最近很多小伙伴在問：數據分析師是有爭議的崗位嗎？它薪資高嗎？還是說它很難？咱們一個一個說。

任何人力資源在市場上流動的水平也是遵循經濟學原理的。供不應求，漲價。供過于求，低價。數據分析師的薪資水平確實是高于其他行業。

獵聘對2022年數字化人才薪資進行分析，發現以數據分析師、大數據分析師為代表的數字人才平均年薪遠高于全行業，人才年薪以10-20萬為主。近4年來，數字人才平均年薪遠高于全行業，且薪酬逐年增加，2022年比2019年增長11.5%。

世界經濟論壇《2023年未來就業報告》顯示，未來5年內增長最快的十大崗位包括了數據分析師和科學家、數字化轉型專業人員。

下面是不同薪資水平的分析師大致的要求：

1. 8K的初級數據分析師

大部分是應屆生或者轉行的朋友。大公司的最基礎崗位，比如數據專員?；蛘咧行」镜臄祿治鰨徫还ぷ鲀热荩?/span>

1、監控數據，取數

2、給業務方支持

技能要求工具要求掌握：SQL、Excel、Python、可視化工具Tableau/PowerBI有些公司的要求只有Excel以及可視化工具，這些小伙伴可能會覺得自己是“表哥表姐”，“取數機器”， "SQL Boy"。

再往上一個級別發展，就是中級的崗位，如果一直停留在初級數據分析師的階段，只是會用工具、會寫代碼的偽科學家，基本就是業務團隊的背鍋俠、工具人，存在感低。

2. 15K的中級數據分析師

到了中級，要求的綜合能力肯定是非常強的，工具技能要求也會很高。

比如埋點 AB 測試，統計學的應用以及業務能力，大家也能看到，一些大廠的面試真題都會針對于業務方面內容去來進行要求，比如銷售額分析，用戶畫像，DAU 產品分析，用戶路徑等，有的銷售團隊可能會問動銷率下降怎么分析，這些更偏向于業務側的方面提問。并且更需要的事情是你要做一些專題性的分析。

做專題分析也是會給你安排一條業務線，通過做這條業務線的 BP 有效去針對于日常的目標進度以及指標下降問題來給業務方提供支持，并且給他們一些取數的支持，讓他們更好地做分析和可視化。

如果想要做出很出彩的分析洞察，需要很懂業務，需要能明晰業務的痛點在哪里，而這個痛點用數據分析正好能解決。

3. 25K 的數據科學界

一般都是5 年以上工作經驗，屬于是數據分析負責人下面的一些中堅力量。在 25K 的等級上面，需要要求數據分析具備從 0 到 1 的能力。摸底分析針對于業務線細節拆分的能力，能非常理解業務的每個流程，關鍵的節點、目標拆分、對應指標以及對應指標的影響因素，能有效的去來支持業務方。跟業務方要討論甚至爭吵，甚至要告訴業務方現在應該爭取什么樣的資源，應該如何去來迭代等等。

對于高級數據分析師，如果想要獲得更大的晉升，除了在專題領域，在從 0 到 1 的數據、產品、指標體系，各項目經驗要豐富起來，同時還要有擔當。這個擔當就是幫助你的leader，幫助你的主管，承擔起來更大的責任，減少他的思考，減少他的負擔，放心地把業務線交給你。
很多大公司高級數據分析師不是一般的卷。這卷是怎么卷的？主要就是一些模型的構建，用到統計學方法支持。

有些這個級別的數據分析師也要做上傳下達的工作，但這個上傳下達除了領導和團隊之外，還有跟運營、產品、算法之間的關系。很多公司會需要算法與數據分析師合作，找到一些模型策略，迭代算法，同時支持運營。