转载/数师兄
给各位分析尸分享一些我经历过的一些残酷，早点规划自己的未来：
1、分析师这个职位很容易被替代其实大家都知道分析师最重要的是业务理解，业务分析的逻辑，思维解决问题至上，但现实其实很残酷。
1、大部分企业根本不重视数据分析的结果；
2、做了功能型分析师，成为满足业务无限需求的人工智能数据库；
然而你很容易沦为工具人或者屁屁踢工程师。
要早做打算，是继续混着还是再混几年看看？
2、就业渠道很窄，能选的其实不多作为一名数据分析师，不但要对业务了如指掌，也要对自己的前景有所了解，我身边有很多人刚入行时叫数据分析师，10年过去了还叫数据分析师，绰号一样，但薪资提高了很多，然而压力和焦虑却是指数倍的增长。当你打开求职网站时，你会发现你能干的，想要搜索的关键字居然不超5个。
1、有“能力”的分析师，要么跟对人，跟着老大一直飞
2、要么干对事，跟着业务飞。
然而当你两个都不具备的时候，尽早把数据分析当成一种职场技能吧，早做规划，做产业or做业务or做运营
很多分析师没有办法，一是就业渠道窄，一是没有合适的机会和平台去跳，被逼着在一家公司待了好多年，莫名其妙的带了数据分析团队.....好好理解这句话
3、知道的其实很少，但又感觉什么都知道作为一名数据分析师，常常被分配在三个地方
一是业务部门地下挂着，其主要以业务需求为主，需求大多数是业务提出来为什么？分析师来解答，俗称嵌入型；
二是挂在技术部门，多数是别人要什么给什么，没人要就自己倒腾一下数据，要不工作计划没法写，他们有一个优雅的名字叫：功能型数据分析师
三是在乙方，什么都干，什么都懂，但什么都不精…有一个高贵的称呼：咨询顾问
然而这种环境对分析师的成长很不利，很难走出数据自身的闭环验证，很难对自己的分析思维，分析成果进行有效的验证，这样自身很难提升。
最可怕的是年底加薪，要是没有几个拿出手的完整项目，你基本看命，要破局就要学会主动出击、自我驱动，别无他法。
回头想想业务有业务指标，技术也有相应的考核指标，然而分析师的考核有点难，是看报告量还是质量？质量如何界定？
4、门槛越来越高现在的分析师招聘需求太高了，从数据采集到数据分析全程的工具都要求，既要精通sql、python、r、tableau还要了解各类算法甚至一些saas产品才行，每一个工具和环节都可以过滤很多求职者，这还不算什么.
现在学历要求，技术、专业也要求越来越高，反而薪资还是几年前的水平，记得年初帮一个朋友招分析师，一次收了20多份简历，最后经过几轮的千挑万选找了一个，已经不是稀缺，是过剩了…当时就感慨，这要是放在5年前，这20多人还是很优秀的，可现在…
除非你真的很优秀，你能够让自己优秀。
然而有3个关键性的因素促使着这一切的发生：
1、入门门槛低，成为很多人的首选职业方向
2、工资高，相对于初级程序员和基础的运营、产品工资要好很多
3、老油条把守数据分析师的重要位置
1、2大家不难理解，有人也许会质疑第二点，从大概率的角度去分析，不用质疑，一般都是高一些。
关于第三点，我补充一下，数据分析的就业面其实很窄，特别是对于一直做数据分析的同学来讲，一般来讲没有更高更好的薪资和平台是不会动的，但更高更好的平台其实非常非常少。
所以很多人在以上环境的生存下，稀里糊涂在这个行业“混”了好多年。
最后你想想新人不断涌入、老人不动，卷是必然的！
所以各位入行前要考虑清楚，你所见到的，所学到的都是数据分析的硬实力，比如各类软件使用、算法、模型使用，而这些只是你入门的门槛而已，真刀真枪的能力是在职场，奉劝各位慎入，不要以为懂工具，懂算法，懂呈现就是分析师了，不好意思，按照现在的标准你才进入入门的门槛…
建议大部分人还是把数据分析当成一种职业技能，别当成自己的职业会更好。
最后，对于已经入坑的数据分析师，分享我整理的一份数据分析流程知识图谱。
内含数据分析12个常见分析模型、18个理论分支、136个详细知识要点和60多个实际分析场景案例，不懂或不记得的知识点拿出地图就能查，数据人必备！
评论转发并私信「图谱」获取高清版本！
