你對自己有一個簡單的剖析，你就會知道你自己的崗位定位應該在什麼樣的一個階段。
- 如果你是高校的學生，還沒有拿到畢業證，你可能只能去找實習；
- 如果你已經工作了，根據我剛才講的工具使用和項目經驗的情況，你分析完了之後，你覺得我只能做分析助理了，因為我只會一些工具，其他的我都不會，你可能就從助理開始做起了；
- 還有的可能說我是學數學的，這些工具我也掌握一點，我也懂得一點點項目，你可以考慮做一些統計報表的工作；
- 有些人可能工作過一兩年，這方面多多少少都有些經驗了，你就可以去做數據分析師這樣的崗位了；
- 如果說經驗的話比較豐富一點的，工作已經有個兩三年時間了，也做過很多的項目，也有自己的一些思維的方式，你可以去挑戰資深的數據分析師；
- 如果在行業裡面待了很久，有足夠的經驗，在各方面的能力都具備的情況下，你可以去挑戰行業裡面的數據分析專家或者說數據科學家這種崗位。
那麼這些都是要根據你自己的情況來判斷，你需要去找什麼樣的崗位，絕對不是隨便去匹配的。你要說我只會工具，我只做過簡單的小項目，我能不能去挑戰一下資深的數據分析師？挑戰的精神可嘉，但是結果很慘。
▍企業如何招人
對企業裡面的人來講，招人的時候不會隨隨便便招一個什麼都不懂的人進來，就算HR不懂專業知識的情況下，他也會有自己的判別選才的一個方式。
HR會請專家來鑑別比較重要崗位的人才。如果說是一個實習生的崗位，可能它的重要性沒那麼高，只要是數學專業畢業的，HR認為你多多少少知道一些相關的知識，然後會招你過來，之後讓你去做一些比較簡單的活，做一些報表統計，做可視化圖表。
這個工作可能要求本來就不高，你的基本條件也都具備，HR會覺得讓你去做，你只要勤奮好學應該能做得出來，不會影響到我整個大的項目方面的事情。
但如果說要招個稍微好點的員工，像正式的崗位的時候，這是正兒八經要去創造價值的。這種崗位的重要度就不一樣，所以它選拔的標準也就不一樣。我們來看實習生的價格。
▍實習崗位
我今天查資料的時候，就發現今年就業確實是壓力很大，可能是學生比較多，大家在找實習的時候，只要你放出一個崗位很多人都會投簡歷，那麼企業其實也是知道最近就業壓力大，企業本身的壓力也很大，所以今年我們就發現實習生崗位的薪資降了很多。
去年我們實習生的工資像基本上都有每天150元~180元，今年很多企業都已經放到每天100元~150元之間，所以今年可能找工作的小夥伴們薪資要求可能要降低。
否則你不願意幹工資這麼低的工作，別人願意幹，那HR肯定就要那個肯幹的人，這個是很現實的問題。
我們看實習生的職業描述：基於業務需求，支持分析師對所有的數據進行整理、分析和檢查。其實這裡面無非就是要你幫做一些數據的整理和清洗方面的工作，然後負責與業務部門溝通，支持分析師對所有的報表進行製作和調整。
比如說我把數據已經整理結束了，然後剩下的我可能說做一些圖表，我沒有那麼多時間讓實習生幫我做，我就告訴你實習生這個數據，你幫我做成什麼圖數據庫，你做完了之後直接把圖給我，我把它做成PPT。
所以作為實習生，可能就是一個打雜。我教你怎麼去做可視化圖表這些，你也學到了一些知識，那對於認知的要求來講，只要求你會PPT、powerBI、EXCEL等包括分析的軟件，Python或者SAS，只要會一項就可以了，做事比較嚴謹，要求並不高。
那麼像這樣的實習生的崗位，數據分析師只要你是數學或者是計算機相關專業的，然後自己能夠學一點分析的軟件，你作為大學生主要去找一個實習生的崗位，我舉得應該還算是能找到的。
▍數據分析師
我要說一下老孃舅的hr，他們家的hr在做這樣的一個簡歷的招聘的信息的時候，肯定是抄人家的。
你看他是招數據分析師：參與BI類項目的分析與實施；負責數倉、數據集市、數據報表，包括ETL的數據清洗開發。
以上都沒問題，包括簡單的模型建模都沒問題，但是下面的要求的有點不清楚了，比如要求要hadoop開發，我不知道你到底在幹嘛。
分析和開發是兩回事。
老孃舅全國應該是兩三百家門店，員工數也就是兩三千人，菜品也就那麼多。我覺得你如果招分析師，可能大部分是顧客方面、地域的選址方面、產品、人群分析等等這方面的分析。
我就不知道為什麼要有“雲”？所以可能hr在寫的時候會借鑑人家的職業描述。因為hr並不是咱們這個領域裡面的專家，所以他在招聘的時候，我們能看到他招聘信息，大概是可以判斷他是想招什麼樣的人去做什麼樣的事情。
老孃舅是一個連鎖品牌，做的也挺好。他要是想招分析師，主要做什麼？
這個時候你可以去判斷它，無非就是幾百家門店分佈在各個地方，它的人群結構是怎麼樣的？
哪些地門店哪個菜賣得很好？
哪些門店的話生意特別好，他的原因是什麼？
我們下一次在開店的時候應該更加註重哪些方面？
新產品的開發的時候，這種人群裡面的口味怎麼樣？
新產品出來之後的應該怎麼去符合這樣的客戶需求？
如何定價？外賣的促銷等等大部分都是這些事。
所以我們可以通過企業在寫的崗位描述、企業的名稱，看他企業裡面的業務情況 ，可以判斷出來他要乾的事情。
我覺得只要是學過分析的，知道產品、顧客、促銷、定價，以及優化報表，掌握分析技巧的人，基本上符合老孃舅的數據分析師崗位。
當然你進去了之後說我不會Hadoop怎麼辦？其實作為分析師來講，你瞭解就可以了，無非知道在什麼地方取數據。
我覺得老孃舅目前還沒必要上做雲平臺這樣的概念，它的數據量沒那麼大，像茅臺這種企業它要上雲的情況下，完全是由第三方去操作的，不需要你一個分析師去幹這個事情。
數據分析師的崗位描述你會發現對工具的描述越來越少，不像去年和前年。去年和前年在招數據分析師的時候，他的崗位任職要求裡面會寫很多你要會這個工具那個工具，今年你會發現很多都偏業務層比較多，他把業務的描述寫的很重，把認知會輕一些。
▍高級數據分析師
數學、統計學、計算機、金融等相關專業有互聯網的這樣一個工作經驗更好。然後會常用的一些模型和算法，並且掌握數據庫，哪怕只會一種分析工具，比如說sp ss、SARS或者Python，沒要求你必須要會什麼，但會要求商業感覺敏銳、對數據敏感、能夠理解業務、尋找業務環節中的分析的相應的機會。
分析師的話其實就是在業務層，在運營、在產品、在決策。在各方面進行分析，我們分析師有三個分析的過程：原因分析、現狀分析、預測分析。
稍微高一點的高級數據分析師，它的要求其實也是業務很多，比如說面向市場精通業務、能夠反映數據的體系、進行運營、決策、產品銷售等方面的一些數據支持。
你對於這個比如說服裝領域業務員很熟悉，你是做服裝行業高級分析師，你對服裝行業非常熟悉，從原材料、倉庫到門店線上線下等等，包括運營這些東西，全部是要用數據化進行支持的。這個要求就比較高，這種人的薪資也比較高，你看他基本上年薪都能達到50~80萬之間。
他對認知的要求也不是很高，也沒有說你必須要會機器學習，你必須要會那個軟件，他崗位描述裡沒有這麼寫。所以現在還是偏重於業務層面東西比較多一些。
▍個人經驗總結
因為我當時在為阿里做大數據認證的時候，我17年18年兩年時間是專門在研究崗位的。那個時候中國的數據分析師的崗位描述方式，以及企業他們對於數據分析這個崗位的理解度和要求是不一樣的，今天是越來越明顯。
我相信未來還有很多新的崗位會出來，比如說專門做數據清洗，專門做數據可視化的，現在已經有一個新的崗位名稱出來，叫web可視化,前端web可視化工程師。也就是說原來做web開發的那幫人，也要學可視化，這樣你能把你的前端做得更漂亮，有的會出現2D或者3D的這樣的效果出來。
未來可能有專門的建模，專門的建模師、算法師、可視化工程師等等這些崗位會細化掉。
所以大家在找工作的時候，我建議大家認清自己的情況，根據自己的情況來選擇對應的級別，你到底是做助理還是做分析師，還是做資深的還是做高級的。
自己有個定位，然後同時有相關的能力，比如說項目能力、思維能力和行業的業務能力等。
九道門在本週五有一個線下沙龍，地點在我們公司。如果你們有時間可以到我們這來參加，可以線下進行交流，我們是覺得技術或者是分析的思維方式方法，是需要相互之間的交流碰撞，才能夠更好的去思考這些問題。
--END--
閱讀更多 阿里雲大數據認證 的文章
