大数据因为其背后蕴含的价值，被《经济学杂志》自2017年誉为“新的石油”，数据导向的工作也成为很多人的向往之一，特别是数据分析。

然而对很多人来说，它还只是个模糊的概念，总觉得离自己很遥远。其实并不然，领英早在2016年发布《中国最热职位人才报告》中提到：全球基础数据人才缺口已经增至 1500 万之居。无论是企业还是个人来说，掌握数据相关技能就掌握了未来。

• 数据分析 = 未来必备技能？= 趁早抓住？

有的人可能会问：“我不想成为数据分析师，那么是不是我就不用学这项技能？”，答案当然是：NO！它是几乎是各行各业的“万金油”，升职加薪的利器，原因是：

1. 有业务决策需求就离不开数据分析，尤其是数据分析思维

这几年，笔者从最初简单的数据报表的维护开发、建模到各行各业的业务问题解决方案，接触到了更多数据分析领域的核心技术以及思维，越来越觉得数据分析，是决业务问题的有效工具，是可以“活在未来”的思维，通过数据来对现实事物进行分析和识别的能力，就像如下所说一样:

“用分析的角度、 严格、 系统地思考业务问题， 然后得出能够影响这些数据的解决方案。 ”

——Michael O’Connell, TIBCO 的高级分析总监

所以在大数据、人工智能的浪潮里，只要公司有业务决策需求，都离不开数据分析这个“工具“。不懂数据，热门职位很大程度上会失之交臂，即使在若干年前入职大平台如阿里、滴滴、腾讯等，在大数据的浪潮里，也会被新人拍死在沙滩上。

2.除了专职数据分析师，有更多的职位开始对数据分析技能有需求

回想一下，我们日常生活中每天都会接触的场景：从微信朋友圈、短信推广，Amazon（亚马逊）等电商的商品推荐 ，今日头条、抖音等媒体的内容推送 ,甚至到出行路线优化，这背后都严重依赖于以数据为基础的决策结果。

无论你是处于公司中的哪个环节，从专职数据分析、市场策划、销售运营、到客户服务，都需要掌握数据分析技能。

另外，2016 年很多院校才刚刚开设 “大数据分析” 相关专业，也就是说科班出身的分析师，要到 2020 年才可能会出来工作，而如果现在入行或者学习数据分析技能，到时候也是资深人士了，抢先一步，占领先机，未来绝对是各行业内的领导者。

“学习如逆水行舟，不进则退”，在这股大数据浪潮中，你是选择逆流而上，还是进入湍流？想必你心里一定有数。

• 数据分析 = 现今稀缺技能？= 高薪？

大数据在带来极大商业价值的同时，也面临着巨大的人才需求。数据人才缺口，远比你想象的还要大。所以数据人才在就业市场的待遇好到令人仇恨，根本不足为奇。即使没有学历文凭的优势，有数据分析技能的加持，你也能找到一份“高薪”职业。

除了高薪之外，数据分析的热门抢手，还体现在以下几个方面：

1. 广泛的行业适用性

目前，数据分析职位缺口主要集中在三大巨头行业：移动互联网、计算机软件以及金融，总占比64%，同时非典型数据产业，潜移默化、迅速崛起。说明数据分析是各个行业都是通吃的技能，且都能期待不错的收入水平。

2.职业发展具有多样性

初期发展方向可以细分为BI专家、模型算法专家、业务分析专家。圈内不乏这种经典案列：技术岗沉淀数据分析思维和技能，转战产品经理、运营经理、管理经理、甚至是公司层面的Sales， 且都是同期的佼佼者。

3.入门并不难，并且越久越香

很多数据分析师并非都是科班出身，不乏来自经济、管理、化学、甚至英语专业，入门数据分析师并没有我们想象中那么难，相反是可以快速入门的高薪、市场急缺的、发展空间大的热门职业。一旦你在拉勾、猎聘等大的招聘网站上发布职位跳槽信息时，几个小时内绝对会被HR、猎头锁定。

短短的二三年时间，各行业的研究报告表明，大数据在现在、甚至未来都会是各个公司的核心资产，并且其商业价值会越来越高，并且在很长一段时间内供不应求。我相信只要你已经入门数据分析，加持熟练的业务知识，之后的职业道路相对会顺利很多。

读到这里也许你现在已经克服心理困难，决定不要做个围观者，而是时代的领导者，作为零基础的小白或者是有一定基础的高手，我该如何在数据分析的道路上越走越远？

• 数据分析人的职场天花板

1.走AI路线，吃技术红利

数据分析最好的落地场景目前来看是推荐系统，几乎所有的互联网公司都在做个性化推荐，今日头条、网易云音乐这些公司都以精准的个性化推荐著称，个性化推荐是它们赖以生存的业务场景。

去这些公司从事推荐系统相关的数据工作能够获得很好的起薪，也有很好的发展空间，但相对的门槛也很高，计算机、统计学或数学的硕士学历是标配；

2.去大型互联网公司，吃行业红利

如果你跟我一样走不了AI（Artificial Intelligence人工智能）路线，那么一定要去大的互联网公司，它们对数据足够重视，内部有一个足够大的数据团队供你学习和发展，同时也能拿到跟互联网公司主力岗位开发、产品相当或者稍低的起薪。

我们拿网上的公开数据做对比，以亚马逊为例，亚马逊的开发岗位SDE（Software Development Engineer软件开发工程师）的薪资范围是：

3.职业天花板

很少有经验很丰富的数据分析师，大都从业5年以内，10年的大都转管理或转做其他职位。程序员和产品经理则不同，程序员可以走技术线一直到架构师，不做管理也能年薪百万，一个资深的产品经理负责重点的营收产品也能年薪百万，而走AI路线那些算法人员由于不可替代性，很多公司直接开出百万年薪。

PayScale上BI（Business Intelligence商务智能）的职位发展路线是这样的：

总结出来是：

1、数据分析（BI）薪资增长缓慢；

2、数据分析无法一直走技术线，进一步发展只能走管理；

3、数据分析最高到BI总监，无法到副总裁或以上。

• 如何打破天花板？

1.找到一个数据分析的应用场景，走业务为主，数据分析为辅的路线

有非常多职位名称不是数据分析，但做的就是数据分析的工作，最普遍的就是财务分析了。PayScale里数据分析师的发展路线是这样的：

可以看到大头是往财务分析、财务总监这条路走，如果你有财务背景又想做数据分析，可以考虑往财务分析走，企业可以没有数据分析，但不能没有财务分析，财务是数据分析里边最普适的一个应用场景。

相似的还有风控，见过不少原来在互联网公司做数据分析的人去金融企业做风控，国内很多信用卡中心和P2P（peer-to-peer个人对个人）公司有大量这样的职位，风控在金融企业也算核心岗位之一。

如果你对财务不感兴趣，在自己公司内部也要尽量从事一些可以落地的业务场景，比如在大型互联网公司做账号风险管理，从事防盗号，防刷单的数据分析工作。

从事紧贴业务的数据分析才能落到实处，才能体现出价值，除了发展更好外，也能在公司裁员时不至于被淘汰，因为你做的事是有业务价值的。

2.去核心业务就是数据本身的公司工作

在FMCG（Fast Moving Consumer Goos快速消费品）行业如宝洁、箭牌等，CEO要不是销售做起来，要不是市场、品牌管理做起来，因为这些职位能直接拉动业务。在会计师事务所做财务，做审计，你能达到的职场顶点不是财务总监而是CEO。

因此做数据的，如果能去一些本身就是从事数据业务的公司工作，自然能打破职场天花板。市场上有很多这样的公司，比如做数据咨询业务的公司，艾瑞、易观、尼尔森、华通明略等，在里边做数据分析业务，你的职场顶点绝不是BI总监。

又或者像GrowingIO、神策数据这样的数据平台公司，创始人都是BI出身的，比如GrowingIO的创始人就是前Linkein（领英）的BI总监。去这样的公司，你会有更广阔的职场跑道，而不是在其他公司一样撑死就是BI经理或总监。