数据行业的高级岗位和初级岗位，到底有什么区别？

最近搜罗了一些粉丝问的问题，一些比较好的问题拿出来和大家一起探讨，今天的问题是就数据分析的岗位级别区分来探讨一下，帮助大家在数据分析的岗位晋升中可以有的放矢。

首先我们来看看，一个初级数据分析岗位，都需要具备什么样的特征：

1、工作内容：

初级数据分析岗位虽然也叫做“数据”，但实际的工作内容可能只有50%跟数据相关，比较重要的工作就是写写日报、月报（报表体系搭建），取取报表数据（或是数据库取数），抄送、上报数据（指标数据监控），简单数据处理（初级数据清洗加工），做做PPT（数据报告制作与展示）等等。

初级岗位的工作通常比较机械，与业务的接触是很少的，很多公司的“数据分析岗位”其实就是“数据运营”，运营的内容占到大多数。

2、硬性职责：

EXCEL、SQL、PPT这些是必须要会的，另外还需要一颗能耐住寂寞的心和抗压力。

其中excel起码要熟练运用if、vlookup这些函数，sql要掌握嵌套查询、联合查询等基础功能，PPT能力不需要很出众。

3、加分能力：

BI能力、可视化能力、业务能力，这些都是在简历筛选当中能让面试官眼前一亮的技能，其中最最难能可贵的就是对业务的理解能力。

比如给你一张网站的流量数据，你一眼就能够看出哪个数据有异常、哪个流程可能出现问题、每个环节应该采取什么措施，这就是真正的业务能力。

而且千万要注意！不要以为BI能力就是学一些SPSS、VBA、Python这样的工作，真正的BI能力是对数据的敏感度、数据处理能力和分析能力，也就是我们经常所说的“心中有数”。

我们随便从招聘平台上找一些数据分析岗位的招聘需求，就能看出这些岗位的门槛其实并不高，大量求职者涌入也造成了初级岗位的平均薪资，越来越不尽人意（中国的内卷化，你懂的）

我们再看看高级的数据分析岗位，都有什么样的特征：

1、工作内容：

高级（中级）数据分析岗位几乎随时都在跟数据打交道，简单的日报月报工作都可以用编程或者工具实现，每天最大的工作量就是跟处理业务的问题需求，或者配合数据部门进行建模、平台建设等工作。

如果是偏技术的，就是通过编程来处理数据、建立模型、预测数据等；

如果是偏业务的，就是通过业务模型来分析数据、输出方案、提高业务绩效等；

2、硬性职责：

扎实的统计学、至少一门编程语言、至少一门BI工具、数据库基础和一定的算法基础，比如机器学习、数据挖掘等。

编程语言的话推荐是python或者R，BI工具国内基本会用FineBI、PowerBI等，以及多元统计、决策树、逻辑回归等数据挖掘知识。

那么，高级和低级数据分析岗位的区别，到底是什么呢？

我认为，二者的最大区别就是在对业务的理解上。

初级数据分析做的都是底层取数工作，价值不容易体现，老板不会很重视你的意见和作用，你说的话业务也不会相信。所以刚入门的初学者，基本上只能做机械性质的工作。

但是，当你能慢慢对业务和数据有了敏感度和自己的理解，在业务时间想方法提升机械工作的效率，比如日报月报、excel上报、数据库取数等，是不是有更快的方法实现，这时候你做出来的东西，一定能让老板眼前一亮。

最后，再去跟业务充分学习指标、逻辑、数据等经验知识，至于怎么去学习业务经验，这里篇幅问题不详细讲了，之前的文章曾经提到过。

但这一切都要基于一个好用的数据可视化平台。现在市面上流行的有FineBI、Power BI、DataV、鼎数，但权威机构IDC指出市场占有率第1的还是FineBI，这些都可以做数据分析。