985硕士面试20次被拒，数据分析到底有多卷？

先说结论：卷，确实是卷！目前数据分析行业内卷化只是初见端倪，未来只会更加严重!

十年前，只要是从事数据分析行业的人，现在估计都已经成为了专家或者专业分析师，这也吸引了非常多的人不断涌入到这个行业中。

很多人可能有疑问为什么这两年数据分析类的岗位增多了，现在转行数分也算是站在风口上，怎么还是不好找工作？

数据分析之所以越来越卷，最主要的原因主要有以下两点：

1、企业对数据分析的要求在不断提高

数据分析与其他岗位不同，除了必备的技能之外，它对于求职者的经验要求和能力要求较高。

2015年，你会用Excel，会查SQL数据库，就能找到很好的工作；

2017年，你还得会做数据可视化，会用SPSS做数据挖掘，能给老板做漂亮的报表，同时会一点Python，就能崭露头角；

到了2024年的今天，除了MySQL、Python这些基础的工具，你还要懂统计、数据清洗、建模、算法……

所以，虽然数据分析类的岗位增多了，但需求也同样提高了。

这两年，进大厂的条件已经变成了：至少1段以上大厂实习经历 + 985以上本硕了，真的太卷了！SQL、Python都是基础，应届生想要突出重围，必须要有实习！

2.基础岗位数据化已成趋势

目前的就业市场情况是基础岗位数据化，数据岗位专家化。无论是产品、运营还是人事、财务，掌握数据分析可以说已经成为了每个职场人的必备技能。

如果纯粹的数据分析师需要做到前5%才有出头机会的话，那么数据分析+其它岗位，或许会成为大多数人的职业出路。

达克效应想必大家都听说过，它是一种认知偏差现象，指的是能力欠缺的人在自己欠考虑的决定的基础上得出错误结论，但是无法正确认识到自身的不足，辨别错误行为。

一个行业之所以卷，最关键的时期在于认知的差异。其实内卷想要破局，就要从内卷的核心出发：那么拼了老命去参加内卷，让自己能够分到更大的蛋糕；或者找到这个行业的风口，把蛋糕做大，自己就能够吃到更多。

对数据分析这个行业而言，破局的关键在于提升认知、掌握基础。要提升数据分析能力，先要知道什么是数据分析能力。

1.什么是真正的数据分析能力？

如果用一句话概括，那就是能够用量化思维解决工作/生活中遇到的问题。所谓的数据分析能力，拆解来看，主要有四点：

其一：理论知识运用程度。对于统计学、概率论、模型原理等知识的掌握程度。

其二：分析工具运用程度。对于SQL、Python、R、Spss、Tableau等工具的应用程度。

其三：对于业务理解程度。业务背景、业务形态、业务未来的发展趋势，是否了如指掌。

其四：数据化思维程度。这一点说起来比较虚，但却是最难达到的。武侠小说里，人剑合一是最高境界，形成属于自己的分析思维，也是数据分析的最高境界。

2.用产品思维让自己破圈

分析师的产出是否有价值、能否落地，最关键的就是会不会提问题，毕竟怎么分析问题是跟在提出问题之后的。

能否提一个好问题，一方面是考验对业务是否熟悉，一方面就是考验能否跳出自身的思维模式。搞技术的人，或多或少都容易把自己的逻辑搞成自闭环，只在同业的小群体内能互相理解，跳出群体就会有鸡同鸭讲的感觉，这种就是小逻辑。

而所谓的逻辑，不仅仅是缜密完备的，也应该是朴素易懂的。能让大部分人都理解你的逻辑，才能让逻辑发挥作用，否则就是自我陶醉。

能否站在对方的角度思考问题，就是从小逻辑到大逻辑的关键。

一个完整的数据分析流程通常分为：

目标确定——数据获取、清洗、整理——数据分析——结果呈现

提升数据分析能力的关键是掌握基础，提升思维。数据分析的基础是掌握基础的理论知识和相应的工具技能，其次是学习和掌握数据分析方法与思维。

1.提升基础知识方面：

（1）统计学

统计学是一种利用数学理论来进行数据分析的技术，通过统计学我们可以用更富有信息驱动力和针对性的方式对数据进行操作。

在数据分析工作中，利用统计学，我们可以更深入、更细致地观察数据是如何进行精确组织的，并且基于这种组织结构确定数据分析的方法，来获取更多的信息。

毫不夸张的说统计学是整个数据分析的灵魂。判别一个数据分析师强弱的一个重要方法就是，看他对统计规律的敏感度。

这里我们需要从基础的统计理论（描述性统计、区间估计、假设检验等）出发，到基本的统计分析（T 检验、方差分析等），最后到商业常用的模型（回归分析、方差分析等），学习数据分析背后的逻辑，掌握实用统计学的概念和会利用统计的思维去思考问题。

（2）机器学习

对于想要进阶成为高级数据分析师的朋友来说，就要掌握机器学习相关的知识：

• 特征工程的基础：如何统计数据特征、选用不同的特征，做模型的优化；

• 基本的分类算法：决策树、随机森林等；

• 基本的聚类算法、数据挖掘、常见的机器学习算法的了解等等

机器学习相关的知识学习成本会比较高，对某些同学来说可能会有一定难度，但对于业务型数据分析师来说，一般不会要求你去推导算法公式，能做到明白不同算法的适用场景、优缺点、原理大概懂就基本可以了。

2.工具技能方面：

（1）Power BI

为什么把Power BI放在第一，原因很简单，我们做数据分析的目的是什么？当然是为了展示给客户、上级，供他们做决策。

所以数据可视化PowerBI作为主流汇报、展示工具，是将分析关键结果传递给其他的重要手段。学好PowerBI可以提升沟通和消息传递效率，也是数据分析师必备的技能，具体学习书目我就不做推荐了。

（2）Excel

Excel 应该是数据分析师最常用的统计分析工具了，原因是因为方便，所见即所得，而且具有方便的可视化功能。应该说只有学会了Vlookup，数据透视和基本公式才算 Excel 入门，其次 Excel 最大的惊喜是数据可视化，拥有大量的图表模板，可以减轻我们很多工作。

（3）SQL

作为数据分析人员，要想获取数据，肯定就要和数据库打交道，因此SQL肯定是要掌握的，在招聘要求中，SQL也是很多数据分析岗位的能力要求之一。

学习SQL最快的方法是能自己下载数据库管理工具，找些数据练习，主要了解一些数据库查询语言。

（4）Python

Python作为目前最火的编程软件之一，确实在数据分析、数据挖掘上有着独特优势。是否具备编程能力，也是初级数据分析和高级数据分析的分水岭。

要学习的内容挺多的，但其实python最大的优势就是语言简约，非常易于读写，如果之前有一定的编程基础，上手很快。

           扫码CDA认证小程序，SQL，Python题库刷起来。