月薪3000和30000的数据分析师差在哪？

小提示：您能找到这篇{月薪3000和30000的数据分析师差在哪？}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的月薪3000和30000的数据分析师差在哪？内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导语：我们正处于大数据时代，数据对于各行各业来说都无比重要。掌握了数据，才能掌握流量。各大互联网公司对数据分析师岗位的需求越来越多，与以前靠人口和流量红利野蛮生长不同，如今的互联网企业需要通过数据分析来实现精细化运营，降低成本、提高效率，这对数据分析师也提出了更高的要求。

我看到有些人抱怨，BI数据分析师的前途暗淡，整天就在提数提数，没有出头之日。

咱埋头走路，有时候也得抬头看看路啊。你能不能大胆的猜一猜，数据分析师的薪资上限究竟是多少？

• 30000一个月？少了！
• 50000一个月？少了！
• 100000一个月？少了！

来，咱来一起仰慕一下任泽平大神。

125万一个月！这位大神的段位太高了，我也只能高山仰止，只能请出来镇楼。虽然月薪125万的我说不了，不过月薪3万的数据分析师我还是能说一下的。

一、高成本构建数据分析闭环

月薪3000的数据分析师接到一个需求，会立刻想到这需求怎么分解，数据怎么组织，需要关联几个表，怎么处理比较方便，然后立刻提数，交付给需求方。

月薪30000的数据分析师接到一个需求，会花半个小时问清楚为什么要这个数，弄清楚后，就会开启数据分析5步闭环：

因为他知道，需求是问题的表征。从需求开始，就要看穿表征，直透内核。

一个人在面临一个任务的时候，有两种应对方式：低成本的快速解决表面状况（治标）和高成本的持续优化底层问题（治本）。

绝大多数数据分析师因为“任务多”、“没时间深入思考”、“自身惯性”等非常复杂的原因，选择成本低廉的治标方案，让自己成为一个提数机器，企图用效率彰显自己的价值。岂不知任凭你效率再高，价值都是低廉的。

如果你腾出功夫，将自己升华为一个问题思考者，投入较高的成本，持续的深究，彻底理解问题，找到根因，提出解决方案，持续跟踪，不断逼近完美，从而解决这个问题，这样才能凸显你的高价值。

低成本的方案只能体现低价值，高成本的投入则彰显高价值。

二、力透纸背的业务理解

我之前分享过懂业务的5个层次：入门、纵览、入微、通幽、化境，很多数据分析师连入门级都没达到。感兴趣可以点击查阅：什么才叫做懂业务？分析的5个层次。

如果地推团队的同学过来找你，想让你帮提一个报表，想看看近6个月各省客户成交情况。你会怎么理解这个需求？去跟他确认表头、筛选条件吗？

来，手把手教你成为最懂业务的数据分析师：

1. 先明确他的业务目标是什么，这叫以终为始；
2. 再拆解业务流程，这叫步步为营；
3. 然后辨析责权利，这叫明辨是非；
4. 再是理清数据流向，这叫追根溯源；
5. 最后剖析业务流程，这是细致入微。

这5步下来，保证你比业务还了解业务，直接上前线做销售都可以！这时，你才真正的达到“入门”境界。这个时候，你再来看看他的需求，同样的问题，你的理解和给出的答案就不一样了。

想要成为一个好的数据分析师，你需要转变思维-不是“我要理解他的需求”，而是“我要理解他的问题”！

三、事无巨细的数据量化

很多数据分析教程上来就教怎么构建完整的指标体系。我表示呵呵。不懂业务流程，不知业务目标，不晓业务过程，不解业务细节，何谈指标体系？指标体系的目的是什么？

——量化数据。

量化数据是为了什么？用数据描述业务。业务都没理解，上来就构建指标体系？本末倒置尔！

来，我们来看看指标体系应该怎么搭建：

部门级指标体系的起点是什么？是目标指标。部门目标指标再往上一层，就是公司的战略。往下一层，就是过程和结果指标，再向下，就是各种业务细节标签。

向上梳理，站在全局的角度观察公司整体情况，理解公司战略，探索行业地位，吃透了，就能达到“纵览”境界。

向下梳理，把核心目标拆解为核心关键结果指标，然后再映射到过程指标，梳理分析维度，细化到每个业务细节，并增设标签，吃透了，这就进入到“入微”境界。

这两个过程得到的结果，就是业务真正需要的指标体系。而绝大多数人copy别人的指标体系是用来快速出活的。但是往往拿到指标体系往自己的实际工作中一套，自己感到别扭不说，业务也根本不买账。

换句话说，要是copy指标体系就能搞定业务，那你上“统计中国”copy一套指标体系，岂不是就能治理国家了？

所以重要的不是“指标体系”，重要的是“量化业务”。每个公司的业务形态、盈利模式、打法、策略、兵力部署、执行力度都不一样，除了一些大指标能借鉴一下之外，往下全是个性化的，根本没法直接套用。

四、层层深入的数据分析

当你做到了“力透纸背的业务理解”和“事无巨细的数据量化”，你就能穿透“入门”、“纵览”和“入微”三个业务理解的境界。回头再看业务提出的问题，又会不一样。

也许，你自己就会提出问题了：

业务提的需求其实是他的问题。当你站在“入微”的境界再看他的需求，你会知道他的需求、问题其实也是表象。因为还有大量的未知信息和超出他认知范围的信息，甚至是有意隐瞒的虚假信息。

你祭出“看见现状”、“对比标准”、“预见结果”几招的时候，就会发现异常。各种离群值、异常值就会凸显出来。

现在开始分析问题，你就不会再出现没有分析思路的无力感了。你会发现，在你眼里，全是破绽，如同纪昌学箭。如果你能意识到数据不是全部的真相，那么恭喜你，你已经达到“通幽”境界了！

你要分析的不仅仅是“数字”，而是“信息”；不仅仅是“已知信息”，还有更多“未知、隐藏信息”，不断拨开迷雾，才能见月明。

五、足智多谋的应对策略

应对策略也是抄不来的，因为策略永远是从根本上解决问题的。即便是你的表征与他的表征相同，其根百度百科 360 搜狗源也都不一样。

相传有两个军士发烧头疼，表征一样，华佗给他俩开了不同的药，一个发汗，一个泻下，都给治好了。华佗说：已知一为表证，用发汗法可解；一为里热证，非泻下难于为治。

拿绩效考核来说，两个人的绩效表现相当，那这两人就一定是同等水平吗？有可能一个人在新区，一个在老区，在新区的要拼命干，在老区的只要维护就可以了。

也有可能一个在大企业云集的地区，一个在小企业遍地的地区，一个搞定大客户就可以了，一个要扫遍工厂。

情况不一样，那策略肯定要不一样，岂能一刀切之了事？况且，所有的数据都是表象，越往下，越接近人性。我们要深刻的认识到：真相不止一个！

所以在提策略的时候，不妨大胆假设，小心求证。多做对照实验。当结果与你预想不一样的时候，不要慌，肯定还有未知、隐藏的信息没有挖出来。你需要继续望闻问切，深入挖掘。

至于策略选择：

• “出奇”出效果，但是死的早；
• “守正”不偏倚，但是无奇功；
• “行稳”最无用，但能憋大招。

至于你选哪一个，看你想当凤雏、卧龙还是冢虎了。

但是不管是哪一个，你都将无敌于天下，因为你能看透他的需求，洞悉他的问题，理清业务流程，清晰他的业务目标，知晓他的执行过程，辨别他的是非真假，站在一个比他更高的维度，观察他，理解他，透视他，然后再剖析问题，发现异常，拨开迷雾，逼近真相。

而且你还会持续改善，持续优化，形成一个个的闭环，不断提升结果。这个时候你老板还给你300南昌户外全彩led广告屏0块一个月的话，你来找我！

作者：大数据架构师，国药国华大数据总监，擅长BI、数仓、数据中台产品规划领域，公众号：大数据架构师

本文由 @大数据架构师 于。，

，基于 CC0 协议