数据分析师的前景是非常好的。人才需求旺盛，就业机会多，且不容易被随便取代。数据分析师承担大数据挖掘工作中，应用Hive、Hbase等技术性，专业对从业行业报告收集、梳理、剖析，并根据数据信息作出行业研究、评定和预估的专业技术人员。不论是中国或是海外，数据分析师的人才要求都非常大。麦肯锡公司预测分析，2018年，国外的大数据工程师的空缺是20数万人；中国的人才空缺得话，说上百万上一定的都是有。
数据分析师指的是不一样领域中，专业行业报告收集、梳理、剖析，并根据数据信息作出行业研究、评定和预估的专业技术人员。愈来愈多的政府部门、机关事业单位将挑选有着数据分析师资质证书的专业人员为她们的新项目作出科学合理、有效的剖析、便于恰当管理决策；愈来愈多的风险投资基金把新项目数据分析师所提供的统计分析报告做为其分辨项目是不是行得通及是不是适合投资的重要环节；愈来愈多的高校和教学组织把数据分析师课程内容做为在其中高高管及管理层培训方案的主要具体内容；愈来愈多的仁人志士把数据分析师培训计划做为其职业发展中必需的知识结构。
无论是在公司或是社会发展，数据信息都已经逐渐开始饰演愈来愈关键的“人物角色”。在这样的趁势下，数据统计分析逻辑思维已经不只是数据分析师的“技术专业”了，包含市场销售、销售市场、经营、方案策划、商品这些前面的岗位都必须根据大数据分析来帮助的工作中，乃至连后台管理的会计、财务、人事部门等也逐渐必须根据大数据分析来提高高效率。可以那么说，假如你在公司当中工作中，你以后会逐渐愈来愈多的和信息相处，这个时候数据统计分析已经变成工作的必备条件。
从岗位工资看来，数据统计分析领域的高薪职位关键分散在长三角、珠三角和京津冀地区。北京市、上海和深圳的工资位居第一矩阵，均薪在10k ；杭州市、宁波市和广州市位居第二矩阵，均薪在9k ；别的沿海地区及内陆地区中心城市，如南京市、重庆市、苏州市、无锡市等坐落于第三矩阵，均薪在8k上下。从岗位量看来，北京市、上海市、广州和深圳位居第一矩阵，岗位量在30000 ，杭州市、成都市、南京市和天津市位居第二矩阵，岗位量在20000 ，武汉市、西安市、郑州市等地区核心或省级城市对数据统计分析岗位的要求也相应较高，岗位量在10000 。从领域要求看来，网络金融、O2O、数据平台、文化教育、国际贸易、文化艺术行业对数据分析师需要量对比别的行业更高。
互联网创业公司如何用数据分析做用户增长
近几年市场涌入各种数据创业公司，哈步数据就是创业大军中的一员。作为一个算法驱动的公司，我们要从他们的算法实力入手。?
首先，根据官网介绍： 首席数据科学家——高杨曾任职新西兰统计局、Westpac银行、eBay、毕马威等公司的资深数据挖掘和机器学习专家
下面我们从高杨先生的linkedin 入手，挖掘一下他的数据科学实力：
如下图所示， 2013-2014 年，任职新西兰沃达丰 -一家通讯公司，主要协助分析被停机客户账单，调查停机原因? 工作时长8个月；
2014-2016年? 入职 westpac? 西太平洋银行 工作内容大多以 协助，帮助，参与等为开头， 协助制定客户层级的KPI指标，参与制定决策引擎等等 工作时长一年三个月
2015年 入职ebay? 职位： 产品经理? 工作时长7个月：
工作内容： 设计客户流监测仪表盘，管理客户相关的数据等
2015年-2016年? ： KPMG? 职位：高级咨询顾问。 如果熟悉四大体制第朋友们应该十分清楚，高先生这份职位大概率是S1-S2 level，KPMG 上海的Office 很少会用到excel 以外的数据分析软件，高先生这份工作的时长是一年零一个月。
此后至今，高杨先生摇身一变，成为了拥有十年机器学习，建模经验的首席数据科学家。 不知道投资人是否满意哈步的首席数学科学家这份简历。
Sean Ellis 是在 DropBox 负责增长的，他在 DropBox 工作时间很短，不到 2 年，但是这期间每年 DropBox 的增长率在 500% 到 700% 之间（一年 5 倍到 7 倍），这是非常疯狂的一个增长速度，他根据自己的经验总结出来了一套 AARRR 的框架：
这套框架中所有的步骤都是围绕人展开的，也就是用户。
以往的产品设计或者业务设计，都是根据功能来推的，市场功能、产品功能、销售功能、客户功能。但是今天，无论是产品运营、用户运营、市场营销、客户服务还是销售，所有的东西都应该是以用户为核心的，这套AARRR?框架就是以用户为核心的。
如何用数据分析的方法获取新用户
怎样在数据驱动下做拉新？数据驱动的拉新很简单，首先一定要对你现在的运营渠道进行拆解，一般来说美国把市场营销渠道分成两块：
第一部分：对外营销
广告投放（在各种不同的媒体和平台上做广告投放），线下活动，销售直接找到潜在客户给人家打电话等等。一般来说对外营销都是需要花钱的。
第二部分：入站营销
入站营销是用户有主动的意愿，比如说自然搜索（百度、谷歌搜索引擎），内容的运营，社交网络的传播，这些基本上可以理解为入站营销。
无论是入站还是对外营销，第一步都要让每个渠道有衡量的指标，如果你想增长一个东西，你必须要能衡量它。如何衡量它，就需要在你整个不同的资源里面，进行数据的标记，这个过程是很重要的。
这是谷歌的一套标准的代码，无论是线下的活动，还是线上的营销（包括电子邮件营销／短信／ Push推送），尽量把它统一在这套框架下进行收集数据，然后才能对比是否有效果。我们并不关心来的是三个转化还是两个转化，我们关心的是他的转化效率。比如两次活动的效果评估时，看哪个转化率好，哪个转化率差，大致是差多少。所以说分析的核心就是可比性，所以要用统一的方法来持续衡量不同的渠道。
发现有差异以后，就要问为什么这两者之间有差异，当你明白了为什么这两者之间有差异以后，往往就找到了真正的核心的原因。
有一个软件叫Sline，那个软件有点像今天的钉钉，是到现在为止增长最快的一个企业服务的软件，它的填写信息的注册流，大约有7步到11步之间的程度，每一个注册页面都要你填一个信息才能进入到下一个页面，但是长的流好还是短的人没人知道，唯一能证明这一点的话就是数据，所以说这里面还有很多可以改变的空间。数据分析的基本思维，就是找到数据的点，然后切分、对比、思考原因、去改进，改进后看数据是不是提高了。你的产品里面也有很多可以改进的空间，这里面就需要小范围迭代、小幅度的测试，把它做得越来越精、越来越好。
当然不一定每次都出来这么好的效果，有可能上完以后会很差，但是因为你有数据来证明了，就可以做持续的优化和改进。
为什么都在说留存很重要？
AARRR 模型的每一个模块都非常重要，但是在一个产品的早中期，真正最重要的一点，还是留存度。
产品的留存度，反映了整体产品的健康度。如果一个产品或者服务，没有把留存做好，没有把用户流失控制得很好，就不要去做大规模的推广和增长。因为当你的留存度很低的时候，就像水桶不断地在漏水，每次往里灌水都要成本。但是当你把留存做得很好之后，就可以迅速去扩张做增长了，所以说增长的第一个核心是用户的存留度，而不是大量的拉新。
留存度是一个很泛的概念，昨天100个用户来，今天有60个继续用，就是将近60%的留存。只有把留存用户拆解了，才能通过产品运营以及其他的手段来把它抬升。
Facebook 的一个研究报告表明，互联网产品一般隔日留存需要在 50% 以上，一周的留存率应该在 20% 以上，一个月的留存率必须是要在 10% 以上，这样的话才是相对 OK 的互联网产品。
但是这一个指标并不表示所有的企业完全适合，电商的品类、新闻的品类、O2O的品类，他们的自然使用周期是不一样的，所以说用户留存基础是不一样的，大家对自己要有一个细致的判断。
高留存用户用的产品功能和低留存用户是非常不一样的，通过留存度和产品的功能点，拆分了以后你会很快找到你产品核心的用户是怎么用的。
在linkedin我们发现用户在第一周之内增加的5个社交关系，后面留存下来的概率很大，这样你就找到了这个魔法数字：
linkedIn 发现在第一周增加 5 个社交关系的用户留存度很高；
Facebook 发现在第一周增加 10 个好友的用户留存度很高；
Twitter 发现在第一周有 30 个 followers?的用户留存度很高；
Dropbox 发现在第一周安装两个以上操作系统的用户留存度很高。
大家看每家公司都不太一样，但是核心来说每家公司都有这个数字，我相信百度、阿里、淘宝他们都有，你的产品也有这个数字，但是一定要花时间去寻找，把这个点做上去，就有很高的用户黏度。
一般来说高留存的用户，都是高价值的用户，高价值的用户需要有共同的营销和变现或者转化的方法。我在易趣工作3年多，易趣把它的买家分成了 4 个区：
A区的买家，是超级的买家，这部分买家占用户数量 5%，但是贡献整个的营业额超过 30%；
B区的买家，占用户量的20%左右，贡献的营业额是大约占 40%；
C区的买家，这类用户占到整个用户体系 30%，贡献的营业额是大约 25%；
D区的买家，超过 40% 左右的，却只贡献整个的 10% ，甚至是 5% 。
有了这个模式，就有了运营的方法，我们需要把低留存变成中留存，中留存变成高留存的，同时用运营、市场、产品销售各种手段，减低上面这个区隔往下边流失里面过渡。
领英的战略上有一个很大的胜出的地方，就是它一直在关注用户的增长和体验，而不是超级关注盈利，他把用户的基数和黏度做稳了，盈利是未来的事儿，这也是为什么他现在估值很高的原因。
如何使营收增长？
我们的资源是有限的，时间是有限的，不可能每个人都得到同样的待遇，你只能把最重要的资源放在最重要的地方，来解决最紧急的问题，一个销售管 500 个公司，他不可能给所有人打电话，他只能去管最重要的前面的几个，蓝色的部分。
数据分析的核心有三点：
标准化，要知道发生什么事儿了。
需要明白为什么，我们需要不断地持续思考为什么，因为只有你知道了为什么，才能解决它找到原因，在产品运营或者销售各种策略里面进行实际操作。
基本上我们能够预测用户未来的行为。
因此如果我预测到这些用户会买单，我们就把销售的资源调到这里面来增加销售额。当时 linkedin 一周的销售额增长了 270% ，以前的话销售打一个电话来，500 个人的名单，随机给人打电话非常没有效率，后来用了这个体系以后，他就给最重要的几个打电话，这样提高了效率，得到了更好的效果。
