什么是数据分析师

A. HR数据分析师是什么

偏人力的数据分析师。
一、薪酬
先说重要的，出来工作嘛，主要是为了薪酬。我在这个职能做了也已经三年多了，期间也接触了不少外部机会。总的来说薪酬并不比业务分析方向差，起步薪酬甚至比业务数据分析好的不是一点半点。主要原因，一是目前市场上这个方向的数据分析师很少，供不应求；二是有需求这个职位的基本都是大公司，在华员工数打底两千人以上，或者千人以上并处于急速扩张中的，本身这种类型企业的薪酬就不会太差。但是目前的问题在于，起步价不低，可是封顶也不高。这个我会在下面职业发展一块详细来说。不过封顶这事情吧，你没到一定级别还是不需要考虑太多的。
二、职业发展
这个还是看职位归属的部门的。
以前我是做业务方向的，基本上都是个人直线或者所在部门直线汇报给业务老大（GM-1）。这种情况下你可以在自己岗位按部就班的晋升到老大以下的最高级别，总体发展态势还是不错的。
而HR就有点特殊了。国内很多公司（无论国企外企），人力资源分析都处于起步阶段，定位就没有那么明确，汇报线也是千奇百怪。多数公司的HR都是按照三支柱理论，分为业务伙伴（HRBP）、专家（COE）和共享服务中心（SSC）。常见的一种情况是人力资源数据分析被划在了SSC（三个支柱中最底层，员工最junior的），原因是HR所有数据都产生于SSC。顺理成章的，因为数据产生于SSC，所以数据分析师需要汇报给SSC的头儿（GM-2）或者是SSC分管非工资、非流程的“杂务”的头儿（GM-3）。从职业发展上来看，你的上限比业务分析低了一到二层，有一定的“外行领导内行”的风险。如果要进一步发展，你几乎都不得不承担其他莫名其妙的杂务。我曾经收到过某个知名外企电话，招聘的数据分析岗位居然同时需要帮助上海员工办理社保，并处理外籍员工的公司股票购买事务（外汇、税务什么的），简直莫明其妙。不过好在目前我的公司发现了这个问题，正在逐步使数据分析脱离SSC序列，转为专家一类的独立部门。相信随着数据分析价值的体现，越来越多的公司会发生这样子的转型。如此这般，人力资源数据分析从业者的上限将会被打开，甚至将会成为未来HR Head职位的角逐者之一。
三、工作内容
相比业务数据分析师而言，HR的数据分析师工作并不简单，多数情况下甚至还更加繁杂。
一是HR部门对于数据的意识不如业务部门高，历史数据的质量很差，初期你会不得不投入很大精力去完善数据保存，甚至是研究流程，乃至帮助流程管理方去提高流程数据的质量。
二呢，不是我抱有偏见，HR部门是个比较浮的部门，很喜欢fancy的东西，搞个大新闻。你一入职就会希望你能拿出一些很炫的产出（dashboard啊、离职预测啊什么的），你得要不断的说服他们先去清理历史数据，积攒一段时间的数据。三是普遍来看，现在的HR对于数据的认识远不如业务。你别老看他们培训时候张口闭口的change mindset（拥抱变化的思维），在自己的职能方向，HR的思维是非常固化的。我就亲眼见过群里从讨论AI和数字化时代在不到十分钟里变成了“HR的职能依靠沟通和经验，是不可能被数字化工具和AI取代的”（黑人问号.jpg）。我还见过不少HRBP在入职两年以后连离职率公式都不知道的。（讲到KPI公式，这是一个大坑，离职当天的人算不算当天的员工数、试用期通过率用延迟计算公式还是即时计算公式，作为数据分析师都会头大，遑论HR们了。）
不过，数据意识不强这一点也有好处，那就是他们不会拘泥于每一个数字细节，大方向差不多就成了。熟悉我的朋友都知道，我以前做业务分析时候，老板是个浆糊阿三，但是他特别喜欢抠数字，我的收入总数和财务差了一分钱人民币都会叫我查一下差异的原因在哪里（基本都是汇率的保留小数位数问题）。在HR部门，这种蠢事会相对较少一点（如果你们公司global团队不那么愚蠢的话）。
四、部门关系
基本上，作为HR数据分析师，你和外部门关系本该只是一个数据出口。但是获取数据的人不会这么认为，他们会觉得数据有错了找你就行了，你不仅应该知道错在哪里，而且应该负责把他改正了。不过这个问题也不仅是HR分析存在的问题吧，但凡做数据的岗位，都会被这个问题困扰。
五、项目
项目其实是HR数据分析的一个难点。因为习惯或者文化问题，你的客户很少会在遇到困难时想到用数据分析的方法去定位和解决问题。HRBP们更喜欢凭自己的经验，收集一些特例并无限放大特例的普遍性，来寻找和解决“问题”。不能说这个方法完全无效，但是这样子的思维很不利于数据分析文化的普及。
还有一些项目，比如离职预测、职位匹配等等，很新潮、容易吸引眼球，再加上HR的宣传能力，套上AI啊、大数据什么的包装，宣传效果一级棒。所以HR喜欢花钱做这种项目。不过往往最后建模什么的不那么难，但在实际应用时候会遇到阻碍。比如预测离职，你能把风险用户直接给直线经理吗？（以现在经理的素质，你都不知道人最后走了是模型准还是被经理逼走了。）比如职位匹配，很多直线经理会极度反感你们给员工提供内部职位的机会。怎么去应用项目，永远永远是最大的问题。

B. 数据分析师有什么发展前景

从行业背景上看，大数据作为现在最热门的行业之一，最常见的职位可以大概的分两个类型：
1、数据开发方向
偏技术，包括开发工程师、挖掘工程师、算法工程师、数仓工程师，这些相对门槛有点高，对学历、专业、毕业学校要求都是比较高的。
2、分析方向
偏业务，是通过数据发现业务问题，洞察行业机会点，通过数据产生的价值驱动企业的发展，这也是现在企业数字化转型最需要的人才，对编程能力要求较低。
有一部分人在没有建立分析思维，没有一定的项目经验的时候，可能只能做数据运营的工作，大表哥大表姐居多，数据运营和数据分析师的区别还是挺大的，根据企业的业务来看，一般来说数据运营主要是完成数据处理的工作，比如测算ROI，报表，数据整理，数据查询和一些统计类的工作等，而数据分析师的工作不仅需要掌握一些工具的基础操作，还需要懂业务，能够把商业知识和数据结合起来，能通过企业的各项数据发现企业经营过程中的业务问题，帮企业解决问题。
那么现在企业都在进行数字化转型，企业的发展都是靠着数据来推动的，数据分析决策企业战略。企业数字化转型最需要的就是懂数据的人，而国内最缺的就是具备分析能力的人才，所以市场上数据分析师的需求和薪资待遇高居不下。
如果做一个对比的话，最火的高薪职业非程序员莫属了吧，但是看就业前景的话，首先底层程序员工资低，竞争大，竞争从学校的时候就已经开始了，然后到了一定的年龄就危机了，这也是公认的。但是数据分析师却不一样，年龄越大项目经验越丰富，也就侧面作证分析的结果越靠谱，所以做数据分析师不管是从行业发展前景，还是从薪资，都是很有前景的职业。

C. 什么是人力资源数据分析师

作用：帮助企业从人力资源应用的角度构建符合企业实际需求的 DAR（数据分析报告），找到评价组织及人力资源效能的核心数据，借助简单好用的数据分析工具提高数据分析效率，通过数字化人力资源管理最佳实践赋能，找到适合企业的数字转型之路，同时为人力资源管理工作提供数据支持和决策

应用对象：

企业管理人员、人力资源管理者、企业数据分析师、人力资源咨询顾问

相关业务：

解决企业人力资源效率是否最高的问题

解决企业人力资源成本是否最低的问题

解决企业人力资源组织结构调整是否及时的问题

解决企业人力资源战略决策是否科学的问题

解决企业人力资源数据是否准确的问题

解决企业人力资源转型方向是否正确的问题

具体职责划分：

初级——能熟练运用数字化管理系统，独立完成人力资源各模块工作的数据收集、数据处理、数据分析工作；能胜任企业人力资源事务性服务与常规工作。

中级——能运用数据收集、数据处理、数据分析设计完成企业人力资源管理工作和企业业务发展支持工作，能够独立处理工作中出现的问题；能够与他人合作；能够指导和培训初级人力资源数据分析师。

高级——能提供人力资源统筹、规划、设计、管理，为企业经营、战略、风险等决策并提供决策数据支持；能够独立处理和解决人力资源管理中的难题；能够指导和培训初、中级人力资源数据分析师的工作；能够组织开展人力资源数据分析工作的流程改善和技术优化；能够组织开展系统的专业技术培训；具有技术管理能力和团队管理能力；能把握企业人力资源方向、控制风险，提升经营管理效率，赋能企业业务及产品，为组织蛛网式发展提供人才核心竞争力。

市场前景：

D. 数据分析师日常工作是什么

数据分析有什么用?

从工作流程的角度看，至少有5类分析经常做：

• 工作开始前策划型分析：要分析一下哪些事情值得的做

• 工作开始前预测型分析：预测一下目前走势，预计效果

• 工作中的监控型分析：监控指标走势，发现问题

• 工作中的原因型分析：分析问题原因，找到对策

• 工作后的复盘型分析：积累经验，总结教训

E. 数据分析师是什么

数据分析是干什么的？

在企业里收集数据、计算数据、提供数据给其他部门使用的。

数据分析有什么用?

从工作流程的角度看，至少有5类分析经常做：

• 工作开始前策划型分析：要分析一下哪些事情值得的做

• 工作开始前预测型分析：预测一下目前走势，预计效果

• 工作中的监控型分析：监控指标走势，发现问题

• 工作中的原因型分析：分析问题原因，找到对策

• 工作后的复盘型分析：积累经验，总结教训

F. 什么是大数据分析师

大数据分析师对应的是CDA二级大数据分析师考试。他们专注于构建管理数据模型的技术，仔细检查数据，并提供报告和可视化来解释数据隐藏的见解，模型的优化和改进等。你能拿到的薪水：大数据分析师作为架构的搭建者，在编程框架中举足轻重，月薪一般为25k-50k理论基础：统计学、概率论和数据库、数据挖掘、JAVA基础、Linux基础软件要求：必要 SQL、Hadoop、HDFS、Maprece、Mahout、Hive、Spark；可选R、Hadoop、Hbase、ZooKeeper、Pig等业务分析能力：熟悉hadoop+hive+spark进行大数据分析的架构设计，并能针对不同的业务提出大数据架构的解决思路。掌握hadoop+hive+ Spark+tableau平台上Spark MLlib、SparkSQL的功能与应用场景，根据不同的数据业务需求选择合适的组件进行分析与处理。并对基于Spark框架提出的模型进行对比分析与完善。结果展现能力：报告能体现大数据分析的优势，能清楚地阐述数据采集、大数据处理过程及最终结果的解读，同时提出模型的优化和改进之处，以利于提升大数据分析的商业价值。

G. 什么是数据分析师

数据分析师使用的主要工具可以是编程，但并非必要；
因为现在已经存在大量的强大、易用的数据分析工具，比如Excel、Tableau、SPSS、SAS等，即使你没有编程能力，仍然能胜任绝大多数的数据分析工作；
同时，由于现在互联网公司都在讲大数据，数据的存储基本上在各种大数据平台和数据库中，因此你有必要掌握Hive、HDFS、MySQL等的使用，SQL的熟练掌握是不可避免的。
数据分析师一般有两种，一种是面向业务的，主要对各业务线、产品经理、运营、各部门领导的需求提供支持，帮助他们分析业务、了解业务，发掘出业务中的问题并提供解决方案；另一种是偏宏观的分析，一般没有需求方，主要是自发地进行探索，主动找到公司业务中存在的问题，弄清公司发展的趋势，对于公司发展的方向做出指引。

H. 数据分析师需要什么条件才可以做

数据分析是干什么的？

在企业里收集数据、计算数据、提供数据给其他部门使用的。

数据分析有什么用?

从工作流程的角度看，至少有5类分析经常做：

• 工作开始前策划型分析：要分析一下哪些事情值得的做

• 工作开始前预测型分析：预测一下目前走势，预计效果

• 工作中的监控型分析：监控指标走势，发现问题

• 工作中的原因型分析：分析问题原因，找到对策

• 工作后的复盘型分析：积累经验，总结教训

I. 数据分析师有哪些工作职责

数据分析是干什么的？

在企业里收集数据、计算数据、提供数据给其他部门使用的。

数据分析有什么用?

从工作流程的角度看，至少有5类分析经常做：

• 工作开始前策划型分析：要分析一下哪些事情值得的做

• 工作开始前预测型分析：预测一下目前走势，预计效果

• 工作中的监控型分析：监控指标走势，发现问题

• 工作中的原因型分析：分析问题原因，找到对策

• 工作后的复盘型分析：积累经验，总结教训

J. 数据分析师主要是做什么工作的

数据分析师工作的流程简单分为两部分，第一部分就是获取数据，第二部分就是对数据进行处理。那么怎么获得数据呢？首先，我们要知道，获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下其中细节的语法，基本就可以到很多数据了。当每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。
获得了数据以后，才能够进行数据处理工作。获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。如果连数据都没处理好，何谈从数据中发现问题呢？
就目前而言，大数据日益成为研究行业的重要研究目标。面对其高数据量、多维度与异构化的特点，以及分析方法思路的扩展，传统统计工具已经难以应对。所以我们要使用专业的数据分析软件。数据分析工具都有Excel、SPSS、SAS等工具。Excel、SPSS、SAS 这三者对于数据分析师来说并不陌生。但是这三种数据分析工具应对的数据分析的场景并不是相同的，一般来说，SPSS 轻量、易于使用，但功能相对较少，适合常规基本统计分析。而SPSS和SAS作为商业统计软件，提供研究常用的经典统计分析处理。由于SAS 功能丰富而强大，且支持编程扩展其分析能力，适合复杂与高要求的统计性分析。