第4节 电商数据分析岗位的职业规划

4.1 职业前景

工资高：据统计，2014年80%的就业者月薪在8000元以上，平均每年工资涨幅超过50%。

晋升快：1年晋升主管，2年晋升经理，3年晋升核心管理团队。

前景好：中国最火的TMT1行业，数据将成为企业的核心竞争力，是21世纪最“性感”的工作。

缺口大：每年新增市场缺口50万人，传统企业“触电”的需要，75%的高校新增数据类专业。

4.2 职业素养及成长阶段建议指南

数据分析的岗位大体分为3个级别，具体内容如下。

1．初级分析师

企业需求：初级分析师是数据架构的基础，承担了数据工作中大多数最基础的工作，通常初级分析师的人员比例不应超过20%。

职能定位：初级分析师的定位是数据整理、数据统计和基本数据输出工作，服务的对象包括中、高级分析师和业务方等。

职业要求：

·数据工具要求。基本的Excel操作能力和SQL取数能力；基本数据输出能力，包括PPT、邮件、Word等软件的使用能力。

·数据知识。对日常数据体系内涉及的维度、指标、模型的理解。

·业务知识。对基本业务知识的理解，能把业务场景和业务需求用数据转换和表达出来。

2．中级分析师

企业需求：中级分析师是数据人员架构中的主干，承担着公司中的专项数据分析工作，通常人员比例为40%～60%。

职能定位：中级分析师的定位是数据价值挖掘、提炼和数据沟通落地，服务的对象主要是业务方，除此之外，还可能参与高级分析师的大型项目并独立承担其中的某个环节。

职业要求：

·数据工具。熟练使用数据挖掘工具、网站分析工具。

·数据知识。了解不同算法和模型的差异及最佳实践场景，根据工作需求应用最佳实践方案。

·业务知识。对业务知识的深度理解，有较强的数据解读和应用推动能力。

3．高级分析师

企业需求：高级分析师及以上职位通常是数据人力架构中的火车头，承担着企业数据方向的领导职能，人员比例为20%～40%。

职能定位：高级分析师的定位是企业数据工作方向规则体系建设、流程建设、制度建设等，服务对象通常是业务及企业领导层。

职业要求：

·能搭建起企业数据体系，并根据企业发展阶段提出适合当前需求的数据职能和技术架构方案。

·规划出所负责领域内数据工作方向、内容、排期、投入、产出等，并做投入产出分析和数据风险管理。

·实时跟进项目进度和落地，并通过会议、汇报、总结、阶段性目标、KPI等形式做好过程控制和结果控制。

面向技术类的数据管理职业岗位如下。

1）数据工程师

定位：数据仓库开发、数据库实施，为分析应用及分析系统开发等提供技术支持。

应用技术：

·Oracle、DB2、MySQL、SQL、Linux。

·Java、Python、R、XML、JSON。

·Hadoop、Radis、HBase、ZooKeeper。

任务：

·掌握数据存储技术的基本概念、原理、方法和技术。

·了解数据应用系统的生命周期及其设计、开发过程。

·理解数据分析基本的业务知识、业务场景并开发实施。

2）算法工程师

定位：针对特定的数据分析业务需求，提供最合适的算法进行数据计算。

应用技术：

·SPSS、Clementine/SAS、EM。

·回归模型、决策树、协同过滤、聚类算法。

·Mahout、机器学习、自然语言处理。

任务：

·根据自己对行业及公司业务的了解，独自承担复杂的分析任务，并形成分析报告。

·相关分析方向包括：用户行为分析、广告点击分析、业务逻辑相关及竞争环境相关。

·根据业务逻辑变化，设计相应分析模型并支持业务分析工作开展。

3）架构师

定位：将数据需求转换为规范的开发计划及文本，并制定项目的总体架构，指导整个开发团队完成需求。

应用技术：

·面向对象分析、设计、开发能力，大型数据库、分布式数据库、内存数据库。

·各种开发语言并了解其中的优劣、各处算法及其用处。

·EJB设计模式、J2EE构架、UDDI、软件设计模式。

·PPT、PowerDesigner、MindManager、Visio。

任务：

·提供技术支持，在关键时刻攻克最艰巨的技术壁垒。

·精通业务需求，提出架构方案并搭建技术体系。

·转化业务需求为技术需求，并确定最终技术架构方案。

·主导系统全局分析设计和实施、负责软件构架和关键技术，并协助核心技术开发。