写在前面： 本人只是一个25届数据科学专业的三本毕业生，目前薪资只有8k，在东北基本能活（干的就是我最烦的外包取数工具人，还是传统制造行业，属于是最脏最累的活了，一直想往南方跳，但是我这个学历找工作确实非常艰难 ），结合这两年多的实习+工作经验，浅浅的谈一下我看到的目前市场上数据类岗位的两大方向（目前看站里好像没有很多数据岗相关的帖子，我搜关键词都搜不到），也是因为本人想从取数工具人转到业务类型的数据分析师的方向，所以也想听听各位佬的建议，如有不对之处，欢迎各位佬指正 1. 技术型 岗位tag: Java、Python、SQL、ETL、Spark、Flink、Kafka、Hbase、Doris、数仓开发、数据服务接口开发、数据平台开发（SSM框架）、有些还需要报表工具 门槛高，学历、技术、项目经验、年限都要求的高（或者学历好且技术强的应届生），基本分为两类：取数工具人岗位、非取数工具人岗位 取数工具人岗位(好听点叫ETL，基本都是外包岗位，门槛低，比较容易找到)，这个是岗位最多的，就是在已经搭好数仓上，使用已经开发好的自研平台或者云平台产品去取数，然后根据业务看板需求开发报表，俗称取数工具人，表哥表姐(Sql boy)，干的活是极其杂的，难度是有的但基本上都是非技术难题，一般是业务这些问题，非常耗时间很累，干的越久技术越拉，对技术能力没任何提升，写到简历上都乏善可陈，也就能练练sql了（没错我干的就是这个，很痛苦） 非取数工具人岗位(也就是自研的、数仓搭建开发的、数据中台开发的这些)对技术提升有帮助的岗位，这类岗位非常少，门槛也很高，基本只招高年限、或者学历好、技术强的应届毕业生，而且竞争也很激烈 之所以会有上面的这样明显的岗位数量的差别，我个人觉得原因如下： 对于数仓建设类的技术岗位，这个在10年前吧，应该是数据方向最多的技术类岗位，但现在企业数字化已经进行了很长一段时间了。互联网公司自不必说，哪怕是传统行业数据建设也已经基本都完成了，说白了现在已经不怎么需要数仓搭建了，因为能建完的早建了，没建的要么是小公司，业务简单，数据量都不够建数仓，根本没必要建；要么是还没建或者需要重构，但是基本都找外包来做（都在降本增效） 而对于非数仓建设的技术岗位（数据平台、A/B Test平台、数据服务接口开发这类的数据开发岗）又因为各种大厂都推出了数据平台产品，公司完全不需要找人再自己造轮子，自己选择云平台产品就行了，所以这类开发岗位也变少了，再有就是和1一样，企业数字化的早，用的是自研的平台，但是也已经开发完了，进入运维阶段了，所以只需要有会用平台取数的人、大数据平台组件的运维就行了。还有就是Java开发就能干平台开发、和数据接口开发的活，所以有公司哪怕有这类需求也不会额外招人，而是让Java开发来干就行（让ai来开发就更简单了，数据开发的生存空间已经被压缩到数据本身上了，随着业务的增长最后总是要成为sql boy，很难向外扩展） 补充：目前看因为技术型类岗位好像只有数据类的agent开发(nlp2sql、chatbi这些)是最近需求比较大的，如果非要走技术型的话，个人感觉这个可能是目前比较合适的岗位了，但是竞争也很激烈，因为还是有很多Java开发在投，而且现在各大厂商也在往自己的平台产品上加这些agent，感觉可能这个岗位很快也会饱和 2. 业务型 岗位tag: Python、报表工具、Excel、PPT、数据挖掘、数据分析、xxx行业经验、各种分析方法（归因、留存、转化、行为路径、A/B Test…）、沟通能力、思维逻辑 门槛低，学历要求相比技术型不高，但是工作压力很大，有各种OKR和KPI的压力，需要和人打交道，还要经常背锅，挨骂，沟通能力和业务理解能力要求比较高，需要对一个行业有深厚的理解经验。这类岗位还是有一定的需求的，因为无论大小公司都需要，说白了业务增长上不去总是要有人背锅的… 这类岗位可以分行业看，因为不同行业差别极大 首先很多非互联网公司（传统制造行业）就根本没有所谓业务型数据分析师这一角色，而是由市场或营销部门的业务人员来做，他们不负责搭建看板（没有任何技术背景，只对公司业务很熟悉，只负责提出假设和验证方法）。然后由取数工具人(一般找外包)来完成数据加工和看板搭建，但是这一类的公司其实也招业务型数据分析师（外包和内部都要，外包好进，内部一样很难），一般和业务+ETL搭配着干活，说是数据分析师，基本上进去就是需要做看板搭建，验证假设和分析方向也要你来，甚至数据建设做的不好的话（传统制造行业基本上数据基建都不太好）还需要你做些etl的活，没办法因为你是外包，他是甲方，你更像是ETL和甲方业务之间的缓冲，防止ETL和业务直接干起来，你的下游业务和上游ETL有问题都需要找你，薪资的话还不错一般应届生到外包公司里至少9k以上（北京），非外包就更高了，我知道北京不少这种岗位，这类行业的业务型分析师做的非常痛苦，如果不打算在这个行业深耕（尽量往人家公司里跳，别去外包的），我个人建议是尽早润（佬有别的看法也可以分享） 业务型分析师比较香的是互联网行业的公司（比如电商、短视频等等）因为能真的带来真金白银的钱，业务增长周期也快，能做出成绩被领导看到。并且互联网公司的数据基建一般不会太差 （制造行业的数仓我没见过一家建的好的，基本都是坨狗屎，所以这类行业招取数工具人招的最多，因为数仓里的指标他们自己都不敢用，然后又不想重建数仓或者更新指标体系，所以就找外包，好一点的知道搭个OLAP分析库，做即席查询效率能高些，更多的是不搭OLAP，直接从数仓抽数加工，然后再把结果像垃圾一样丢到数仓另一个库里，还学大厂把这叫数据集市，然后bi从这个所谓的数据集市取数，最后弄成一个看板需求一个sql对应一张表，再管这叫烟囱式开发或者是敏捷开发，名词真是一套一套的，etl能被活活累死，因为每个需求的sql初版都能到200多行，然后不断加需求改需求，我最多写过1800多行的sql，为了管理sql需要上git，随着需求迭代一个sql最后往往变成了屎山，我本人去看我也看不懂，所以我需要经常定期的重构，把逻辑给合并和优化） 所以这类互联网公司里的业务型数据分析师是有数据能用的，看板做起来还算顺心。但是就我了解到的互联网公司业务型数据分析师压力都挺大的，经常有各种OKR和KPI任务，而且经常开会，还经常背锅，抗压能力得强些吧，但是这类做到最后可以变成操盘手这类的角色，我觉得无论是职业发展还是自己出来创业都有比较大的帮助，挺锻炼人的（正向锻炼，不是没苦硬吃） 个人考虑的方向选择 个人觉得，ai造成技术类工作岗位更加的卷的情况下，业务型方向反而不容易被取代，并且这可能是取数工具人比较平滑的上升途径（也是听了公司里的同事和领导给的建议），因为取数工具人对业务数据和看板需求的理解还是比较深的，做的久了公司的业务基本上都很熟悉（要主动去问去了解，不要把自己当成取数工具人，多思考，把能力绑定到业务和行业经验上），可能需要补齐的是数据分析思维、语言表达能力，还有一些报表工具（报表工具很快就能上手，但是怎么和数据结合产出有价值的看板比较难，需要积累），然后就是尽量投投简历，争取去一家互联网公司（小公司也行）积累行业经验，业务型数据分析都是要在一个行业深耕的，发展方向也比较垂直 1 个帖子 - 1 位参与者 阅读完整话题