本篇是数据分析求职面试系列，准备篇的第6篇，主题是数据分析师岗位的未来发展趋势。

一、第1个判断

第一个判断，数据分析这个岗位会从金字塔的顶端逐步向金字塔底端渗透下去。

数据分析岗和其他岗位有点不太一样。其他的岗位一般来说，出现的时候是高级岗和低级岗，同时出现的。

举个例子，像财务岗，财务岗刚出现的时候，大公司需要，小公司也同样需要。所以它在一开始出现的时候，它就是呈现金字塔结构的，也就是低级岗比较多，高级岗很少。

但是数据分析师是不一样的。数据分析岗在最开始诞生的时候，由于它需要依托于很好的数据建设，而这样的数据建设只有大厂才有可能有。所以呢，数据分析在一开始，它就只能出现在大厂。

也就是说，数据分析岗在一开始只有金字塔的顶尖，没有金字塔的底座，所以为什么前两年都是觉得数据分析师这个工资很高，不是因为这个岗位的工资高，而是因为这个岗位当时只出现在头部大厂，那些大量的传统企业，小企业是没有这个岗的。大公司本身薪资比较高，所以看起来数据分析岗工资高。

那么随着现在的数据的技术越来越发展，数据的获取和处理成本越来越低，很多的传统企业，小企业也开始有了自己的数据建设。所以也开始有了数据分析的需求，会有越来越多的初级岗，或者说数据专员这样的岗位出现，那这些岗位呢，薪资不会特别高。但是能够容纳大量的就业。如果你去看那些关于数据分析岗位未来的趋势报告的话，大量的报告都会提到未来的就业前景是非常好的。是因为他的需求总量在扩大，但是这个总量上如果你拆结构，看大量的新增岗位一定都是初级岗，那些高级岗的增长呢，相对来说是比较慢的。

所以呢？数据分析，如果你想要向高级刚走，未来的竞争一定是会越来越激烈的。

这里呢，顺便说一下数据分析师前两年确实是存在红利期的。因为那个时候的人才供应是相对不足的。

但是在中国呢，一个岗位的红利期是不会超过七年的。

为什么是七年呢？

因为一个岗位一旦有红利，那么高中生高考的志愿偏向就会往这个专业上走，那么本科四年加上研究生的三年，刚好是七年，所以。所以一旦七年过去之后呢，就会出现大量的本科生研究生来涌向这个行业，于是这个行业的红利就会快速的消失。数据分析，这个岗位的红利。预期呢，我认为可能是在15、16年开始的。那么现在进入到了2024年了，已经经过了将近八年多的时间了，所以它这个红利已经开始过去了。现在的各种校招社招的竞争压力，你们也可以感觉到，它的竞争是非常激烈。

二、第2个判断

第二个判断，是大厂和中小厂之间的跳槽壁垒会越来越严格。

前面提到呢，金字塔的底座的岗位会越来越多，但是这个底座你想要再往金字塔的顶层去走会越来越难。

以前的时候呢，有很多人是先在小厂做几年，可能就跳去一个中厂，中厂之后再去大厂，这个路径呢原本是成立的。但在未来，这个小公司跳大公司的路径会越来越难。

为什么呢？

首先呢，因为小厂和大厂之间，它的工作方式是差异很大的。小厂的话，老板对于业务的熟悉程度是很高的，他非常的清楚目前的问题是什么，他对于数据分析的期望，是你能给我数据来论证老板自己的想法是否正确？

而在大厂当中呢，一个领导对于整个业务他是没有办法做到面面俱到的。所以呢，他需要有一个人帮助他对业务当中的某一块做细致深入的分析，从而帮助他做决策。

所以呢，小厂更多的是做取数人的工具，而在大厂更多的可能会更偏向于业务的深度分析。因为这两类企业工作方式上的差异，造成了他们的工作经验之间互相并不匹配，你有三五年小厂的经验，你来到大厂，依然要重新开始学习，因为你要做的事情是不一样的。

我再举一个例子，我们用一些熟悉的岗位来类比数据分析未来的方向，我们还是以财务岗为例。如果你想成为金字塔尖的那部分财务人员，那么首先，你得名校毕业，然后你得进入四大会计师事务所实习，有了这些实习经历之后呢，你才有可能进入大公司，那企业在招聘高级的财务岗的时候呢，都会看你的履历。你的学校怎么样？你过去工作的公司是怎么样的？如果你是从一些小的创业公司来的，那么就很难成为一个高级的财务人员。

那么对于数据分析师来说呢，未来也是一样的。

前两年，因为数据分析人才整体来说是供不应求的，所以从小厂跳到大厂是可以接受的，但是在未来。人才的供给逐步充沛的情况下，那大厂肯定是宁愿招收更加优秀的人，所以小厂跟大厂之间跳槽的壁垒一定会越来越高。

三、第3个判断

第三个判断是数据分析这个岗位，在垂直领域上的分化基本已经结束了，接下去呢，主要是横向上的分化。

怎么理解这句话呢？

我先说一下垂直领域的分化。那垂直领域呢，你就可以把数据化管理这件事理解成一个垂直的漏斗，我们的数据分析工作，实际上就是把数据做获取，加工，清洗，监控，分析等等，这样几个步骤。这些步骤原来可能在2014年左右的时候，很多都是由BI或者说叫数据分析师，完成整个过程。

这个垂直的链路，目前它的分工是越来越细的，比如说像是数据的获取清洗，这些工作，现在更多的是数据仓库来完成这部分工作。像是埋点这些工作呢，现在更多的是数据产品经理来实现。数据分析师原来需要掌握一些基础的数据挖掘算法啊，比如说这个决策树啊，随机森林啊，XGboost啊等等，现在这些算法类的工作，分化到算法工程师身上去了。所以在整个的链路上，上游，下游等等都已经逐渐的拆分开了。

数据分析师做的工作越来越纯粹，变成了分析和一些临时的取数工作。

那现在剩下的这些工作还能不能再继续分化呢？

我认为再分化的可能性很低了，因为取数是基本上不可能完全被替代的，你的数据建设再完善也总有没有考虑到的一些维度，而分析这类工作呢，本身就是数据分析师的核心价值，所以这两类工作我觉得是已经没有办法再拆分了。所以我认为呢，数据分析师在垂直领域方向上，他的分工基本上已经告一段落了。

接下去是横向上的细分。横向上的细分指的是你们做的都是分析这项工作，但是你们做的分析是在不同的业务上做细分。比如说你做的是用户运营、他做的是商品运营、另一个人做的是商家运营。

这种分化在经营分析和业务分析上已经开始分化了，比如说经营分析更偏重的是高层的商业视角，他会观察企业内的一些商业因素有没有发生变化？有哪些问题？

而业务分析是更站在中层的视角，聚焦在自己团队内可以做哪些精细化的运营动作？

在未来业务分析还会继续深化。就像我刚才说的，用户分析，商家分析，商品分析等等，在未来数据分析越来越专业化的背景下，如果你原来是做某一个方向的，比如说用户分析。很有可能你之后就只能专注在用户分析这条领域上，所以呢，在目前跳槽的时候呢，你也必须考虑清楚你做的这个方向，在未来的五年十年的范围内它。它能不能持续的去做这方向？

比如用户增长这个领域，在一七一八年的时候是很火的，因为那个时候移动互联网到处都在抢用户的增量。但是很快到了二零年，二一年的时候，用户增量已经不存在了，所以这两年已经很少听到用户增长这个岗位了，那么在二二年，二三年左右呢，用户增长都是各个互联网公司裁员的重灾区。所以呢，你在选择数据分析的具体细分的横向上呢，也必须要考虑清楚你这个方向到底能不能长久？