2020年5月6日，人力資源和社會保障部發布《新職業—大數據工程技術人員就業景氣現狀分析報告》，報告顯示：預計2020年中國大數據行業人才需求規模將達210萬，2025年前大數據人才需求仍將保持30%—40%的增速，需求總量在2000萬人左右，數據分析人才是市場上迫切需要的高端型人才。

CDA(Certified Data Analyst)亦稱"CDA數據分析師"的人才標準。專指在互聯網、金融、電信、醫藥、旅游及其他傳統行業中專門從事數據的采集、清洗、處理、分析并能制作業務報告、提供決策的新型數據分析人才。持CDA認證證書的考生平均月薪約高出非持證人群20%左右，得到眾多名企青睞，已在中國移動、中國聯通、中國銀行、招商銀行、中國郵政集團、國家電網、奔馳、寶馬、聯想、無限極、蘇寧、金拱門、字節跳動、廣州地鐵等名企從事數據分析相關崗位。

于近日，CDA數據分析師公布了《2020上半年數據分析人才及CDA持證人行業報告》，正文如下：

一、數據分析的市場前景

當今世界，科技發展瞬息萬變，給大眾帶來生活便利的同時，也為國家發展、工作職能帶來了新的考驗。2016年國務院辦公廳印發的《國家信息化發展戰略綱要》和《"十三五"國家信息化規劃》提出"加快建設數字中國"，并將"數字中國建設取得顯著成效"作為我國信息化發展的總目標?！稊底种袊ㄔO發展報告（2017）》指出，加強頂層設計、總體布局，做出建設數字中國的戰略決策。在"數字中國"戰略的指導下，信息化基建的快速發展，各機關、大中小企業積極響應，逐步實現數字化轉型。

數字化轉型不僅需要底層信息化基建的支撐，還需要培養相關人才實施應用。領英中國發布的中國新興職業報告中指出，相比2013年，2017年數據分析師職業成為為五大新興職業之一。

圖表 1 2013-2017年排名前五的職位增長率

[領英中國2019年發布的《新興職業報告》，為圖表1中數據來源]

2013至2017年間，"數字中國"的國家戰略提出不久，信息化基建仍在發展初期，順應時代發展的新興職位數據分析師正以2.3%的增速增長。近幾年，越來越多的企業加入到數字化轉型的進程中，信息化基建趨于成熟，也激發了數據相關職位的市場需求。2020年，領英發布的最新新興職業報告[footnoteRef:1]顯示15個新興職位正以20%以上的年增長率高速增長。其中，以數據分析為主要工作職能的職位占比為20%，分別是人工智能專家、數據科學家、數據工程師。

圖表 2 排名前15的職位年增長率

[領英《2020年新興職業報告》，為圖表2中數據來源。]

在年增長率Top15的新興職位中科技類職位占比66.67%，就業市場的風口正指向科技型人才，數據崗位不再以單一的數據分析師崗位形式呈現。為適應就業市場需求，以數據分析為主要工作職能的崗位孵化出數據工程師、數據科學家和人工智能專家等。以數據為工作輔助的崗位已逐漸滲透到各行各業，諸如在運營類崗位介紹中要求"善于用數據作為運營工具"、用戶研究類崗位中要求"分析定性和定量研究數據，總結用戶體檢中的問題"等等。

圖表 3數據相關崗位劃分

隨機抽取招聘網站[[招聘網站指：智聯招聘、獵聘網、前程無憂、Boss直聘、拉勾網] 2019年至今的招聘數據，分析發現目前市場上和數據相關的崗位主要劃分為兩類：純數據崗位和數據賦能崗位（如圖表3）。純數據崗位的職責主要集中在數據處理、業務建模、數據可視化、數據平臺搭建，主要就職于公司的數據部門。在企業數字化轉型的進程中，不同行業不同崗位紛紛提出數據分析的技能要求，這使得數據賦能的崗位更加多樣化。

圖表 4 數據類崗位占比變化

[ 圖表4數據來源為智聯招聘、獵聘網、前程無憂、Boss直聘、拉勾網2019及2020年發布的數據相關職位數據。]

通過分析2019至2020年數據相關招聘職位（如圖表4），發現第二類數據賦能職位以24%的增速增長至47%，與第一類純數據類崗位占比僅差6%，就業市場上純數據的崗位正向數據賦能崗位傾斜，并逐步滲透至企業的各個部門。

（一）、純數據類崗位市場分析

圖表 5 純數據崗位招聘TOP20行業

[ 圖表5至圖表17為智聯招聘、獵聘網、前程無憂、Boss直聘、拉勾網2020年發布的數據相關崗位數據.]

其中，純數據崗位行業跨度138個行業左右，覆蓋常見的計算機軟件、電商、互聯網等行業?？紤]TOP4行業主要依托于線上系統管控日常經營活動，企業數據流轉需要具備數據技能的人才支撐，純數據崗位需求旺盛。結合企業規模，進一步分析各企業規模下純數據崗位的需求占比，如圖表6。

圖表 6 不同公司規模的純數據崗位需求占比

純數據類崗位主要集中在民營、上市、不需要融資、國企、合資和未融資企業，需求占比高達80%，此類規模企業職工人數基本在百人以上，職業發展相對穩定，建議求職時搜索此類企業規模的數據類崗位。其中，數據分析師、大數據工程師、數據開發架構師需求最為旺盛。為了解純數據崗位的學歷門檻，進一步分析崗位的學歷分布情況。

圖表 7 純數據崗位學歷分布

通過分析純數據崗位的招聘學歷門檻，發現純數據類崗位對學歷的包容性高，從中技到博士學歷均有涉及，且主要集中在本科和大專學歷，就業人群不必擔心學歷門檻的限制。缺少學歷門檻的約束，數據分析相關證書認證將成為人才篩選的新門檻，建議就業人群夯實數據分析的技能，以權威的數據分析認證證書為實力認證標準。

圖表 8 純數據崗位各省份占比

地域作為求職人群的主要考量因素，通過分析純數據崗位各省份占比，發現純數據崗位在各省份均有需求，人口密度高的省市機會占比大，就業人群不必擔心純數據崗位的地域性限制，可自由選擇工作地點。

圖表 9 純數據崗位薪資TOP20城市

不同工作地點的薪資變化較大，選取純數據零工作經驗崗位數據分析，發現薪資排名TOP20城市的平均工資為12.3K，除北上廣深外，無錫、三門等其他城市均可達到10K起步薪資。相比于消費水平較高的一線城市，這些高收入低消費城市也是不錯的選擇。

（二）、數據賦能類崗位市場分析

對比純數據類，數據賦能崗位的行業、職位選擇相對較廣。只要企業通過線上系統記錄各環節內容，就需要對應崗位人員具備數據分析的能力。

圖表 10 數據賦能崗位招聘TOP20行業

數據賦能類崗位行業種類跨度143個行業略高于純數據類，其中電商行業占比最高，主要受電商本身工作環境離不開線上系統的影響。相比于純數據類，TOP20的行業更分散，不再集中于IT相關行業，金融業、輕/重工業、零售業、服務業等均有涉及。結合企業規模，進一步分析各企業規模下數據賦能崗位的需求占比（此處列舉若干常見數據賦能類崗位），如圖表11：

圖表 11 不同公司規模的數據賦能崗位需求占比

約80%的崗位集中在民營、上市、未融資、不需要融資和合資企業中，此類企業發展穩定，是就業的不錯選擇。同時，數據分析的技能要求不僅覆蓋企業員工數占比較大前端核心盈利部門，也包括后端的輔助性部門財務、人力等。為了解數據崗位的學歷門檻，進一步分析崗位的學歷分布情況

圖表 12 兩類數據崗位學歷門檻對比

對比純數據，發現數據賦能崗位的學歷門檻包容性更大，基本沒有學歷門檻。這也加大了就業人群在求職過程證明自身實力的難度，建議考取數據分析權威機構發布的認證證書，以證明自身的數據分析能力。

圖表 13 數據賦能崗位各省份占比

進一步分析數據賦能崗位的地域分布，發現和純數據的分布基本一致，就業人群不必擔心數據分析相關崗位的地域性限制，可根據自身需求自由選擇就業地。

圖表 14 傳統職位與數據賦能薪資對比

隨機抽取產品經理和HR兩個崗位無工作經驗、相同工作地點，對比傳統和數據賦能（數據產品經理、HR數據分析專員）的平均薪資差異，發現數據賦能崗位薪資均高于傳統職位，高出的部分受益于數據分析技能的貢獻。

二、數據分析的職位要求

就業市場上不論是純數據方向還是數據賦能方向，對數據相關崗位的要求主要從硬性和軟性兩方面闡述，硬性要求指的是工具層面的掌握程度，往往是初學者關注的重點。而軟性要求因難以量化評估經常被忽視，需要理解分析方法論的價值及應用場景。這兩項要求貫穿于招聘全流程，硬性要求主要在筆試環節考核，軟性要求則在面試階段評估。

在明確硬性要求和軟性要求具體包含哪些內容前，需提前確定目標崗位對象以及不同對象的數據分析要求的難易程度。如圖表15：

圖表 15 數據分析功能劃分層次圖

將數據分析學習的難易程度劃分為低級別的業務數據分析，中級別的數據挖掘和大數據分析，高級別的數據科學。低級別的業務數據分析入門門檻低、使用范圍廣，主要解決數據處理、業務分析和平臺搭建；中級別數據挖掘需在業務數據分析的基礎上提升數學建模、編程、統計學的能力，同時中級別的大數據分析必須夯實業務數據分析的基礎，并提升對海量數據分析建模的代碼效率；高級別數據科學，需具備低中級的技能經驗，且能夠切合業務場景搭建有效的數據管控體系。根據數據分析人才的崗位劃分可知低中級別的崗位職能較為專項，高級別的數據科學需綜合運用數據相關的所有技能。

圖表 16 數據分析相關崗位工具使用頻率統計

硬性考核往往是行業新人最為關注的焦點，更是筆試環節的重點考核對象。通過分析就業市場數據相關崗位的硬性技能要求，如圖16，發現SQL為招聘要求中提及頻率最高的工具。為了解不同等級的硬性技能要求，進一步分析低中級技能的工具使用頻率。

圖表 17 低中級數據分析工具使用頻率

不同階段的硬性技能要求存在差異，業務數據分析階段主要需掌握EXCEL、SQL和BI（可視化軟件），而數據挖掘階段更加關注編程技能，如Python語言，大數據分析階段除SQL和BI外更加關注大數據平臺上特定工具的使用，如HADOOP、SPARK等，這與CDA提出的科學認證體系相一致。

圖表 18 數據分析各等級要求

數據分析作為一個高速發展的領域，且對于從業者的學歷背景包容性大，求職者缺少職業等級證書的支撐很難證明數據分析軟硬技能的掌握程度。如圖18，CDA根據市場需求將數據分析能力劃分3個級別，分別指出各級別的軟硬性要求，硬性要求指工具軟件的掌握程度和目前市場上數據崗位要求保持一致，軟性要求即為數據分析人才的硬性考核，分析方法、業務、結果展現的能力。

軟性要求最容易被初次嘗試數據相關崗位的求職者忽視，直至應聘環節才意識到軟性技能的重要性。軟性技能為主觀意識的考核，主要結合業務理解考核分析思維，往往在面試環節考核業務問題的處理思路，諸如"某業務的銷售額下降，請提供分析思路"等。若應聘者缺乏業務場景的積累、完善的分析框架，將在面試環節缺乏競爭力。若想提升軟性技能，只能通過大量的分析案例訓練，理解不同業務背景下分析方法論的應用。而目前市場上提供培訓認證主要關注工具的使用，而非切合實際業務場景的應用，這將導致新人出現看到數據無法開始工作的尷尬局面。同時，應聘者若想快速進入筆試環節，勢必優先通過簡歷篩選，數據分析為新興領域，如何讓招聘人員通過簡歷鎖定應聘者的價值呢，只有獲取領域內的權威機構的認證證書才能在此環節加大簡歷的通過概率。

CDA作為面向中高端用戶的、培養DT時代前沿技術人才的、國際化職業教育領導品牌，致力于為社會各界數據分析愛好者提供優質、科學、系統的數據分析教育。

• 2003年-依托于中國人民大學經濟學院，創立原人大經濟論壇，成為經管領域最活躍的交流社區；
•  2006年-北京國富如荷網絡科技有限公司成立，運營原人大經濟論壇；
• 2007年-原人大論壇開展統計、數據分析相關培訓，開創了國內商業數據分析教育先河；
• 2013年-CDA數據分析師品牌成立，提供體系化的大數據、數據分析人才培養與認證；
•  2016年-CDA匯聚海內外大數據、數據分析專家上千人，培養數據相關人才40000多人；
• 2019年-CDA認證考試已舉辦11屆，報名考生數萬名。CDA證書得到企業的認可和引進；
• 2020年-CDA數據分析師入選市科委2020首批高精尖產業技能培訓機構，參與CDA數據分析師人工智能領域培訓的企業和個人可根據市科委相關補貼政策申請相應培訓補貼資金。
• CDA在數據分析領域深耕多年，等級證書推出后獲多家企業認可：
• 2014年-成功舉辦第一屆認證考試，得到臺灣數據挖掘協會CDMS的認可；
• 2015年-得到美國學者的共同鑒定，并在波士頓進行會議分享；
•  2016-2018年-得到蘇寧、中國電信、中國銀行、德勤、聯想等大型企業的認可；
• 2019-2020年-得到統計局、稅務局等政府機關單位的引進。

圖表 19 CDA所獲榮譽

通過認證的考生可得到CDA數據分析師中文證書，CDA INSTITUTE英文證書（如圖20）。

圖表 20 證書樣式

圖表 21 往屆考生就職單位

[ 圖表21至圖表27數據來源為CDA第1屆至11屆等級考試參與學員基礎數據。]

CDA證書獲得各企業用人單位的認可與引進，如通信領域的三大運營商、金融領域的銀行/會計師事務所、互聯網行業巨頭百度/京東等。同時，越來越多的企業將CDA證書作為數據分析內部人才的評定標準，如四大會計師事務所德勤等（圖表22）。

圖表 22 CDA證書認可度

除了企業引進的認證，CDA獲得經濟日報的推薦，在招聘中享有優先錄取權。從2014年12月至今CDA認證考試已成功舉辦11屆，考生數量逐年增多。

圖表 23 往屆考生增長率

近兩屆報考CDA等級認證的考生增長率高達40%，在宏觀政策的影響下，勢必將有更多求職者、從業者選擇考取證書認證自身數據分析能力。

圖表 24 往屆考生行業分布

報考人員不必擔心行業、學歷、工作經驗的限制，如圖24，往屆學員來自各行各業，從業者在數據分析等級認證的基礎上為自有崗位賦能，求職者通過等級認證提升簡歷通過率。

圖表 25 往屆考生工作經驗分布

往屆考生工作經驗分布均勻，不同階段的考證需求略有不同，3年以下人群主要通過考證體系化學習數據分析，3年以上人群主要通過考證獲得崗位內評級晉升。

圖表 26 往屆考生崗位分布

根據數據分析功能層次劃分統計往屆考生的崗位分布，業務數據分析、數據挖掘、大數據分析、數據科學崗位數量比約為7.6：2：1.8：1，越初級的業務數據分析門檻低，崗位選擇多，越高級的數據科學門檻高，薪資優越。

圖表 27 往屆考生TOP20城市分布

往屆學員的工作城市遍布全國，選取TOP20城市發現考生不再只集中于一線城市，二三四線城市均有分布。結合市場薪資分布可知，非一線城市消費低薪資高，約一半考生來自非一線城市。

圖表 28 往屆持證人數據分析要點反饋統計

[圖表28至圖表32數據來源為CDA第1屆至第11屆持證人數據。]

通過深度訪談已獲取證書人群的數據分析應用，發現約38%提到業務思維搭建的重要性，這與CDA能力認證中強調的軟性技能相一致，唯有經過系統性學習的才能先它人意識到軟性技能的重要性。

圖表 29 往屆持證人學歷分布

考證不存在學歷限制，CDA往屆持證人群學歷主要集中在本科和碩士，等級證書在高學歷人群中認可程度高，建議低學歷備考人群夯實自身數據分析技能以提升自信。根據CDA證書等級劃分，進一步比對不同等級的持證人群和非持證人群薪資。

圖表 30 LEVEL I持證人群和非持證人月薪TOP10城市比對

CDA Level I等級證書主要面向業務數據分析，為數據分析領域的初級崗位，與之匹配的崗位為數據維護崗、數據分析師崗、數據賦能崗、BI工程師崗、數據開發崗。通過比對Level I工作經驗1年以下持證人和招聘市場上1年以下經驗要求的上述崗位薪資，發現持證人群的工資均高于非持證人群，且城市等級跨度廣，既包含一線城市，也包含中小城市。

圖表 31 LEVEL II持證人群和非持證人群月薪TOP10城市比對

Level II等級證書分為數據挖掘和大數據方向，為數據分析領域的中級崗位，與之匹配的崗位為數據挖掘工程師、大數據分析師。此類崗位需要業務數據分析經驗的支撐，比對Level II工作經驗3-8年持證人和招聘市場上3-8年經驗要求的上述崗位薪資，發現Level II持證人群工資均高于非持證人群，城市等級跨度廣，此類人群往往通過等級證書在現有崗位上實現升職加薪。

圖表 32 LEVEL III持證人群和非持證人群平均月薪比對

Level III等級證書為數據科學，屬于數據分析領域的高級崗位，一般為上市、國企的大型企業的招聘崗位，且主要在公司總部所在地北上廣深一線城市招聘。通過比對8年以上工作經驗獲取Level III證書的持證人群和市場上8年以上工作經驗要求的數據科學家、數據治理專家職位，發現持證人群平均月薪約高出非持證人群20%左右。

圖表 33 CDA等級證書對標崗位福利及要求說明

通過比對求職市場上的數據分析職位和與之對應的CDA持證人群月薪，發現經過系統學習并獲取等級認證的人群月薪均高于未考證人群，且城市不局限于一線城市。一份耕耘一份收獲，還有更多優秀學員供你學習。

通過考試不僅可以和往屆優秀學員交流，還可獲得以下福利：

更多考試介紹及備考福利請點擊：CDA 認證考試中心官網