随着大数据在各个领域的广泛应用，数据驱动的产品和精细化运营成为企业管理的法宝。因此，数据分析师的职位吸引了越来越多的关注。2020年，可以转行做数据分析师吗？
不知道是不是因为疫情的原因，金三银四的找工作已经推迟到5月份了。最近找我转行做互联网或者数据分析师的人突然多了起来。简单写一篇文章，分享一些数据岗的现状，希望能帮助童鞋少走弯路。
对分析师数据的需求正在下降。
首先，数据分析师岗位需求下降。
这主要意味着对新手分析师的需求下降，高端职位仍然供不应求。但是说到转行，转行到高端岗位是不可能的，所以这里只说入门岗位。
需求下降的主要原因是:
1.领导对数据分析的期望值降低。
之前，数据分析这个概念很火。许多企业领导认为数据分析是提高绩效的一个工具，并对数据分析寄予厚望。
但是，一段时间后，他们发现很多问题是数据分析解决不了的。无论做多少分析，业务的不确定性还是很大的，对业绩的提升不会有太大帮助。
部分原因是数据基础太差，没有需要的数据。为了支持数据分析，我们必须从头开始构建数据仓库。巨大的成本让创业公司感到疲惫和不被爱，往往在数据基础搭建好之前就半途而废。
也有一些公司有一定的数据基础，但是数据分析团队做出的东西让业务方觉得无所谓。几款看起来很高级，但总是无济于事。
因此，现在企业领导对数据人员的期望没有以前高了。
2.业务方面已经自己做了分析。
在公司的数据分析文化初期，这种技术工作只能由专业的数据分析师来做。慢慢的，业务方发现，分析师的前前后后好像就那么几个套路，还挺想学的。所以这两年业务端的数据分析能力有了很大的提升，很多业务人员开始尝试自己做数据分析。
这些业务人员有数据分析思路，但缺乏SQL能力。所以去年数据产品经理这个职位特别火。
这并不是说不需要数据分析师。逻辑复杂的数据处理、数据建模、专题分析还是需要数据分析师的，但专业要求更高，压缩了新数据分析师的生存空。
求职的竞争压力增加了。
数据分析师岗位人才越来越多。
学校招聘
数据分析师这个职位是两年前刚出来的，高校也没有相应的专业。当时学校的招生基本都是应用统计，数学等专业。
今年有一个明显的不同，出现了很多专业对口的毕业生。2016年和2017年，共有35所高校成功申报“数据科学与大数据技术”新本科专业，历时四年。算算，2020年，这些人刚开始找工作。此外，海外也有很多相应的硕士专业，如“商业分析”、“数据分析与商业智能”等。这些岗位学制较短，今年开始大规模输出毕业生。
社会招聘方面
以前企业对大数据有很强的需求，但很少有人懂分发。既然什么都不懂，那就找个离你近一点的人去学，去做。所以现在那些有几年经验的数据分析师，往往都是从传统BI、数据开发或者业务人员转型过来的。那段时间可以说是转行做数据分析的好时机。
那段时间，数据分析师做了很多事情。虽然当时都叫数据分析师，但是他们现在做的工作可能是数据运营，BI工程师，算法工程师，业务分析师等等。现在这些岗位逐渐细分，技能要求和岗位职责越来越明确，不再统一称为数据分析师。以后可能会有更多细分岗位，可以参考产品经理的发展。现在已经细分到眼花缭乱的程度，一秒钟就伤到产品经理们了。
显示数据分析师岗位专业化的一个证据就是现在数据分析课程越来越多，说明这个岗位的工作技能是可以标准化和专业化的。很多关于数据分析思维和案例的培训课程，让数据分析师越来越难以入门。
这些课程一度非常受欢迎。还记得朋友圈第一个广告是python训练营。
回想当年学数据分析技巧的时候，没有一本目录告诉你该学什么，不该学什么，甚至连数据分析都不知道该怎么做。我只能学到可能有用的东西，所以我学到了很多无用的技能。回过头来看，现在想转行做数据分析师的人都很开心，但是进入门槛低，竞争更加激烈。
一些建议
虽然我说数据分析越来越难，但是这个位置短时间内不会消失。如果你立志成为一名数据分析师，有哪些解决方案？
1.先做手术，曲线救国。
由于运营进入的门槛比较低，进入的概率会比较高。在运营的岗位上，可以接触一些数据权限，逐渐转变为数据运营的角色。
做了一段时间的数据运营，再做数据分析，数据分析的思维会更容易落地，企业领导也会更重视你的建议。
即使此后职称一直在运营，但是数据分析方面的技能和经验都有了，职称已经不重要了。有了这些经验，内部跳槽或者转行做数据分析师都是可以的，难度比0简单多了。赶上好项目，说不定弯道超车。
建议学习excel、tableau、powerbi、finebi等常用BI工具的使用。，并在上岗前阅读一些运营方面的入门书籍。面试的时候，你表现出自己是一个多才多艺的人，这对于一个创业公司来说是加分的。
2.知识付费真的很有用。
自学数据分析然后成功就业很难。
数据分析师还是比较有经验的岗位。没有一定的项目经验，单靠技能是无法满足岗位要求的。几年前，边干边学还是可以忍受的，但我们现在需要的是能马上工作的人。
虽然线上课程和一些线下培训只是教数据分析的皮毛，但是很多技能是可以自学的。但它们真正的价值在于项目案例。这些项目一般都是实践项目，比kaggle上的那些竞赛题更接地气。跟着这些项目走，总结思维，比学习技能更重要。
没有经验的分析师现在可能连简历都过不了。
另外，在招聘中要注意JD，准备相应的项目。不要在业务数据分析的面试中炫耀你的挖矿项目。
另外，答应我不要在简历里写房价预测之类的项目。
另一个同学，现在在二三线城市的传统企业做BI类的工作，想转行去互联网公司做数据分析，问我怎么办？
首先，互联网公司一般都在一线城市。想去互联网公司，只能换城市。如果确定要换互联网公司，以上两种方案都可以尝试。
如果不考虑换城市呢？
我给他的建议是立足于传统企业的数字化转型，形成自己的一套传统企业数字化转型的解决方案。
数据转型是传统企业的趋势，但这个工作并不好做。
互联网经验不能直接复制到传统企业，因为员工的数据基础不同，商业模式不同，数据意识不同。所以互联网数据人才很难直接去传统企业做数据转型。
一个传统企业出身的人，如果熟悉数据系统的建设，有一套适合传统企业转型的方案，就可以在这个小细分领域活得很好。虽然工资可能没有互联网高，但是不在一线城市压力没那么大，竞争没那么少，职业生涯可以延续很多年。
分享这些数据分析师岗位的发展现状和趋势，是为了帮助你少走弯路。
但是少走弯路不代表不努力。转行不容易，少抱怨多行动。
#专栏作家#
专注于数据驱动的业务增长，擅长数据分析和用户增长。热爱阅读、思考和创造。
本文由人人作为产品经理原创发布。未经许可，禁止复制。
来自Unsplash的图像，基于CC0协议。
