數據分析崗位的前景怎么樣？

  未來所謂大數據行業的人才缺口，指的更多是建設性人才而非創造性人才。創造性人才的需求一直是少且薪資高的，而建設性人才是多且門檻低的。
  數據分析崗位前景不是不好，而是因為它是性價比奇高的崗位，大量人員涌入，競爭激烈且魚龍混雜，很多人不明就里想進來，卻沒有深入了解這個崗位。
  比如說，說起數據分析師你就知道是sql和python，但你很少聽過他們告訴你：指標體系，目標管理，ROI，用戶畫像，供需模型，abtest，但這都是數據分析師的工作，而且是拉開差距的工作。
  簡單來說就是兩點：
  1、并非所有數據分析師都有能力承擔機構重要項目和決策，他們很多工作只是數據基礎建設和提供；
  2、所謂的低門檻&高薪資，是數據分析行業內的兩撥人，不是同一個群體。很多人通過培訓進來了，卻發現高薪資和他們無緣。
  數據分析在我國屬于新興行業，正在由稚嫩走向成熟，未來一定會更加規范。當前市場上的大部分數據分析師崗位，有著“用比較好的要求，干比較普通的活”的特點。招聘方通常使用相似的崗位職責，例如：
  熟練運用sql和python；
  熟悉Hadoop，Spark等分布式架構；
  有獨立項目經歷，有數據挖掘的經驗；
  數學、統計學、計算機等專業優先。
  但他們給求職者比較大的煙霧彈是：究竟數據分析師是否能承擔或有足夠機會承擔機構或項目中的重要決策角色？
  一方面，該現象是由于用人單位很難明確數據分析的崗位職責。這在國內還算是一個新行業，因為到目前沒有辦法，或者官方定義數據分析師的職責。這導致機構用人部門“借用”市場上的數據分析師要求，來要求其他人做其它事情。
  另一方面，求職者和招聘者紛紛模糊上述煙霧彈存在的情況，以期找到個人發展或機構自身要求的捷徑，來提升自己或招聘的競爭力。這也是行業未固化時難以管理的原因之一。
  在上述情況下，數據分析師們頂著一個看似相同的頭銜，卻干著天差地別的活。