什麼是數據分析師

A. HR數據分析師是什麼

偏人力的數據分析師。
一、薪酬
先說重要的，出來工作嘛，主要是為了薪酬。我在這個職能做了也已經三年多了，期間也接觸了不少外部機會。總的來說薪酬並不比業務分析方向差，起步薪酬甚至比業務數據分析好的不是一點半點。主要原因，一是目前市場上這個方向的數據分析師很少，供不應求；二是有需求這個職位的基本都是大公司，在華員工數打底兩千人以上，或者千人以上並處於急速擴張中的，本身這種類型企業的薪酬就不會太差。但是目前的問題在於，起步價不低，可是封頂也不高。這個我會在下面職業發展一塊詳細來說。不過封頂這事情吧，你沒到一定級別還是不需要考慮太多的。
二、職業發展
這個還是看職位歸屬的部門的。
以前我是做業務方向的，基本上都是個人直線或者所在部門直線匯報給業務老大（GM-1）。這種情況下你可以在自己崗位按部就班的晉升到老大以下的最高級別，總體發展態勢還是不錯的。
而HR就有點特殊了。國內很多公司（無論國企外企），人力資源分析都處於起步階段，定位就沒有那麼明確，匯報線也是千奇百怪。多數公司的HR都是按照三支柱理論，分為業務夥伴（HRBP）、專家（COE）和共享服務中心（SSC）。常見的一種情況是人力資源數據分析被劃在了SSC（三個支柱中最底層，員工最junior的），原因是HR所有數據都產生於SSC。順理成章的，因為數據產生於SSC，所以數據分析師需要匯報給SSC的頭兒（GM-2）或者是SSC分管非工資、非流程的「雜務」的頭兒（GM-3）。從職業發展上來看，你的上限比業務分析低了一到二層，有一定的「外行領導內行」的風險。如果要進一步發展，你幾乎都不得不承擔其他莫名其妙的雜務。我曾經收到過某個知名外企電話，招聘的數據分析崗位居然同時需要幫助上海員工辦理社保，並處理外籍員工的公司股票購買事務（外匯、稅務什麼的），簡直莫明其妙。不過好在目前我的公司發現了這個問題，正在逐步使數據分析脫離SSC序列，轉為專家一類的獨立部門。相信隨著數據分析價值的體現，越來越多的公司會發生這樣子的轉型。如此這般，人力資源數據分析從業者的上限將會被打開，甚至將會成為未來HR Head職位的角逐者之一。
三、工作內容
相比業務數據分析師而言，HR的數據分析師工作並不簡單，多數情況下甚至還更加繁雜。
一是HR部門對於數據的意識不如業務部門高，歷史數據的質量很差，初期你會不得不投入很大精力去完善數據保存，甚至是研究流程，乃至幫助流程管理方去提高流程數據的質量。
二呢，不是我抱有偏見，HR部門是個比較浮的部門，很喜歡fancy的東西，搞個大新聞。你一入職就會希望你能拿出一些很炫的產出（dashboard啊、離職預測啊什麼的），你得要不斷的說服他們先去清理歷史數據，積攢一段時間的數據。三是普遍來看，現在的HR對於數據的認識遠不如業務。你別老看他們培訓時候張口閉口的change mindset（擁抱變化的思維），在自己的職能方向，HR的思維是非常固化的。我就親眼見過群里從討論AI和數字化時代在不到十分鍾里變成了「HR的職能依靠溝通和經驗，是不可能被數字化工具和AI取代的」（黑人問號.jpg）。我還見過不少HRBP在入職兩年以後連離職率公式都不知道的。（講到KPI公式，這是一個大坑，離職當天的人算不算當天的員工數、試用期通過率用延遲計算公式還是即時計算公式，作為數據分析師都會頭大，遑論HR們了。）
不過，數據意識不強這一點也有好處，那就是他們不會拘泥於每一個數字細節，大方向差不多就成了。熟悉我的朋友都知道，我以前做業務分析時候，老闆是個漿糊阿三，但是他特別喜歡摳數字，我的收入總數和財務差了一分錢人民幣都會叫我查一下差異的原因在哪裡（基本都是匯率的保留小數位數問題）。在HR部門，這種蠢事會相對較少一點（如果你們公司global團隊不那麼愚蠢的話）。
四、部門關系
基本上，作為HR數據分析師，你和外部門關系本該只是一個數據出口。但是獲取數據的人不會這么認為，他們會覺得數據有錯了找你就行了，你不僅應該知道錯在哪裡，而且應該負責把他改正了。不過這個問題也不僅是HR分析存在的問題吧，但凡做數據的崗位，都會被這個問題困擾。
五、項目
項目其實是HR數據分析的一個難點。因為習慣或者文化問題，你的客戶很少會在遇到困難時想到用數據分析的方法去定位和解決問題。HRBP們更喜歡憑自己的經驗，收集一些特例並無限放大特例的普遍性，來尋找和解決「問題」。不能說這個方法完全無效，但是這樣子的思維很不利於數據分析文化的普及。
還有一些項目，比如離職預測、職位匹配等等，很新潮、容易吸引眼球，再加上HR的宣傳能力，套上AI啊、大數據什麼的包裝，宣傳效果一級棒。所以HR喜歡花錢做這種項目。不過往往最後建模什麼的不那麼難，但在實際應用時候會遇到阻礙。比如預測離職，你能把風險用戶直接給直線經理嗎？（以現在經理的素質，你都不知道人最後走了是模型准還是被經理逼走了。）比如職位匹配，很多直線經理會極度反感你們給員工提供內部職位的機會。怎麼去應用項目，永遠永遠是最大的問題。

B. 數據分析師有什麼發展前景

從行業背景上看，大數據作為現在最熱門的行業之一，最常見的職位可以大概的分兩個類型：
1、數據開發方向
偏技術，包括開發工程師、挖掘工程師、演算法工程師、數倉工程師，這些相對門檻有點高，對學歷、專業、畢業學校要求都是比較高的。
2、分析方向
偏業務，是通過數據發現業務問題，洞察行業機會點，通過數據產生的價值驅動企業的發展，這也是現在企業數字化轉型最需要的人才，對編程能力要求較低。
有一部分人在沒有建立分析思維，沒有一定的項目經驗的時候，可能只能做數據運營的工作，大表哥大表姐居多，數據運營和數據分析師的區別還是挺大的，根據企業的業務來看，一般來說數據運營主要是完成數據處理的工作，比如測算ROI，報表，數據整理，數據查詢和一些統計類的工作等，而數據分析師的工作不僅需要掌握一些工具的基礎操作，還需要懂業務，能夠把商業知識和數據結合起來，能通過企業的各項數據發現企業經營過程中的業務問題，幫企業解決問題。
那麼現在企業都在進行數字化轉型，企業的發展都是靠著數據來推動的，數據分析決策企業戰略。企業數字化轉型最需要的就是懂數據的人，而國內最缺的就是具備分析能力的人才，所以市場上數據分析師的需求和薪資待遇高居不下。
如果做一個對比的話，最火的高薪職業非程序員莫屬了吧，但是看就業前景的話，首先底層程序員工資低，競爭大，競爭從學校的時候就已經開始了，然後到了一定的年齡就危機了，這也是公認的。但是數據分析師卻不一樣，年齡越大項目經驗越豐富，也就側面作證分析的結果越靠譜，所以做數據分析師不管是從行業發展前景，還是從薪資，都是很有前景的職業。

C. 什麼是人力資源數據分析師

作用：幫助企業從人力資源應用的角度構建符合企業實際需求的 DAR（數據分析報告），找到評價組織及人力資源效能的核心數據，藉助簡單好用的數據分析工具提高數據分析效率，通過數字化人力資源管理最佳實踐賦能，找到適合企業的數字轉型之路，同時為人力資源管理工作提供數據支持和決策

應用對象：

企業管理人員、人力資源管理者、企業數據分析師、人力資源咨詢顧問

相關業務：

解決企業人力資源效率是否最高的問題

解決企業人力資源成本是否最低的問題

解決企業人力資源組織結構調整是否及時的問題

解決企業人力資源戰略決策是否科學的問題

解決企業人力資源數據是否准確的問題

解決企業人力資源轉型方向是否正確的問題

具體職責劃分：

初級——能熟練運用數字化管理系統，獨立完成人力資源各模塊工作的數據收集、數據處理、數據分析工作；能勝任企業人力資源事務性服務與常規工作。

中級——能運用數據收集、數據處理、數據分析設計完成企業人力資源管理工作和企業業務發展支持工作，能夠獨立處理工作中出現的問題；能夠與他人合作；能夠指導和培訓初級人力資源數據分析師。

高級——能提供人力資源統籌、規劃、設計、管理，為企業經營、戰略、風險等決策並提供決策數據支持；能夠獨立處理和解決人力資源管理中的難題；能夠指導和培訓初、中級人力資源數據分析師的工作；能夠組織開展人力資源數據分析工作的流程改善和技術優化；能夠組織開展系統的專業技術培訓；具有技術管理能力和團隊管理能力；能把握企業人力資源方向、控制風險，提升經營管理效率，賦能企業業務及產品，為組織蛛網式發展提供人才核心競爭力。

市場前景：

D. 數據分析師日常工作是什麼

數據分析有什麼用?

從工作流程的角度看，至少有5類分析經常做：

• 工作開始前策劃型分析：要分析一下哪些事情值得的做

• 工作開始前預測型分析：預測一下目前走勢，預計效果

• 工作中的監控型分析：監控指標走勢，發現問題

• 工作中的原因型分析：分析問題原因，找到對策

• 工作後的復盤型分析：積累經驗，總結教訓

E. 數據分析師是什麼

數據分析是干什麼的？

在企業里收集數據、計算數據、提供數據給其他部門使用的。

數據分析有什麼用?

從工作流程的角度看，至少有5類分析經常做：

• 工作開始前策劃型分析：要分析一下哪些事情值得的做

• 工作開始前預測型分析：預測一下目前走勢，預計效果

• 工作中的監控型分析：監控指標走勢，發現問題

• 工作中的原因型分析：分析問題原因，找到對策

• 工作後的復盤型分析：積累經驗，總結教訓

F. 什麼是大數據分析師

大數據分析師對應的是CDA二級大數據分析師考試。他們專注於構建管理數據模型的技術，仔細檢查數據，並提供報告和可視化來解釋數據隱藏的見解，模型的優化和改進等。你能拿到的薪水：大數據分析師作為架構的搭建者，在編程框架中舉足輕重，月薪一般為25k-50k理論基礎：統計學、概率論和資料庫、數據挖掘、JAVA基礎、Linux基礎軟體要求：必要 SQL、Hadoop、HDFS、Maprece、Mahout、Hive、Spark；可選R、Hadoop、Hbase、ZooKeeper、Pig等業務分析能力：熟悉hadoop+hive+spark進行大數據分析的架構設計，並能針對不同的業務提出大數據架構的解決思路。掌握hadoop+hive+ Spark+tableau平台上Spark MLlib、SparkSQL的功能與應用場景，根據不同的數據業務需求選擇合適的組件進行分析與處理。並對基於Spark框架提出的模型進行對比分析與完善。結果展現能力：報告能體現大數據分析的優勢，能清楚地闡述數據採集、大數據處理過程及最終結果的解讀，同時提出模型的優化和改進之處，以利於提升大數據分析的商業價值。

G. 什麼是數據分析師

數據分析師使用的主要工具可以是編程，但並非必要；
因為現在已經存在大量的強大、易用的數據分析工具，比如Excel、Tableau、SPSS、SAS等，即使你沒有編程能力，仍然能勝任絕大多數的數據分析工作；
同時，由於現在互聯網公司都在講大數據，數據的存儲基本上在各種大數據平台和資料庫中，因此你有必要掌握Hive、HDFS、MySQL等的使用，SQL的熟練掌握是不可避免的。
數據分析師一般有兩種，一種是面向業務的，主要對各業務線、產品經理、運營、各部門領導的需求提供支持，幫助他們分析業務、了解業務，發掘出業務中的問題並提供解決方案；另一種是偏宏觀的分析，一般沒有需求方，主要是自發地進行探索，主動找到公司業務中存在的問題，弄清公司發展的趨勢，對於公司發展的方向做出指引。

H. 數據分析師需要什麼條件才可以做

數據分析是干什麼的？

在企業里收集數據、計算數據、提供數據給其他部門使用的。

數據分析有什麼用?

從工作流程的角度看，至少有5類分析經常做：

• 工作開始前策劃型分析：要分析一下哪些事情值得的做

• 工作開始前預測型分析：預測一下目前走勢，預計效果

• 工作中的監控型分析：監控指標走勢，發現問題

• 工作中的原因型分析：分析問題原因，找到對策

• 工作後的復盤型分析：積累經驗，總結教訓

I. 數據分析師有哪些工作職責

數據分析是干什麼的？

在企業里收集數據、計算數據、提供數據給其他部門使用的。

數據分析有什麼用?

從工作流程的角度看，至少有5類分析經常做：

• 工作開始前策劃型分析：要分析一下哪些事情值得的做

• 工作開始前預測型分析：預測一下目前走勢，預計效果

• 工作中的監控型分析：監控指標走勢，發現問題

• 工作中的原因型分析：分析問題原因，找到對策

• 工作後的復盤型分析：積累經驗，總結教訓

J. 數據分析師主要是做什麼工作的

數據分析師工作的流程簡單分為兩部分，第一部分就是獲取數據，第二部分就是對數據進行處理。那麼怎麼獲得數據呢？首先，我們要知道，獲取相關的數據，是數據分析的前提。每個企業，都有自己的一套存儲機制。因此，基礎的SQL語言是必須的。具備基本SQL基礎，再學習下其中細節的語法，基本就可以到很多數據了。當每個需求明確以後，都要根據需要，把相關的數據獲取到，做基礎數據。
獲得了數據以後，才能夠進行數據處理工作。獲取數據，把數據處理成自己想要的東西，是一個關鍵點。很多時候，有了數據不是完成，而是分析的開始。數據分析師最重要的工作就是把數據根據需求處理好，只有數據跟需求結合起來，才能發揮數據的價值，看到需求的問題和本質所在。如果連數據都沒處理好，何談從數據中發現問題呢？
就目前而言，大數據日益成為研究行業的重要研究目標。面對其高數據量、多維度與異構化的特點，以及分析方法思路的擴展，傳統統計工具已經難以應對。所以我們要使用專業的數據分析軟體。數據分析工具都有Excel、SPSS、SAS等工具。Excel、SPSS、SAS 這三者對於數據分析師來說並不陌生。但是這三種數據分析工具應對的數據分析的場景並不是相同的，一般來說，SPSS 輕量、易於使用，但功能相對較少，適合常規基本統計分析。而SPSS和SAS作為商業統計軟體，提供研究常用的經典統計分析處理。由於SAS 功能豐富而強大，且支持編程擴展其分析能力，適合復雜與高要求的統計性分析。