一、大数据分析师的工资待遇怎么样

2018年数据分析师就业：
薪酬—北上深平均月薪10K+
从职位薪水来看，数据分析行业的高薪主要分布在长三角、珠三角和京津地区。

北京、上海和深圳的薪水位列第一方阵，均薪在10k+；杭州、宁波和广州位列第二方阵，均薪在9k+；其他沿海及内陆区域中心城市，如南京、重庆、苏州、无锡等位于第三方阵，均薪在8k左右。

数据分析是热门职位：
薪水一般都在8k+，其中高级数据分析师均薪在15k+；职位需求量方面，产品经理、数据分时和运营经理排名前三。

二、怎样成为一名证券分析师

现在你才高中 要是证券分析师是你理想职业的话 就以做个证券分析师给你建议
国际的（CFA），还是国内的（CRFA）了？
CRFA与CFA的区别如同会计行业的CPA和ACCA一样，只是发证机构和国际认可度范围的一个区别，从含金量来说自然是国际化CFA更好些。

而一旦成为注册金融分析师，便会变得炙手可热，受到多家金融机构争抢，年薪也很高。

1 注册金融分析师CFA（Chartered Financial Analyst），也称“特许金融分析师”
【简介】：由美国“注册金融分析师学院”(ICFA)发起成立，是当今世界证券投资与管理界普遍认可的一种职业称号，其考试也被称作“全球金融第一考”。

在欧美等发达国家和地区，获得CFA资格几乎是进入投资领域从业的必要条件。

【难度】：全英文命题，考试分初、中、高三个等级，每年只能报考一个等级。

考试注重能力，包括案例研究、论文和应用，考试范围涵盖了十多个学科领域，而且都是建立在实际工作经验之上的论文和应用类考题，只有通过全部三个级别的考试，且有3年金融从业经历者才能最终获得资格证书。

参加CFA考试的投入很大，报名费就要400-900美元不等，加上原版的教材资料费、培训费，平均考一次就得花掉两三万元。

【待遇】：目前，全球特许金融分析师的平均年薪是17.8万美元。

而美国特许金融分析师的年收入则是19万美元，比哈佛的MBA还要高出近5成。

在我国香港，CFA的年均收入也达到13.6万美元。

【前景】：目前中国的高级金融人才奇缺，金融分析师更是存在巨大供需缺口。

以上海为例，未来两年，上海对CFA的需求是3000人，而目前上海拥有的CFA只有30人。

由于CFA素质要求极高，40年以来，全球至今只有不到4万人通过考试成为金融分析师。

2001年，整个上海409名考生中，只有2人取得了资格证书。

而一旦成为CFA，便会变得炙手可热，受到多家金融机构争抢，年薪也很高。

正是在这种高薪的刺激下，国内的特许金融分析师的报考热不断升温，报考人数逐年递增。

◆证书含金量：鉴于CFA考试的正规性、专业性和权威性，其资格在全球金融领域内受到广泛的认可，成为银行、投资、证券、保险、咨询行业的从业通行证。

CFA证书持有者包括世界知名金融投资机构的高级工作人员，薪资也相当可观，CFA在美国年薪多在20万美元左右。

◆考试内容：CFA要求持有人建立严格而广泛的金融知识体系，掌握金融投资行业各个核心领域理论与实践知识，包括从投资组合管理到金融资产估价，从衍生证券到固定收益证券以及定量分析。

考试以全英文的方式进行，须通过3个级别，每级考试时间为6小时。

◆报考条件：具有大学以上学历的相关从业人员。

通过CFA高级水平考试者，还需要具备金融、投资、管理等领域至少3年以上的工作经验，同时又是AIMR的成员，才有资格获得CFA证书。

◆考试时间：每年的6月、12月在全球近百个国家进行同步考试。

中国考生可在上海、北京参加CFA考试。

◆报考费用：CFA考试报名费约400至900美元不等，包括原版的教材资料费、培训费，平均考一次得花费两三万元。

三、如何成为行业分析师

一、首先你要确定是做“公募”还是“私募”基金经理，有所区别的。

二、你要建立三大“拱杠”准备；
（1）知识拱杠：准备一个RCA、CFA的资格，快速提升你专业门槛，这些资格认可范围很广，像RCA考试成本低，你可选择金融机构（商业银行、证券行、基金公司）、企业集团（担任上市融资顾问、企业管理）、第三方顾问公司（会计师事务所、律师事务所、商业分析公司），作为你的起飞平台；
（2）职业拱杠：你可以在不同的金融机构中，掌握各种投资技术，甚至掌握客户资源；
（3）媒体拱杠：不管你做公募”还是“私募”基金经理，媒体是不可缺少的一部分，也可以到培训机构授课，提高你的知名度。

三、你要有足够的野心、耐心、韧性，同时你要充分把握我们的“中庸之道”，做基金经理千万不要太冒险，会毁了你的声誉。

四、一名优秀的数据分析师是怎样炼成的

近些年，互联网公司对数据分析师岗位的需求越来越多，这不是偶然。

过去十多年，中国互联网行业靠着人口红利和流量红利野蛮生长；而随着流量获取成本不断提高、运营效率的不断下降，这种粗放的经营模式已经不再可行。

互联网企业迫切需要通过数据分析来实现精细化运营，降低成本、提高效率；而这对数据分析师也提出了更高的要求。

本文将和大家分享数据分析师的演变、数据分析价值体系、数据分析师必备的四大能力、七大常用思路以及实战分析案例。

一、数据分析师的前世今生
在介绍数据分析师之前，我们先来看一下这几个历史人物，看看他们都跟数据分析师有着怎样的渊源？
历史上大名鼎鼎的“分析师”
上面展示的六个历史人物（从左往右，从上往下）分别是：张良、管仲、萧何、孙斌、鬼谷子和诸葛亮。

他们是历史上大名鼎鼎的谋士，有的还做过丞相。

他们博览群书、眼光独到，通过对大量史实进行总结发现了很多规律，并且在实践中成功预测了很多事件。

他们通过 “历史统计——总结分析——预测未来”的实践为自己的组织创造了绝大的价值，而这就是“数据分析师”的前身。

那么现在，数据分析师需要哪些必备技能，如何成为一名优秀的数据分析师呢？
二、数据分析师的价值金字塔
一个完整的企业数据分析体系涉及到多个环节：采集、清理、转化、存储、可视化、分析决策等等。

其中，不同环节工作内容不一样，消耗的时间和产生的价值也相差甚远。

数据分析价值金字塔
互联网企业数据分析体系中至少有三方面的数据：用户行为数据、交易订单数据和CRM数据。

工程师把不同来源的数据采集好，然后通过清理、转化等环节统一到数据平台上；再由专门的数据工程师从数据平台上提出数据。

这些工作占用了整个环节90%的时间，然而产生的价值却只占10%。

这个金字塔再往上数据分析就和业务实际紧密结合，以报表、可视化等方式支持企业的业务决策，涵盖产品、运营、市场、销售、客户支持各个一线部门。

这个部分占用了整个环节才10%的时间，但是却能产生90%的价值。

一个优秀的商务数据分析师应该以价值为导向，紧密结合产品、运营、销售、客户支持等实践，支持各条业务线发现问题、解决问题并创造更多的价值。

三、数据分析师必备的四大能力
数据分析师必备的四大技能
1.全局观
某日，产品经理跑过来问我：Hi，能不能帮我看一下昨天产品新功能发送的数据？谢谢！条件反射我会说：好，我马上给你！不过我还是礼貌性地问了一句：为什么需要这数据呢？产品经理回复道：哦，昨天新功能上线了，我想看看效果。

知道了产品经理的目的，我就可以针对性地进行数据提取和分析，分析的结果和建议也就更加具有可操作性。

很多时候，数据分析师不能就数说数，陷入各种报表中不能自拔。

一个优秀的数据分析师应该具有全局观，碰到分析需求的时候退一步多问个为什么，更好地了解问题背景和分析目标。

2.专业度
某企业的数据科学家针对用户流失情形进行建模预测，最终得到的用户流失模型预测准确率高达90%多。

准确率如此之高，让商务分析师都不敢相信。

经过检验，发现数据科学家的模型中有一个自变量是 “用户是否点击取消按钮” 。

而点击了“取消”按钮是用户流失的重要征兆，做过这个动作的用户基本上都会流失，用这个自变量来预测流失没有任何业务意义和可操作性。

数据分析师要在所在行业（例如电商、O2O、社交、媒体、SaaS、互金等等）展示她/他的专业度，熟悉自己行业的业务流程和数据背后的意义，避免上面的数据笑话。

3.想象力
商业环境的变化越来越快、越来越复杂，一组商业数据的背后涉及到的影响因素是常人难以想象的。

数据分析师应该在工作经验的基础上发挥想象力，大胆创新和假设。

4.信任度
以销售岗位为例，一个销售人员首先要和用户建立起信任；如果用户不信任你的话，那他也很难信任或者购买你的产品。

同理，数据分析师要和各部门同事建立良好的人际关系，形成一定的信任。

各个部门的同事信任你了，他们才可能更容易接受你的分析结论和建议；否则事倍功半。

四、数据分析常见的七种思路
1.简单趋势
通过实时访问趋势了解产品使用情况，便于产品迅速迭代。

访问用户量、访问来源、访问用户行为三大指标对于趋势分析具有重要意义。

分钟级别的实时走势
以星期为周期的趋势对比
2.多维分解
数据分析师可以根据分析需要，从多维度对指标进行分解。

例如浏览器类型、操作系统类型、访问来源、广告来源、地区、网站/手机应用、设备品牌、APP版本等等维度。

多维度分析访问用户的属性
3.转化漏斗
按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。

常见的转化情境有注册转化分析、购买转化分析等。

漏斗分析展示注册每一步的流失率
4.用户分群
在精细化分析中，常常需要对有某个特定行为的用户群组进行分析和比对；数据分析师需要将多维度和多指标作为分群条件，有针对性地优化产品，提升用户体验。

5.细查路径
数据分析师可以观察用户的行为轨迹，探索用户与产品的交互过程；进而从中发现问题、激发灵感亦或验证假设。

通过细查路径分析用户的行为规律
6.留存分析
留存分析是探索用户行为与回访之间的关联。

一般我们讲的留存率，是指“新增用户”在一段时间内“回访网站/app”的比例。

数据分析师通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。

留存分析发现“创建图表”的用户留存度更高
7.A/B 测试
A/B测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同；然后以某种规则（例如用户体验、数据指标等）优胜略汰选择最优的方案。

数据分析师需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。

五、数据分析实战案例
某社交平台推出付费高级功能，并且以EDM（Email Direct Marketing，电子邮件营销）的形式向目标用户推送，用户可以直接点击邮件中的链接完成注册。

该渠道的注册转化率一直在10%-20%之间；但是8月下旬开始注册转化率急剧下降，甚至不到5%。

如果你是该公司的数据分析师，你会如何分析这个问题呢？换言之，哪些因素可能造成EDM转化率骤降？
一个优秀的数据分析师应该具有全局观和专业度，从业务实际出发，综合各个方面的可能性。

因此，EDM注册转化率骤降的可能性罗列如下：
1.技术原因：ETL延迟或者故障，造成前端注册数据缺失，注册转化率急剧下降；
2.外部因素：该时间节点是否有节假日，其他部门近期是否有向用户发送推广邮件，这些因素可能稀释用户的注意力；
3.内部因素：邮件的文案、设计是否有改变；邮件的到达率、打开率、点击率是否正常；邮件的注册流是否顺畅。

经过逐一排查，数据分析师将原因锁定在注册流程上：产品经理在注册环节添加了绑定信用卡的内容，导致用户的注册提交意愿大幅度下降，转化率暴跌。

一个看似简单的转化率分析问题，它的背后是数据分析师各方面能力的体现。

首先是技术层面，对ETL（数据抽取－转换－载入）的理解和认识；其实是全局观，对季节性、公司等层面的业务有清晰的了解；最后是专业度，对EDM业务的流程、设计等了如指掌。

练就数据分析的洪荒之力并非一朝一夕之功，而是在实践中不断成长和升华。

一个优秀的数据分析师应该以价值为导向，放眼全局、立足业务、与人为善，用数据来驱动增长。