私たちはまず、仕事を見つけるために必要な要素を見てみましょう：
1、個人の興味
2、収入
3、参入障壁
4、長期的な成長
5、仕事から得られる達成感、価値感
1、個人の興味#
個人の興味は非常に抽象的な言葉で、データ分析と同じようなものです。しかし、実際には非常に大きな役割を果たしています。多くの場合、ほとんどの人はデータ分析に対して自分の興味をどうやって確認するかを理解していません。
したがって、初期段階では、感覚や直感を使って判断を補助することができます。
私自身の例を挙げると、私は 2017 年に大学を卒業し、なぜデータ分析を選んだのかというと、最初は多くの職種に応募しましたが、具体的に何をするのかはわかりませんでした。教育、金融、図書の 3 社と面接をした後、さらに深く考えるようになりました。
まず、大学時代に Excel にかなり慣れていて、多くのチャネルで学びました。自分の SPSS 試験は満点でしたが、仕事を始めてからは一度も使ったことがありません。私の大学の論文も、アンケートを収集して行ったデータ分析でした。さらに、ゲームからお金を稼いだ唯一の経験も、基礎のファイルが Excel に基づいており、一定のデータ分析がありました。
これだけの証拠があるので、私は Excel が好きだと思いました。そこで、あるプラットフォームで Excel を使ってどのような仕事ができるかを検索し、「データアナリスト」というキーワードを見つけました。これが私が初めてデータアナリストという職種を見た瞬間で、その後、仕事内容や将来の展望を調べました。私はこの職業を選ぶことに決めました。
その後、私はデータ分析に関連する 3 社と面接を行い、そのうちの 1 社が私を採用し、データ担当者として始めました。
したがって、明確な歴史的なサポートがあれば、自分の興味を判断するのは非常に簡単です。もし判断できない場合は、まず自分が嫌いかどうかを見てみてください。
私個人の意見では、興味は最も重要な要素です。なぜなら、どんなに小さなことでも、続けていけば必ず何か特別なものが得られるからです。残りは他の要素を見ていくことになります。
2、収入#
収入はおそらく皆が最も関心を持っている要素です。
まず、データアナリストはインターネット関連の職種に属し、基本的に経験が長いほど収入が高くなります（仕事を始めてからの最初の 5 年間）。
職種ごとの平均給与の順番は、開発 > 製品 = データ分析 > 運営です。これは中間の位置にあり、多くの場合、業績に依存しないため、比較的安定しています。
具体的な数値については、北京を例に挙げると（大手企業ではない場合）
基本的に新卒は約 8k、上下 2k の変動があり、1 年の経験で 10k、3 年で 15k、5 年で 25k、上下 5k の変動があります。
非一線都市では、各段階で 2-5k の減額があります。
収入は大環境に多少の影響を受けますが、個々の状況では完全に独立しており、どれだけ稼げるかはこの世界とのインタラクション次第です。
インターネットの性質上、給与は一般的な職種よりも高くなる傾向があります。
3、参入障壁#
この参入障壁の要求は動的に変化しています。
5 年前は、Excel ができるだけで、あるいは興味があれば参加できましたが、現在は比較的標準的な要求があり、将来的にはさらに変わる可能性がありますが、フレームワークは変わりません。
学歴：全日制の学士号。（専門学校も機会がありますが、競争力はやや弱い）
専攻：コンピュータ、統計学、数学、心理学。工学が主流です。文系も機会がありますが、競争力はやや弱い。
スキル：必須：SQL、Excel、可視化（BI）。加点：Python
思考：論理的かどうか、厳密かどうか、同時に発散能力も見る
業務：インターネットや電子生活についての理解があるかどうか。一定のビジネス思考と能力があるかどうか
言語：実際には要求はありませんが、言語によって障害が生じることはありません。加点：英語 4、6 級
学習能力：自主的な学習能力が強い（履歴書に書くと空虚な言葉のようですが、実際には非常に重要です）
ストレス耐性：国家の調整後、この要求はますます小さくなる可能性があります。
経験：中上級職では経験が求められます。初級職については、要求をあまり気にする必要はありません。
すべての要求の中で、最も決定的なのはスキル部分ですので、スキルを学ぶ努力をすれば、自分の競争力を大いに高めることができます。一度業界に入れば、スキルは基盤となり、中上級職にとっては他の要求がさらに重要になります。
参入の難易度と収入は比例します：開発 > 製品 = データ分析 > 運営。
もう一つの外部要因は競争です。インターネットが発展した現在、プラットフォームの時代に入り、各職種も規範化されてきました。どの初級職にもかなりの競争があります。逆に中上級職では、需要にギャップがあります。
4、長期的な成長#
データ分析は本質的に一定の業務経験が必要なため、勤務年数が長いほど価値が高まります。欠点は、特定の業界に深く関わる必要があるため、別の業界に入る機会を失うことです。しかし、基礎的な能力は普遍的であり、一定の時間を与えられれば、原則としてどの業界でも移動可能です。
インターネット自体の需要に加え、デジタル化がますます社会に浸透しているため、将来的には他の大きな業界に進出する機会も少なくありません。
たとえ何年後にデータアナリストという職種が消えたとしても、データ分析は非常に強力な能力としてあなたを支え、他の仕事の核心的な競争力となることができます。
たとえば、現在の運営、製品、管理職に対する要求の多くは、データ分析能力と思考を必要としています。
したがって、これは非常に汎用性の高い職種といえます。
また、キャリアパスの昇進は、主に小グループのリーダーや業務の責任者として行われます。データマイニングに転向すれば、収入も確かに上がりますが、半分転職するようなものです。
さらに、ビジネスに接触し、ビジネスを理解し、ビジネスを分析することで、ビジネスモデル、マーケティング、ビジネスプロセスが比較的明確になり、将来的に自分で起業したり、共同で事業を行ったりする際にも大いに役立ちます。
5、仕事から得られる達成感、価値感#
これは仕事をした後にしか自分で実感できないものです。
多くの人が退職する理由も、やっていることに価値を感じられないからです。しかし、インターネットは価値を生み出すのが非常に難しい場所であり、アイデアの計画には必ず価値があります。ただし、実現するのは非常に難しいです。たとえば、誰もあなたの製品やサービスを使用しなければ、誰でも失望感を抱くでしょう。
データ分析は、先ほどの職種の中で最も価値を感じにくいものです。また、ビジネス価値の組み合わせも非常に複雑であり、たとえあなたがその中で役割を果たしていても、自分の貢献がどの部分に属するのかを推測するのは難しいです。
さらに、データ分析はしばしば結果が得られにくい分析プロジェクトや、明確に説明しにくいプロジェクトを受けることが多いです。そのため、自分自身に疑念を抱くこともあります。
また、業務があまり充実していない、またはデータ駆動の意思決定があまり進んでいない企業では、何もすることがない状況に直面することもあります。自分の能動性を発揮して、自分で仕事を見つける必要があります。
成長の初期段階では、達成感がないことが比較的影響を与える要因となるため、この部分を予知しておく必要があります。社長は、これは仕事にとって非常に重要だと考えており、学習能力が非常に高く、自主性が十分であれば、問題はあまりありません。
したがって、分析は分析のために行うのではなく、仕事のために行うべきです。私たちがデータの中の探偵であることを忘れれば、世界にはまた一つ無駄な仕事が増えることになります。