数据分析师岗位工资到底能拿多少？各地区数据分析师工资情况

---

作者：魏凯
想要从事数据分析师这个岗位，那自然首先需要对这个岗位有所了解。最直接、最真实的方式就是从企业那里获得需求讯息，这样才最能够指导自己的学习方向和简历准备。本文即是要利用爬虫爬取拉勾网上数据分析这一岗位的信息，然后进行一些探索和分析，以数据分析来了解‘数据分析’。

 

主要是希望通过实际的数据来解答针对数据分析岗位的一些疑惑，具体来说，主要针对以下几个问题：

• 数据分析师岗位需求的地域性分布;
• 整个群体中薪酬分布的情况;
• 不同城市数据分析师的薪酬情况是怎样的;
• 该岗位对于工作经验的要求是怎样的;
• 根据工作经验的不同，薪酬是怎样变化的;
• 从用人单位的角度看，数据分析师应当具备哪些技能?
• 掌握不同技能是否会对薪酬有影响? 影响是怎样的?

地域性分布

 

在拉勾网上，全国有 29 个城市的企业邮数据分析师的人才需求，其中将近一半需求产生在北京市，需求量全国第一。排在前 5 的分别是：北京、上海、深圳、杭州、广州。数据分析这一职业大量集中在北上广深四大一线城市，以及杭州这个互联网和电子商务企业的聚集地。北京市巨大的需求比重令我稍感意外，不过，考虑到拉勾网是一个偏重互联网相关行业的招聘平台，而我国大量互联网企业在北京聚集，这个结果倒也算合理。以后有时间，可以对全国互联网行业分布特点做个分析。

总而言之，可以得出一个清晰的结论：数据分析这一岗位，有大量的工作机会集中在北上广深以及杭州，期待往这个方向发展的同学还是要到这些城市去多多尝试。当然，从另一个方面说，这些城市也都集中了大量的各行业人才，竞争压力想必也是很大的。

 

总体薪酬情况

如同大多数其他工作一样, 数据分析师的薪酬也是一个右偏分布。大多数人的收入集中在 5k-20k 每月，只有少数人能够获得更高的薪酬，但有极少数人薪酬极高，让人充满期待。需要说明的是，拉勾网上的薪酬值是一个区间值，并且相互之间互有重叠，为了便于分析，我取区间的中值作为代表值进行的分析。因此，实际的薪酬分布情况可能会比图中的情况更好一些。总是有人能够拿到薪酬的上限。综合来看，数据分析师的薪酬收入整体还是可观的，从这方面说，选择这个职业还是不错的。

 

不同城市薪酬分布情况

忽略掉那些人才需求量比较小的城市，我重点关注排名前六的城市。从图上看，这六大城市的薪酬分布情况总体来说都比较集中，这和我们前面看到的全国的薪酬总体情况分布是一致的。深圳市薪酬分布中位数大约在 15k, 居全国首位。其次是北京，约 12.5k，之后是上海和杭州。深圳确实是个创造奇迹的城市，在这里也给了我一个小小的惊喜。从待遇上看，数据分析师留在深圳发展是个不错的选择。

 

工作经验需求

 

不出所料的，工作经验的需求分布近似于正态分布。工作 1-3 年经验的熟手需求量最大，其次是 3-5 年工作经验的资深分析师。工作经验不足 1 年的新人，市场需求量比较少。另外，工作经验要 5-10 年的需求量非常稀少，而 10 年以上的更是凤毛麟角。

从这个分布我们大致可以猜测出：

数据分析是个年轻的职业方向，大量的工作经验需求集中在 1-3 年; 对于数据分析师来说，5 年是个瓶颈期，如果在 5 年之内没有转型或者质的提升，大概以后的竞争压力会比较大。
 

不同工作经验的薪酬分布
 

毫无疑问的，随着经验的提升，数据分析师的薪酬也在不断提高。另外，从现有数据来看，数据分析师似乎是个常青的职业方向，在 10 年内大概不会因为年龄的增长导致收入下降。
 

职业技能关键词
 

词云显示出的情况，有点超出了我的预料。对于数据分析师这一岗位，企业需求频率最高的技能并不是 Python 语言和 R 语言等如今非常时髦的数据分析语言，而是传统的结构化查询语言 SQL 和表格神器 Excel。这一点需要各位小伙伴注意，要想从事数据分析师岗位，SQL 和 Excel 看起来是必备技能。 从词云上看出，数据分析师技能需求频率排在前列的有：SQL，Excel, SAS，SPSS, Python, hadoop 和 MySQL 等。另外，Java, PPT, BI 软件等属于第二梯队。

 

掌握不同技能对薪酬收入的影响

我对需求频率最高的前 15 个技能进行统计计算，得出每一个技能对应的平均薪酬水平，如上图。点的大小代表该技能需求量的多少。

 

在前 15 项技能中，shell，Hive， Spark 这三者的平均薪酬水平最高，并且相对其他技能来说有比较大的差异。对数据分析师工作有所了解的人应该都知道，这三个工具中，Hive 和 Spark 都是应用于分布式数据处理，而 shell 脚本则是 Linux 系统下工作的必须技能。这三者共同指向了一个方向，那就是海量数据的分布式处理!

 

所以，想要拿高薪的小伙伴注意了，海量数据处理、分布式处理框架是走向高薪的正确方向。 另外值得注意的是，在数据分析领域，Python 语言的平均薪酬水平要高于目前如日中天的 Java 语言。而 SQL 语言和传统的 SAS，SPSS 两大数据分析软件，则能够让你在保证中等收入的条件下，能够适应更多企业的要求，也就意味着更多的工作机会。

 

分析结论

 

通过上面的分析，我们可以得到的结论有这些： 数据分析这一岗位，有大量的工作机会集中在北上广深以及杭州。 大多数据分析师的收入集中在 7k-20k 每月，只有少数人能够获得更高的薪酬，但有极少数人薪酬极高，让人充满期待。

从待遇上看，数据分析师留在深圳发展是个不错的选择，其次是北京、上海。 数据分析是个年轻的职业方向，大量的工作经验需求集中在 1-3 年。

对于数据分析师来说，5 年似乎是个瓶颈期，如果在 5 年之内没有转型或者质的提升，大概以后的竞争压力会比较大。 随着经验的提升，数据分析师的薪酬也在不断提高，10 年以上工作经验的人，能获得相当丰厚的薪酬。

数据分析师需求频率排在前列的技能有：SQL，Excel, SAS，SPSS, Python, Hadoop 和 MySQL 等，其中 SQL 和 Excel 简直可以说是必备技能。 海量数据、分布式处理框架是走向高薪的正确方向。 SQL 语言和传统的 SAS，SPSS 两大数据分析软件，能够让你在保证中等收入的条件下，能够适应更多企业的要求，也就意味着更多的工作机会。
 

思考和总结
 

对于数据分析师技能的分析是比较简陋的，在本次分析过程中，仅针对工具型的技能进行了分析。但其实，数据分析师所需要具备的素质远不止这些，还需要有扎实的数学、统计学基础，良好的数据敏感度，开拓但严谨的思维等。如果要对这些内容进行深入挖掘的话，应该会更加有趣。不过，要进行这项内容的话，需要掌握大量中文分词、关键字提取等方面的知识和技能，难度也会更高。时间所限，在这里不再进一步展开了，希望以后有时间再做一个专项分析吧。

---

---