自身的壁垒正在不断消减，更加主动的拥抱业务，解决真正的产品和用户需求，或将成为未来的发展趋势。

数据分析师的日常工作

我们来看下预设中的分析师的一些工作场景，看看数据分析师核心的工作价值。

• 取数

• 数据清洗

• 数据可视化

• 统计分析

• 数据方向建设和规划

• 数据报告

取数 — SQL

很多人对数据分析师的预设是SQL达人，包括现在很多数据分析师的核心工作其实就是进行SQL取数。

这项工作的痛点和难点在于，我们为了得到一个结果，通常需要join很多的数据集，然后整个SQL语句就会写的特别长，而且可能会出现一些问题：比如join的表可能会出现key是重复的情况，造成最终的SQL结果因为重复而变得不可用。所以我们需要专人去专门维护各种各样的数据集，他们知道每张表应该怎么用。

但这个其实是关系型数据库遗留下来的产物——我们完全可以不需要join那么多的表。现在的分布式计算的框架，已经完全可以支持我们只保留一张大宽表，有需要的所有字段，然后所有的操作都在这张大宽表上进行，而且可以保证查询速度。这样数据分析最大的痛点已经没有了。至于你说大宽表里面存了很多重复的数据，是不是很浪费资源(关系型数据库之所以不用大宽表就是从存储空间和性能的trade-off角度考虑的)：放心，分布式存储本身是不贵的，而计算效率则是由分布式计算框架进行专门优化的。现在的计算框架计算的响应速度，已经可以在大宽表上可以很快的得到结果了。相比之下，多次join操作反而可能会更慢一些。

同时，现在很多公司的NB框架，其实都已经支持拖拽取数了，也根本不需要写SQL了。

此外，不得不说的一点是，SQL语句本身真的不难。可能如果你自己静下心来想学，一个周末的时间肯定能搞定。而资历老的数据分析师，并不会比资历轻的数据分析师，在SQL语句的写作上有什么本质的区别。以前可能还有一些小表join大表的trick，但现在计算框架大多都已经优化过这些了。所以即使是需要写SQL的场景，本身也是没有什么难度的。

所以，通过大宽表来解放数据分析工作的生产力。即使在一定要写SQL做join操作的时候，本身也不是一件壁垒特别高的事情。取数这件事儿，对于其他岗位的同学，就已经没那么复杂了。

数据清洗 — Python

数据清洗其实是很多强调python进行数据分析课程中，python部分的主要卖点。包括但不限于，怎么处理异常值，怎么从一些原始的数据中，得到我们想要的数据。

在日常产品需求过程中，这种需求的场景其实很小。因为数据大部分都是自己产生的，很少会出现没有预设到的极端值或者异常情况。如果有的话，一般就是生产数据的同学代码写的有bug，这种发现了之后修复代码bug就行。

数据清洗在工作场景的应用在于落表——就是把原始数据变成上面提到的，可以通过SQL提取的hive表。这个工作是需要懂代码的同学去支持的，他们负责数据的产出，包括数据的准确性，数据的延时性(不能太晚产出)等等。前文提到的生成大宽表，其实也可以是他们的工作。这其中就涉及到一些代码的效率优化问题，这个就不是简单懂一点python可以搞定的了，可能涉及到一些数据压缩格式的转化，比如Json/Proto buffer到hive表的转化，还有一些计算框架层面的调优，比如spark设置什么样的参数，以及怎么样存储可以更好的提升查询速度。

所以这部分工作一般是由懂代码的同学完成的。可能数据团队会有比较少数的同学，管理支持全公司的基础表的生成。

数据可视化 — Tableau

很多之前在数据分析做实习的同学，主要的工作内容就是在一个商业化的软件(比如Tableau)上，做一些统计报表。这样可以通过这些数据报表，可以很方便的查看到所属业务的一些关键指标。这些商业软件通常都比较难用，比如可能需要先预计算一下才能输出结果；而且不太好做自定义功能的开发。稍微复杂一点的需求场景，可能就需要一个专门的同学捣鼓一阵，才能输出最终的统计报表。

现在有更先进的套路了。

首先可视化。很多公司打通了前端和后端的数据，这样就可以通过网页查询原始的数据库得到数据结果。而现在很多优秀的前端可视化插件，已经可以提供非常丰富的统计图形的支持。而且因为代码是开源的，可以根据公司的需求场景进行针对性的开发，公司可以再辅以配置一些更加用户友好的操作界面，这样一些复杂需求也有了简单拖拽实现的可能。而且这些前端js代码都是免费的！对于公司来说也能省去一笔商业公司的采买成本。

其次很多商业软件，都是针对小数据集场景设计的。在一些大数据集的场景，一般需要先预计算一些中间表。而如果自己公司定制化开发的前端展示结果，就可以根据需要自主设置计算逻辑和配置计算资源，先在后端进行预计算，前端最终只是作为一个结果展示模块，把结果展示和需要的预计算进行解耦。这样就省去了很多中间表的产出，也会更加快速的得到想要的业务指标，快速迭代。

所以可视化数据的工作量也会大大减少。而且会变成一个人人都可以操作，快速得到结果的场景。

统计分析

对于一名数据分析师而言，统计学分析可能是一块知识性的壁垒。尤其是在现在ab实验成为互联网公司迭代标配的今天。需要把实验设计的那套理论应用起来：比如ab实验进行后的显著性检验，多少样本量的数据才能让这个结论有效可信呢。

但是，你我都知道，经典的统计分析其实是一个非常套路性的工作。其实就是套公式，对应到代码层面，可能也就一两行就搞定了。这个代码的统计分析结果可以作为ab平台的指标展示在最终的ab结果上，大家看一眼就能明白。即使是对那些可能不知道显著性是什么意思的人，你可以跟他简单说，显著了才有效，不显著就别管。

这么一想是不是其实不怎么需要投入额外的人力进行分析？

其他数据相关的工作

数据层面的规划和设计。移动互联网刚刚兴起的时候，可能那时候数据分析师需要对每一个数据怎么来设计一套方案，包括原始的埋点怎么样，又要怎么统计出想要的结果。但现在大部分已经过了快速迭代的时代了，新产品的埋点添加可以参考老产品，这就意味着形成套路了。而一旦形成套路，其实就意味着可以通过程序直接完成或者辅助完成。

数据报告。那就真的是一件人人都能做的事情了，试想谁没在大学期间做过数据报告呢？以前只是因为数据都是从分析师产出的，而如果人人都能取到数据的话，数据报告是不是也不是一个真需求呢？

在我看来，数据分析师这个岗位的天花板和其他岗位相比起来是比较低的。可能工作一两年之后，从岗位本身就已经学不到什么额外的工作知识了。主要的工作内容技术含量不是特别高，技能性的更多的是一些可以简单上手的东西，而且做的时间长了，在这些技能性的事情上得到的积累并不是很多。

数据分析师更像是一个在时代变迁过程中的一个中间岗位：我们从一个基本没有数据的时代，突然进入了一个数据极大丰富的时代，在这个过程中，我们都知道重视数据。那怎么能够利用这个数据呢？可能之前的那一帮人并没有太多的经验，于是老板就招一些人专门来研究一下它，同时做一些底层数据的优化。

经过多年的迭代，现在互联网行业的每个人都知道数据的价值，也大概知道了什么样的数据是重要的，怎样可以更好的挖掘数据背后的价值。同时底层的基础设施也已经支持可以让一个之前没有经验的同学可以快速的上手得到自己想要的关键数据。这时候对于一个职业数据分析师来说，他的任务就已经完成了。就如同当人人都会讲英语的时候，翻译其实也就没有存在的价值了。

此后的数据分析工作，可能不再是一些单独的人做的工作。它会变成一个产品和运营的基础工具，而且足够简单，没有取数的门槛。只是产品运营怎么样可以更好的认识数据，通过数据本身更好的配合产品运营的工作，这已经超脱我们一般理解的数据分析师的工作了，而是一个产品运营分内的工作。

对于那些已经在从事数据分析师岗位的同学来说，建议不要把心思全部投入到数据分析的本职工作上，以完成任务为核心KPI。而是不要给自己设置边界，多从用户的角度思考问题，不要因为是产品运营的工作就不去做了。数据分析师这个职业发展到这个阶段，要么做更加底层的数据建设，要么拥抱业务，最大化的发掘数据背后背后的价值。不要再死守着数据分析的“固有技能”沾沾自喜了。

数据本身的价值是无穷的，作为数据分析师，你们已经先人一步的掌握它了，要有先发优势。你们最接近数据的人，是最可能发现用户的宝藏的人。

Ⅱ 专利分析师怎么样

没有“专利分析师”这个资格认证，有“知识产权管理师”“知识产权规划师”，版但是这些不都算正儿八经的考权试，权威性不足，属于国务院《关于取消和调整一批行政审批项目等事项的决定》。《决定》取消和下放58项行政审批项目，取消67项职业资格许可和认定事项，取消19项评比达标表彰项目，将82项工商登记前置审批事项调整或明确为后置审批。取消“知识产权管理工程师”“全国知识产权系统杰出青年和优秀青年”等项目。

现在“专利代理人”资格证还是可以的，不过也说不好未来就一定怎么怎么样？毕竟市场风向太快，谁能预料到诺基亚10年兴衰呢？更别说管一辈子了。[资政知识产权]

Ⅲ 数据分析师这个职位怎么样

你好！很多公司数据分析师的职位，工资很高，工作待遇也很好。因为数据分析师属于高端职位，与提供劳动的劳务职位不同这些通常都对学历和工作经验的要求。因为数据分析通常是要为单位解决问题的，以更好地谋求单位的发展，所以是个为公司创造价值的岗位。能为公司带来价值，公司提供的福利当然好。以上都是纯手打，如觉得满意还请采纳哦！

Ⅳ 证券分析师待遇怎么样

什么？你竟然在搜索金融分析师月薪多少？太low了吧，怎么地不也得年薪起步？哈哈，开个玩笑，其实大多数金融分析师选择工作的时候都回去看年薪，月薪并不打动人心，所以高顿CFA老师给大家分享一下金融分析师年薪大概有多少：

调查表明，雇主更愿意提供高额奖金给拥有CFA特许资格认证的投资专业人士，美国、加拿大、英国、香港等的金融机构，甚至已经把CFA资格作为对其雇员入职的基本要求，因此他们大多成为金融机构力争的对象，这让CFA持证人收益良多。

可以参考数据表明，CFA年收入：美国19万美元；英国20万美元；新加坡11.3万美元；香港13.6万美元；加拿大10.8万美元，中国现有数字是14.9万美元，全球平均17.8万美元。其中中国地区是CFA考生多的地区，够资格申请到CFA证书的人，目前不会超过5千人。

给大家整理了一套电子版CFA备考资料，里面有很多CFA考试资料可供大家选择。而且对于上班族来说简直是福利，在地铁上拿出来手机即可阅读>>CFA电子版备考资料

除了以上较为热门的，以下职位也是金融分析师可选择的工作：

基金经理18%

业内称“操盘手”，负责基金的筹措、管理和运营，上市监控等。CFA持证人的主要去向之一。市场需求较大，前景广阔。

要成为基金经理，需要敏锐的市场直觉和投资判断，实战打拼的经验也很重要。

研究员（分析师）15%

国内一般指的是券商的行业研究员，负责研究相关行业的动态，对外出券商的研究报告，供投资决策参考。

投资银行分析员9%

投行职业链条，一般从分析员开始做起，往上做得好可以升到初级经理、副总裁、高级经理等。每个阶段有相应升职需要的时间。

华尔街流传着这样一句话：投资银行家的年薪比总统还要高。

行业高管7%

高端人才市场，CFA同样很受欢迎。行业的高管，也需要必要高含金量的证书来匹配自身身份。

风控经理6%

负责金融风险识别及管理，涉及风险预测、风险决策、风险评估、风险控制。一般优秀的风控经理，是CFA+FRM双证持证人的比较多。

企业金融分析师5%

负责为企业提供金融增值服务，如行业调查、上市、并购等。同时，对企业财务税务优化、资产配置等方面提供建议。

咨询顾问5%

为客户提供专业咨询服务的人员。咨询和投行是公认的两大高收入行业。咨询行业可以为年轻人打开眼界，通过接触不同的行业，不同的产业背景，从而短期内快速成长。

客户经理5%

一般指银行的客户经理。他们给客户推荐或介绍产品的时候，需要对金融市场和产品体系有系统性的了解。

财务顾问5%

性质一般为金融中介机构。主要根据客户的实际情况和要求，为客户提供投融资、资产债务重组、资本运作、战略发展等服务。

MOM投资经理4%

不直接管理资金投资，而是将基金资产委托交给其他一些基金经理，负责挑选并跟踪这些基金经理的投资表现。成熟的国际金融市场，少不了MOM投资经理的存在。

交易员4%

快速、准确地执行交易指令，对交易品种进行跟踪分析，每天做好盘后的分析统计工作。

策略分析师3%

负责股票市场的策略分析，跟进市场宏观进展，形成策略分析报告，需要熟练掌握多种策略分析方法。

会计/审计师3%

金融市场同样离不开财务分析，企业并购重组等都会涉及到很多财务问题，因此也需要许多专业的财务人员。

给大家推荐一个已经考过CFA的学姐，关于CFA任何不懂的事情都可以咨询她。不仅能解决CFA考试问题，还有电子版CFA试题和CFA备考资料：微信ID：cfa706

▎本文由高顿CFA老师 Sherly 整理发布，更多CFA资讯【请关注高顿CFA官网】若需引用或转载请保留此处信息，未加入此版权信息，盗版者将追究法律责任！

Ⅳ 股票分析师的前景怎么样

近十年，中国的证券分析师不容易做，什么时候中国金融市场足够成熟了内，证券分析师才会是容吃香的职业，当然那是对分析师的要求也会提升很多。
如果你能进基金公司或大的证券公司做行业研究员，恭喜你，发达了，但是真的很难进的，
再说证券行业的分析师，二级市场，全行业营销，分析师也有任务的，不过形式不同。
首先说怎么成为分析师，对于宏观经济的分析，对于短线技术的研究，上市公司的研究，这些是最基本的。
分析师是需要面对客户的，所以在和客户交流时能不能让客户信服很重要，
1：年龄要高一些吧，起码说明阅历高
2：长相气质要好吧，能使人信服。
3：说话要沉稳，沟通技巧要好，
尤其是第三项，非常重要，这个也需要长期与客户沟通中，才能锻炼出来的。真的会形成气场的。
再说成为分析师之后，怎么开展工作，分析师不能在大街发单子，拉客户吧。只能在营业部坐镇，等客户经理把客户拉回来，你来给他们讲课。巧妇难为无米之炊，如果客户经理拉不来客户，你会感觉，想工作也使不上劲。
分析师是要讲求包装的，多上电视，广播。这些都需要门路和资质。
总之，不好做的。

Ⅵ 金融分析师这个职业怎么样

可以从事的岗位有很多，例如投资咨询顾问、投资银行家、证券交易员、执行总裁、主席、合伙人、主负责人、投资总监、财务总监、会计师、审计师、市场、投资公司经理、证券分析师和固定收益分析师、投资组合经理等

介于每个人的情况都有所不同，以拿CFA从业者的投资分析师为例，为大家普及了金融人的职业发展之路。

一、Analyst（分析员）

投行中的Analyst(分析员)一般都是为各大院校应届生准备的一个2年的program，刚毕业的大学生一般都会从此做起。既然叫做分析师，工作内容不外乎是一些数据分析、行业研究之类的工作，有些需要建立一些初步的模型，包括mergermodel、DCF、LBO等等，然后交给associate进一步review和加工。

研究结束，要使用PPT将研究结果呈现出来，所以这个岗位也会经常用到PPT。当然，作为一个初级岗位，很多情况下还会涉及到很多杂七杂八的事情，总是就是投行工作的基础，也是锻炼人的岗位。

这个岗位一般坚持3年时间久可以得到升迁，大多数金融人也是在这个岗位上开始学习CFA的，有前瞻性的大学生在毕业前就把CFA一级考过了，可以极大的缩短在基层工作的时间，两年甚至很短时间就可以成为Associate，也就是我们要谈的下一个岗位。

二、Associate（副经理）

Associate是比Analyst高一级的职位，要么是从Analyst晋升而来，要么是各金融专业高材生或者CFA持证人之类。作为Analyst的小领导，Associate仍然要做一些分析类的工作，不过是有点技术含量的工作，负责更复杂的建模。Associate还要根据公司或者上级的安排，分配任务，承担administrativework，并且主要负责与客户的沟通。

虽是领导，Associate的工作并不轻松，每天需要加班加点，并对全组工作负责。这个岗位需要一定的金融知识背景，所以很喜欢的MBA或者CFA持证人，即便是只通过了CFA二级考试，也会受到欢迎。通常员工会在此岗位上工作3到4年的时间，然后才能学到足够的本事升到更高的位置上。

三、VP（副总裁或经理）

如果你顺利进入到VP阶段，那么恭喜你已经得到了升华。VP泛指所有高层的副级人物，工作要指导Associate和Analyst，同时也要有一些外部环境的接触。很多CEO忙不过来的工作都会交给VP负责。

VP的工作主要由两大块组成，一是充当projectmanager的角色，当D或MD接到deal的时候，负责executingthedeal，二是计划所有需要的过程和任务分配给associates，并且确保顺利进行。VP同时也是和客户接洽以及联系各个support的人比如accountant、lawyer等等的核心人物。

做到VP不容易，要得到晋升更不容易，行业内VP普遍工作3到15年才有机会晋升，除了经验、能力、运气，各种自我提升也少不得。大部分金融人在这个岗位上努力通过CFA三级考试，提交证书申请，如果已经是CFA持证人，那真是极好的。

四、Director（总经理、董事）

根据投行的规模不同，Director或有或无。Director负责重要的交易比如费用谈判，交易策略和客户会议。还有就是做营销吸引客户。MD工作性质与其近似，不过焦点在重要的客户上。

五、MD（董事总经理）

Director3年左右就会升任MD(董事总经理)。MD级别有很高的业务收益指标以及维护重要客户的责任，参与公司的整体战略及业务方向制定。

MD再往上发展就会去做各个分支的管理人，或者是做CEO。这个时候如果没有一张CFA这样的很嚣张的证书傍身就不合适了。

以上是一个典型的投行职称序列，有些金融机构会设置一些中间职称，比如assistantVP(AVP)即助理VP、seniorVP(SVP)即VP等，唯一不变的是对人能力的要求和证书的要求。

当然，CFA的在职业发展上的帮助不止如此，从职业发展的角度，一张代表了你金融理论过硬、工作经验丰富的CFA证书，能帮你优雅地、高效地达成目标。现在vc/pe是一个很时髦的词，国内也出现了很多风投成功的案例，想进入风投圈或者私募圈的金融人不在少数，如果没有一张高含金量的CFA证书，恐怕连门槛都进不去呢。

Ⅶ 数据分析师好找工作吗，待遇怎么样

数据分析师的薪资待遇不一般来说要比同级的职位高很多，大多数都是在两成到三成。同时，数据分析师备受企业的重视。在众多的一线二线城市中，数据分析师的年薪都很高，所以想进入数据分析行业的朋友们不必担心数据分析的薪资高低。

并且现在科技发展的越来越快，使得数据分析发展的方向更多，数据分析人才会更加稀缺。尤其是在发展飞快的中国，会大力发展数据分析行业。由此可见，数据分析师的前景优渥。同时数据分析师的地位也不低，无论是在哪个行业都是如此，并且数据分析师是通用职业，很容易适应各行各业的数据分析职位。

数据分析师工作的流程简单分为两部分，第一部分就是获取数据，第二部分就是对数据进行处理。

获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下其中细节的语法，基本就可以到很多数据了。当每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。

想转行的话，可以先评估一下自己的基础和专业背景，一般数学、统计学和计算机专业的，转行是最有优势的，其次是市场营销、电子商务、经济学等专业，这些专业也有一定的数据分析基础能力，转行也能比较快上手。

(7)分析师怎么样扩展阅读：

数据分析师要求：

1、懂业务。从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理。一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析。指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。

Ⅷ 选择数据分析师行业怎么样

数据分析师的地区发展分析

不同工作经验的薪酬分布：
毫无疑问，随着经验的提升，数据分析师的薪酬也在不断提高，且收入是相当可观。工作经验在1年以下的入门级数据分析师的平均薪资已达到8.5K，经验丰富的分析师薪资更是达到24K。从现有数据来看，数据分析师似乎是个常青的职业方向，在10年内大概不会因为年龄的增长导致收入下降。

据数联寻英发布《大数据人才报告》称：目前我国大数据人才仅46万，在未来3-5年内大数据人才缺口达1500000之巨。数据分析师作为一个越老越香的职业，在很长一段时间都会供不应求。

点此了解更多数据分析工具

Ⅸ 财经分析师弘度怎么样

预判很准，没有失误过。有点神，目前中国没有第二个这样的人

Ⅹ 做数据分析师的就业前景怎么样

随着大数据技术在各行各业应用的越来越广，数据驱动智能产品和精细化运营回已经成为企业答经营的制胜法宝，相应地，数据分析师这个岗位也越来越受到关注，越来越多的小伙伴也转行做数据分析，因为大家不仅看到的是未来数据分析的发展前景，而且数据分析师的薪资待遇也很不错！
岗位缺口大，就业薪资高，而且这个岗位对学历的要求不是特别高，对经验的要求也不算严格，从而数据分析师，在大数据时代，迎来了黄金就业期。

通过搜索BOSS直聘和领英，发现其上面有上有10万+个数据分析师职位空缺，其中绝大部分是互联网行业的需求。值得注意的是，虽然国内现有很多数据分析师员工，但其数量占比依旧很少，职位空缺却占到了市场的50%之多。大多数热门岗位都会在招聘JD中，给出“具备数据分析能力”这样的招聘条件。
2019年全国大数据人才需求是2015年的12倍，从数据可以看出，2020年乃至未来，数据分析师将是职业发展的一个重要方向。
从销售、市场，到运营、产品经理、用户研究等，都试图从各种繁杂数据中看出点门道，获得对市场、产品、消费者等方面的洞见。