数据分析岗位将在未来5年内重新洗牌，你准备好转型了吗？

曾经计算机上的工作是由人工来完成的；网站管理员曾经是热门职业；中层管理人员也曾配备过秘书。但随着新技术的迭代变革了一批又一批职业，如今，在越来越智能的分析工具中，数据分析会面临怎样的变革呢？

随着科学技术的发展，硬件和软件技术的变革应用到各个行业，这些技术的民主化引发了创新、商业和创造就业的浪潮。

在技术商业化的浪潮下，市面上涌现出了大量的分析工具。以简单高效、及时互联等优势冲刷着传统的分析市场。可能今后，经济领域各行各业的终端用户都将会使用数据分析工具，就像现在的非技术人员使用 Excel 一样。事实上，Excel 2019 也是众多的分析工具中的一个选项卡而已。

在随着企业信息化越来越完善的今天，大量的分析工具如雨后春笋般涌现，甚至可以对接在他们所使用的系统平台中，形成数据的实时分析钻取。在数据信息即资产的今天，谁优先把握住数据的动态，也就掌握了市场的话语权，这也让数据分析在各个领域变得普遍。与此同时，对数据分析工具的应用已经成为许多越来越多企业重视的技能。未来数据分析的岗位也将成为大热门。

数据分析不断飙升的人气

数据分析这一职业正在经历「淘金热」时期。2018 年彭博社（Bloomberg）的一篇文章将数据科学称为「全美最热门职业」，因为从 2015 年 1 月到 2018 年 1 月，招聘网站 Indeed.com 上的数据分析技术人员需求增加了 75%。文章还提到，在一些咨询公司，数据科学博士的薪水为 30 万美元。

同时，美国数十所大学都推出了数据分析项目。加州大学伯克利分校（UC Berkeley）在 2018 年新开设了数据科学专业，该专业很快成为了学校最受欢迎的专业之一。去年十一月，该校开设了新的数据科学与信息系，并将其称为「几十年内最大的重组」。

未来，将与这些年轻人为主轴，行业将在未来5年内发生翻天覆地的变化。

从机器编码到数据自动化

当我在学习计算机科学时，编译器设计是必修课。我们需要了解如何将像 C 语言这样的编程语言直接转换成机器语言，也就是计算机可以直接解释的十六进制代码。用机器语言来编写商业应用程序以获得更高的性能是很常见的做法。

在过去的几十年间，连续的软件功能层被抽象为更高级的开发工具。现如今的大多数代码都是用像 Python 这样简单易学的高级语言完成的，相对而言，程序员很少需要了解如何直接和硬件对话。

数据分析也在快速地走着同样的道路。如今，在以TABLEAU为代表的高级分析工具中，对计算机的基础技术的需求会变得越低，分析师不再被要求会写代码，会电脑机器语言，只需在内部进行拖拉拽便可生成数据分析报表，这也大大的降低了数据分析的门槛，TABLEAU更是以业务员都可成为数据分析师作为卖点。

如今，市面上大多数的分析工具，它们大多数旨在减少繁琐的数据准备工作，帮助数据科学家迅速完成分析工作。此外还出现了可以自动选择算法和调整参数的数据科学框架（如 Auto-sklearn 和 DataRobot）。这些框架和工具与数据管理平台相结合，为未来的数据消费者建立了大型构建块。

未来对数据分析师的要求

在未来，对于数据分析师的编程代码知识将相对弱化，取而代之的以下五点能力，你准备好了吗？

企业将对以上五点对未来数据分析是的要求：

懂业务：熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果就没有太大的使用价值。

懂管理：一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导；另一方面是针对数据分析结论提出有指导意义的分析建议。

懂分析：能够掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，对于开展数据分析起着至关重要的作用。

懂工具：数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

懂设计：能够运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

结论

在5年内，随着信息化、智能化的逐步完善，数据的价值也将日益凸显，如何通过数据快速掌握市场的动向，也将成为企业发展战略过程中必不可少的一环，当然数据分析岗位也将成为企业发展过程中的重要岗位。