真实的数据分析真实的数据分析

随着互联网化和数字科技的发展，越来越多的企业开始了数字转型，当然也有了更多的相关人才需求，但是你做的是数据分析的吗，应该说随着技术的发展和用户思维的深入，做数据应该是更为系统和庞大的工程了，你觉得就是取数统计下，或是做几个透视表就是数据分析了吗，当看到越来越多的企业级的数据分析就会明白还差很远。
一个方面我们并不知道做的是啥，可能就是个操作工具，对数据和意义并不了解，另一方面这只是数据分析的冰山一角罢了，还有数据质量，维护，开发，架构，高级分析等等。

文章图片
image.png 一个最典型也是最常见的就说新零售
要如何分析和思考才是核心，数据分析师的一大能力也是结构化分析和解决问题的能力
可以从业务或是用户侧，到整体的产品货物，或是组织战略，再到在什么情况下需要数据和进行分析
也就是人货场
首先思考我开这个店或是一个产品，他的客户来自哪里，然后是各类用户的哪些指标可以反应对自己的贡献
接着再考虑价值贡献
而另一方面对于货物也是需要考虑更多的价值层面的指标，对于很多传统产品可能就忽略这点，因为是一开始设计好了，后面就是为了卖出去而卖
当然对于新零售最主要的还是区别之前的场，包括了线上和线下，分开讨论
线下其实每个展示的地方都可以是个场景，出了实际的综合商场，超市，还有可能是活动场地，还有是一些社区团购会再社区宣传，也可能是企业
当然更多的是线上，一切电商平台，内容平台，社交平台都是，只要是你的货可以触达的地方。
接着如果想学习的话，最好的经验就是找对团队跟着，互联网大公司，或是比较专业互联网化的企业，都是可以的，比如银行，有比较好的框架和套路，可以快速开始，关键就是要开始，要尽快入行，无论是数据分析，数据挖掘还是机器学习之类，其实重要的也是一样，除了技术工具，更为重要的是数据思维，和分析解决问题的能力，真实的需求才能锻炼到，就说用户吧，你只有真的知道反馈才知道效果。
然后就是如何入行，找到合适的岗位，cda给了比较科学的职位体系

文章图片
image.png 像数据治理就是需要有相关业务了解，并知道各个系统的关系，所以一般是数据分析师之后做的
BI工程师涉及到可视化看板，更偏向产品
数据开发架构片技术，了解支撑所有数据工作的软硬件架构
数据赋能现在再各行各业都逐渐普及，现在看boss上的招聘岗位就发现越来越多了，即使福州两年前可能还很少
比如产品现在除了会脑洞会原型也需要洞数据分析。
当然对于开始转型和比较传统的企业，也可能因为人力也不大清楚所以还是很大转岗和兼职的，比如某电信IT就是一般是数据维护，也做着其他的，只不过无论做啥都是算维护岗，或者是以交流的名义做点别的，降低成本，当然更多时候像小企业可能也为了节省成本，会比较多需要几个岗位都做的。
来源
https://www.cda.cn/open/90.html
数据人用数据说话，可以抓取分析最流行的boss直聘网
这里先用boss 的一个接口，获取不同岗位和不同地区的薪酬，当然岗位的设置是一个很多不同的，比如很多不是很专业的招聘者，就不会非常严格的按照上述的的岗位分类，可能就是简单的算法工程师，也可能是数据工程师，AI研发，或是更细的写python爬虫开发等等，很多的时候需要看具体招聘需求和直接沟通面试才能知道具体是做什么。
我们自己可以通过数据统计和行业的整体调查，分清这些职位和具体自己的薪酬范围。

#存储参数的字典 querystring = {"positionId":"100109","industryId":"0","cityId":"0","companySize":"0","financingStage":"0","experienceCode":"0"} #BOSS直聘上有这么一个接口，可以很好的获取当前不同岗位，不同城市的薪资水平 job_statics_url = 'https://www.zhipin.com/wapi/zpboss/h5/marketpay/statistics.json'#获取json数据 job_statics_data = https://www.it610.com/article/requests.get(job_statics_url, params=querystring, headers=headers)

还有因为很多是开发角度，或是和业务结合，以及数据科学的交叉性，我们会在很多地方看到不同的表述，比如总体上的python开发就很多，包括数据分析，后台开发，机器学习等等。
这里就是会有很多隐含的机会，比如一些是自动化运维，或是测试工程师，安全大数据，金融数据分析等，其实也就包括了python开发和机器学习的一些内容。
例如

文章图片
image.png 安全大数据/AI研发

文章图片
【真实的数据分析】这里以查询python开发工作为例

文章图片
image.png 这里全国的python开发薪酬看出，业内Python的薪资水平，大部分应该都处于1万左右，这个薪资水平其实并不太高，看来纯的Python岗位并不太吃香，要想获得更高的薪资，还是需要有更多的技能傍身！
所以你还要精耕自己的行业业务以及开发的一个专项，比如是数据分析挖掘，机器学习，NLP，CV，推荐系统等，还是爬虫，后端开发，这里的薪酬就有很大的不同。

文章图片
image.png 15K以上的薪资还是占了16%以上，而占比最大的薪资区间则是7-9K
再看下任职年限的区分

文章图片
image.png 1-3年的应聘者还是最多的，占比达到了50%+，这个经验段，确实是职场的主力军了！因为也是提升跳槽的时机，而再高了就需要更好的平台或是发展了，所以相对选择少。
如果按照整个行业，当然只是部分搜索词，比如['Android', 'Java', 'PHP', 'Web前端', 'iOS', '人工智能', '数据分析', '数据挖掘', '数据架构师', '算法工程师']
可以区分各个职业和学历的关系

文章图片
image.png

文章图片
image.png 那么就可以根据自己地区，学历，经验以及方向判断自己的发展方向和目标。
当然这也是比较理想的，我们只能根据自身和城市的特点，选一些代表的数据来看，很多时候你看到的薪酬也是不确定的，比如有很多的是一个区间的，就有很多可变性，例如13-30。
比如我这是福州，要是两年前可能连招聘的岗位就很少了，更别说薪酬，可能就当做一个普通的开发看，也可能就当做业务分析的，大多数是转型或是并不了解行情。所以你要只是看boss的数据没去调研的话也是很难全面和客观的分析的。就比如这里其实还有很多所谓BI和数据仓库的还有一些赋能型的职位没有被搜到。
PS关于面试：这里说到一大问题就是薪酬，一个是统一的问题，有的是13*15 有的是14，所以你得总体把握，比如我会将现在的薪酬和福利算个年薪总共多少，然后他们说一个比这个高的数，当然这也看具体情况，有时候总是要有取舍，比如福州的中小私企公积金是比较少的，让成本更多进入工资里体现的。
当然相对我这种情况很多是转岗或是没什么相关经验的，所以大多数不会太去谈判这些，如果有比较好资历，可以拿些参考的工作薪酬来谈，有其他offer就更好了。也有的说说先说价格就是弱势，这也是种可能，如果你在的地方相对没什么发展，这也是种锚定效益。但是我还是相抵比较实在和客观，讲了自己目前的待遇还自己的经历，他们会根据这些来谈一个价。
最多问的可能会是为何会来我们公司，或是为何要跳槽。
其实大多就两种情况，一个觉得原先的没有感情了或是没啥发展，一个觉得未来的发展和目标比较适合。
当你本来就不大喜欢原来公司的企业文化和行业发展，那么能尽量早的离开，越早越好，经济学里叫及时止损。
然后在面试时候更多重视新公司的企业文化和自身发展，多讲些有好处，尽量避免说不喜欢原来的，因为他们也不喜欢负能量，更多谈未来的发展比较好。
当然还要避免又是一个坑
1、多看下网络上和员工对这个公司的评价
2、看看公司和创始人，他们的新闻等
3、看那招聘文案也可以分析是否专业靠谱
去大公司还是小创业公司
这时候是要看自己的不同诉求和发展时机
大公司有很好的规范和比较多培训，资源还有比较大的平台，但是小公司可以更能发掘自己各个方面的技能能力，对应的当然你要做的也多。
当然跳槽也不是一个最关键的，最重要的是发展和成长自我，那么就要：
首先，回顾自己的工作，找到一个最有成就感的事
其次，找到自己的兴奋点，也就是越做越爱做的事情，也是自己的激情所在；
最后努力发展专项和各种能力，然后再有机会去这个行业领域还不错的企业。
为何来这公司，比较好的两个回答
想要更好的职业发展和上升空间，或是就比较喜欢这样的企业文化就好。
尽量避免说前公司的不好，也许你真的很不喜欢，有的同事还是可以当朋友，我们更要重视未来。
毕竟是技术的，人们更多可能是对技术问题感兴趣，其实大多数也都是对于自己简历的提问，也就是你写的技术特点和项目。
特别是数据挖掘这些理论性的，其实面试官也清楚，没什么人都记得住，会问你有学过哪些，有哪些自己的理解，然后需要的时候把理论复习下，然后去推导和建模之类。
当然福州相对没那么多大厂，自己去面的也比较少，总体来说私企更像是跟boss或是cto聊天，而国企和大的公司比较多形式化和正规的流程；所以可参考的还不是比较多，只是作为个人的记录吧：
比较深刻的是两个国企，一个是线下面试，也是对面坐着三个面试官，哈哈对于很久没面试的我来说还是比较紧张，然后是比较专业的大数据国企，业务偏政企的，然后也是针对自己的简历来问。
一个是如何选择特征，有哪些方法，比较各种优势自己多用的方式；
当然还是因为自己多为学习培训和一些小项目，所以更多是偏向基础算法，比如哪些包用的多；
另外会考虑到优化，需要自己推导和写一些公式，也就是改sklearn 代码，并能做些类似python的优化之类，会偏企业级，这可以关联到CDA三级的知识点了，还是挺实用的。
因为国企不会过于追求新技术，更偏稳定，所以还说最好也要用Python2的经验，因为要向下兼容，一些老代码要用python2。
另一个也是国企，线上的面试，笔试流程还行吧，当然还是类似CDA二级，面试也是三个人对面，然后会问对于做的东西的思路，还有一些sklearn用的具体API。然后也会问为何要离开原来的公司之类，毕竟是传统转型，所以问题也相对开放点，不会太深入。
另外这方面的私企就更多了，因为很多时候国企不会招太多这类研发岗，
一个是做虚拟货币量化交易的，其实对于数据分析的人来说更适合吧，但是他们也是整个研发团队，需要考虑前后端，还有数据的处理等开发，不单是建模。薪酬其实也不错，但是确实相关度比较小。
主要聊一些学习过的东西和他们的项目发展，所以技术上也多问python和数据分析的问题，比如用的是什么版本和开发环境。
另一个是跨境电商招NLP和推荐的，这家比较有兴趣点，但是聊天更多吧，因为自己确实这方面实践机会不多，都是刚刚好培训学的，当然老板本来就不是搞技术的，而且他们缺乏真正的研发团队，现在更需要的是有经验也有带团队的，而不是培养新人，因为涉及NLP，问了文本分析的，比如skip-gram的理解。这里也顺便跟他们巴拉了很多，他们是创业期，更多是网页开发的和一些产品销售，所以对这方面也很多兴趣，然后就把一些需要的比如用户画像，spark等组件之类也聊聊，更重要的是要有自己的研发团队吧，总之也就是聊聊看法和建议。
还有些类似的就是也是问了某些算法的理解，然后更多是聊天似得，看看项目的学习的体会了，更多因为自己的不同背景吧，毕竟也是转型的，然后不是在研发公司。
也有比较大的软件公司，专门招数据团队的，这就遇到的是比较专业的了，面试不过也是一个人，但一看就是比较牛逼的，本事就是相关的研究生，上海985毕业的，当然问题就更加专业，比如方差的理解，图像的频率，调优的方法，样本不均衡方法等。还是很遗憾吧，毕竟后期转的，他们也是认同的，只是确实转岗的不如直接招个相关应届硕博，要么自己降低期望工资，和应届生一样，所以选择真的很重要，特别是毕业的时候，也许就是不同的发展，毕竟项目经验更为重要。
还有的是o2o，要开发数据仓库做数据挖掘等等，这其实是不错的公司，也是发展期了，是很有互联网思维，有比较好的产品体验，自己也是用户，当然更重要是技术驱动型，重视用户体验和自身服务，企业文化也是不错，当然也是同样的因为数据仓库经验还是没多少，其实还是非常希望加入团队，从0开始干。
还有不少的企业就是更多电话或是线上聊了，比如有的做金融的，需要flink开发，也可能是要spark都有的。就基本是问简单的经验，和是否有兴趣去做这个了，基本他们也是缺人。
再结合别人的一些经验吧，总结就是做数据分析有很多可以学，也很多方向，关键是基础扎实，工程能力和项目。对于这方面的新人最好的方式就是进入这个研发团队，在流程里某个部分入手，然后你要扩展的不仅是这方面的知识，更是一种学习的能力，举一反三的能力，分析的思维，这也是面试更为重视的点，多看多学实践是不可少的，考考CDA也很有用，可以更系统的学习。
另外从整个相关行业看，现在基本传统企业，工业和新行业都在往这方向转，所以福州的企业也越来越多，有兴趣的童鞋应该更加把握机会，早点参与都是好的，毕竟这个是需要积累的，比如大健康，教育，新能源，物联网都是需要的，只要是有数据的公司，都是不断有需求的。所以开始不必太纠结是什么的，你要积累的是上面的这些底层能力。