如何成为一个年薪50万+ 的数据分析师？
跳入了挖掘机这一大坑一段时间，本来是想往机器学习方向走的，但是我偏金融学的背景时候不被机器学习方向的岗位欢迎，所以往偏业务方向发展。感觉这一起薪还可以，但是看到身边做互联网和金融销售的同学发展的不错，月收入毕业几个月就到7000+的不少，所以想问问一个什么样的数据分析师能够达到50万年薪+
日草稿（9月25日草草贴出）： 六个月过去了，我顺利答辩成功，并且即将结束近四个月的实习。目前拿到了美国西海岸两个全职工作offer, 薪资待遇都远远超过了我六个月之前的保守预期（超过我当时的保守预期大约50%）。在Data Scientist薪资普遍低于一线Software Engineer/Research Scientist的行情下，我的package反而超过了很多一线Software Engineer的package.我来总结一下这几个月的收获。1. Data Scientist要想拿到堪比一线工程师的薪资，我所知的有三条路：(1) 在machine learning有非常深厚的积累，例如能够第一作者发表NIPS、ICML、CVPR、ACL等顶级会议。深度学习的一线博士生的薪资可以非常惊人，特别是那些达到美国一线大学招聘助理教授水准的候选人——这样的人才可以被巨头和独角兽争来抢去，达到50万美金的年薪。【简称：“计算机助理教授流派”, Data Scientist - CS AP】(2) 在engineering上达到Software Engineer/Data Engineer的水平。具体而言，就是能够拿到一线的Software Engineer/Data Engineer的offer. 也就是说，需要在算法和编程面试中达到一线水准。【简称：“工程师流派”，Data Scientist - Engineer】(3) 在数据分析的直觉和训练上，在对业务和商业的敏锐、深度理解、沟通和软实力上要有明显优势。具体而言，在对商业的敏锐、深度理解、沟通的软实力上，能否在商业训练上不逊色于名校MBA? 能否达到顶级管理咨询公司 （麦肯锡、波士顿咨询、贝恩咨询）的进入最后一轮面试的水平？而在数据分析的直觉和训练上，一个标准是：是否受过非常严谨的科学训练，懂得如何提出假设、用数据检验假设、并且规范地写作和表达？经济学、商学院、以及一些数据驱动的自然学科或者工程学科的PhD的训练，对此非常有帮助。具体而言，能否拿到科技公司的Economist/Research Scientist offer.【简称：“经济学家流派”，Data Scientist - Economist】由于我属于第三类情况，所以我接下来分享一下如果是这类背景，如何在一个团队中最大化自己对团队的价值和贡献。2. 论经济学家流派的Data Scientist如何最大化自己在工程和研发团队中的价值和贡献：产品经理、咨询顾问、经济学家、数据科学家之“四合一”：另一种全栈 (full stack).要能够直面复杂和模糊的环境和任务，高效地从内部和外部客户的沟通中学习，梳理情况和框架，并且直接拿到相关数据，从数据中学习，最终消化透彻，把一个清晰的图景汇报给自己团队的工程师和科学家 (work comfortable and productive in ambiguous environment)。在这个过程中，如何和各种人打交道非常重要，要非常敏锐，要能够迅速地展现自己的专业素养和正能量（例如和财务部的人交流的时候，让对方惊讶于你对财务基本概念和直觉的熟悉和敏感等）获取客户的信任和配合。总的来说，在复杂的环境中，要能够直接深入最一线，获取最直接和底层的信息，而不能只是停留在抽象的概念和假设。换句话说，这类任务需要具备一个优秀产品经理和咨询顾问的基本素养。很多情况下，如果让团队的工程师直面如此复杂又模糊不清的情况和任务，很有可能大大降低他们的效率。另一个方面，工程师也常常苦恼于自己的努力浪费在了没有足够价值和影响力的方向。经济学中的各种估值模型及其所代表的视角，常常可以帮助量化项目的影响力和经济价值，也可以帮助和商业伙伴更有效地沟通。最后，就像投行和咨询公司的高薪员工有着非常长的工作时间和高强度。Data Scientist - Economist如果想拿到高薪，就不要再去追求什么生活和工作的平衡。至少在工作的前两年，彻彻底底、心悦诚服地做一个“工作狂”吧。【未完。工作以后实在太忙，无法花更多的时间和精力在这篇文章上。或许半年后，我会继续补充。会着重讨论一下如何在技术和商业两部分职责中找到自己的平衡。】－－－－－－－日更新： 今天一早起来，发现Simon给我的答案点了赞。备受鼓舞，搞得我都想取匿了：）我自己也是在向Data Science/AI转方向。即将PhD毕业，找到了一份自己满意的实习，但还没有开始工作。等我实践一阵，有了真正的心得再补充。－－－从经济学角度上看，工资就是雇主对劳动力的估价。我们要想一想，为什么雇主愿意花50万年薪来雇一个数据分析师？因为低于这个价格，劳动力市场上找不到这样的人！价格由供给和需求决定，问题可以从这两方面来分析。总的原则是：要在市场上最稀缺的技能点（或是技能点的组合）上努力，使得自己的能力和经验变得稀缺。我看之前的答案基本上谈到了两方面的能力：（1）商业分析能力（包括对业务的理解、对行业对用户的把握、沟通何表达能力等等）；（2）技术和工程能力（包括统计基本功、对基本工具的应用能力、对算法以及前沿的机器学习方法的掌握和学习能力）。我们不妨将前者称为软性能力，后者称作硬性技术。首先，不管是软性能力，还是硬性技术，如果一个人能够在其中一方面优秀到足够的程度，50万年薪肯定都是没有问题的。举个小例子：一个顶级管理咨询公司（麦肯锡、波士顿咨询、贝恩，简称MBB）的咨询师积累一定的IT行业项目经验以后，如果跳槽到科技公司的战略或是商业分析部门，达到50万年薪是没有问题的。但是，我想说，这口软饭极不好吃——需要顶级光环、超强的情商和执行力、并且极强的沟通表达领导能力。这从MBB变态的面试就可以看出来。接下来我们分析一下，软硬两方面各自要好到什么程度。（1）如果你要以商业分析能力取胜，你所在的职位一定是经理以上，你需要带队为公司解决经营和发展的核心问题。为了增加你的技能稀缺性，你过去参与和领导的项目中最好有真正的海量数据的工程挑战（当然是工程师们解决的），具有和最优秀的工程师们一起工作的经验。想想，Linkedin商业分析部门的前高级总监张溪梦(Simon Zhang)，在硅谷华人从事数据分析的圈子里几乎无人不知，一手组建了整个团队，五年内从data scientist晋升到高级总监。说到具体的机器学习算法、大数据工程技术，这些并不是他的专长。但是，他能够深刻理解业务部门的需求，能够知道如何用几张图最大程度地传递和决策相关的信息。更重要的是，他能够领导一个团队，玩转从大数据工程 (data infrastructure)，到数据分析，到可视化，到最终交付的全过程。这个流程中的每一个技能点都有价值，而能够“玩转”则变成了稀有人才。这里面很重要的是真正的大数据项目经验——海量数据的情况下有很多工程上的挑战，虽然有专门的工程师解决，但是作为带队的，都需要有一定理解，并且能够宏观把握。总结一下就说：一方面要知道跟完全不懂技术的业务部门和管理层用“大白话”沟通，理解他们想要什么，并且把实实在在有用的东西给他们，让他们满意到爽，另一方面又要知道这些需求对应的工程问题的过程和挑战，要能够和优秀的工程师一起把事情给做出来。（2）考虑到题主说的“本来是想往机器学习方向走的，但是我偏金融学的背景时候不被机器学习方向的岗位欢迎，所以往偏业务方向发展”，我就不详细展开以技术工程能力取胜了。但是，我想说的是，最基本的东西还是要学呀（看了看题主的情况，想必这些应该也已经差不多了）：Python, R, SQL什么的你需要会，Andrew Ng的机器学习课程你要修完吧，Kaggle比赛也需要重在参与地参加一下，Intro to Statistical Learning的书也应该看一遍；最好再积累一些Hadoop, Spark的基本技能和经验。这几项都不算太难的东西，如果愿意花时间，300个小时之内拿下来应该没问题。我想说的是，这是一个飞速发展的行业，学习能力和学习态度非常重要。题主可以不走技术道路，但是一定也要在自己力所能力的范围内不断努力提升自己。－－－－－－－补充：1. 题主问：如果是走技术方向，应该要强到什么程度，情商需要要求达到什么程度？回答：我觉得泛泛讨论意义不大。你需要有经验的人根据你的情况给你一些具体的建议。我对题主的基本情况不太了解，我假设题主本科在某211学校学金融（或许也念了金融方面的硕士研究生？），但是没有系统的统计和计算机训练，这样的情况下，你要比较快的转行，并且提升自己在职场上的价值，可以考虑申请一下美国的研究生，如果能够去不错的学校念一个Data Analytics/Data Science的硕士，一两年时间毕业，在美国找个工作干一两年把学费赚回来，然后回国，这样工资就涨上来了。总的来说，你需要一些系统一点的训练，和一些对口的学历光环。毕竟，年薪50万还是超过大部分从业者的。2. 请问，5年以上开发经验的C++的程序员转数据分析师，该如何走呢？感谢！回答：赞！我作为一个还没有从业经历的学生，确实没有资格回答您的问题。我只能根据我自己的主观臆想，猜一猜，仅供您参考。我的建议是考虑转data engineer. 首先，我的观察（以及听几个去年旧金山Spark峰会上遇到的大神说）是美国这边学CS的最优秀的学生中，很多都选择做大数据的data infrastructure了，搞基于Hadoop, Spark等的大规模集群开发和管理。美国这边的情况是data engineer的薪资一般不低于（常明显高于）data scientist. 如果您可以往这个方面转，可以找真正在从业的人了解一下。其次，我觉一个优秀的程序员，转数据分析确实有很大的优势。不过也需要看一看自己是否真的会喜欢数据分析——听好几个在大公司做data scientist的都说，做数据分析，不像纯粹的搞工程，有很多主观的东西。例如，需要讲故事，需要说服别人相信自己的观点。对于从事数据分析的工作，很重要的特质是善于沟通，特别是善于将高度技术性的内容，向没有技术背景的人沟通。但是，不是所有的人都喜欢这种性质的工作。最后，我觉得如果要在machine learning方面做得比较深，对于数理基础和统计基础还是有比较高的要求的。不少学数学的学生讨厌编程，同样地，也有不少编程厉害的人讨厌数学。您需要评估一下自己在这方面的情况。总的而言，我觉得除非您特别希望转向更偏业务和商业方面的数据分析（为管理和战略决策做支撑），先转data engineer或许能够更好地把您之前积累的CS经验发挥出来。
知乎上关于数据分析的都是花式提问啊-7000每个月，挺容易的。50万每年就很难了扎实的计算机知识是你拿50万的一个核心点！但是20万一年是不难的斯坦福大学 《machine learning》《机器学习实战》《统计学习方法》《利用PYTHON进行数据分析》这三本书和一个课程，让我的薪资翻了一倍~~评论区的 王建明 同学说的我基本赞成！工程实现非常重要，这也是我为什么说 计算机知识是一个核心点的原因。 我个人是认为计算机知识会是以后考核一个合格的数据挖掘人员的重要标准。这里的计算机知识包括：编程，算法，数据库等基础知识！我在的部门就是BI，但是我们不做报表，只做算法。所以并不是BI就是做报表的
楼主自己对比下吧，看看自己到了百分之几，然后薪水多少。按比例可以算下，要到50w，需要到达百分之几。楼主自己对比下吧，看看自己到了百分之几，然后薪水多少。按比例可以算下，要到50w，需要到达百分之几。
说一些香港的情况吧（看人工的同时，请自动脑部一下生活成本和行业比较 etc.）：首先，香港在数据分析的技术和工程实现相比内地和美国是落后很多年的，对于很多朋友来说其实是个机会。香港的行业应用主要的阻力是法律法规（在银行业就特别明显），企业能投入的资金，公司类型，老板的眼界（主要分香港老板，和外国老板）。结合很多因素以后，对于分析行业（无论你叫Data Analyst, Customer Insights Analyst, Data Scientist 等等），在香港决定你人工的：行业 ，英语水平，吹牛逼（表达能力），技术 ，跳槽所以，达到50万年薪（Base月薪4w左右，不加bonus和其他benefit），你需要夯实基础技术（数据处理SQL，etc，数据分析SAS，R，etc，以及表现ppt / excel，统计基础，机器学习-至少会propensity model, decision tree, cluster, etc.）商业理解能力。如何定义你的问题，提出恰当的假设并且用数学模型解决它表达能力（特别是英语），如何简单易懂地解释给其他人，你的分析是干什么的，有什么用Networking工作1～2年以后，定期参加行业会议，多认识人，了解其他公司在干什么，团队怎么样，进展什么样等等和老板，各个部门老板搞好关系（不用刻意，用最舒服的方式，不过分谦卑，不做作的交流）知道行业里面有什么人，你可以学习的或者可以向你学习的选好行业银行限制多，监管多，数据多，质量好，流程复杂。但是钱多，可以打好你在corp ladder里面的底子，知道保险机会多，钱超多，监管相对较小，很多创新和成熟的数据科学应用都在这，而且这几年保险行业蓬勃发展，是数据科学非常好的出路。咨询。4大最近都在扩招analytics 的团队，加上nelson，ipsos，tns和epsilon除了传统的qual，现在也在加强quant的团队建设，所以机会和待遇也不错/垄断行业（零售，航空，物流，电子）机会也多，毕竟垄断，不缺市场和客户，有资金投入。定期跳槽 内部每年涨薪水是5%，你努力，所有records 都outstanding可以争取到10～15%内部升职一般可以15%～30%，当然前提也是全部都outstanding香港的跳槽率（junior 可以每年一跳，senior 1～2年一跳，AM 2～3年一跳，M 3～4年一跳。但切记，千万不要为了工资去跳槽。）跳槽的工资涨幅在15%～30%所以一个正常努力的分析师在香港的职业道路对应薪酬大概是：可以参考一下
（个人感觉偏高一点，36页）而且，搞笑的是：当你收入超过37k的时候，你已经击败了90%的香港人...（参考《2014年香港收入及工时按年统计调查报告》第13页： ，再看看房价和物价，你就知道在香港生活如果不是expat有多惨）
楼主说数据分析师？这样的话到50是很困难的，50在国内基本是数据科学家或数据总监等高管职位的平均水平了！数据分析师，目前2w/月算是资历很高的了！如果是数据挖掘工程师或者机器学习工程师，那就另当别论了，这种职位经验丰富的拿到3+每月正常，而且公司根本抢不到人！不过，要求就很高了，懂算法（调包侠基本废了）+编程能力+熟悉业务+快速学习能力，即使这样到50都费劲……小建议（仅供参考）:因为互联网公司现在数据挖掘机器学习职位都倾向于计算机专业学生，对编程能力要求较高，对大数据平台也要求熟悉。楼主背景可以考虑去银行，拿银行来说SAS R做挖掘的很多，对计算机要求相对来说较浅，而且银行待遇也不错，楼主还有专业优势
移民美国，年薪10万美金还是容易的。
能创造100万的价值！以业务数据分析的能力创造100万的价值公司每年盈利起码得在1个亿以上吧，这样你把利润提高了1%虽然难，但是还是可以实现的。所以：第一步：筛选公司（A股B股上找吧！）第二步：让他们给你Offer（985、211研究生是起步吧！最好整个常春藤比较稳！）第三步：熬资历，秀能力，组团队，管部门第四步：让CEO认可你......--------------------------------------------------------------------------------------------------上面都是我编的......年轻人不要好高骛远嘛，从年薪20W开始一步一个脚印做，别着急！等我50W了我再来教你吧！（逃
起步不要向钱看了，应该向前看。 这话你可能听了n遍，但还是想加1遍。 起薪高低对于刚毕业的学生来说，不能太重视，但确实有一定的参考价值，数据分析岗位的起薪高，代表着目前行业发展阶段的需求比较大，而且相对有竞争力，对于这个方向有“兴趣”(no三分热)，可以多考虑进入。但是，真的进入这个行业，后续的发展，能达到的高度，还是要靠自己的努力，加机遇，而且能走多远，跟自己的兴趣非常正相关。所谓师傅领进门，修行靠个人。即使有人回答了如何达到，就能复制了？骚年先从十万年薪做好开始吧。
50w+不知道，但是10+的数据分析师在加班，没时间回答这个问题
1. 苦练LOL, 上到王者组,2. 找一个LPL战队, 去当数据分析师
已有帐号？
无法登录？
社交帐号登录大学生为进BAT当软件开发工程师，数据结-中国学网-中国IT综合门户网站-提供健康,养生,留学,移民,创业,汽车等信息
> 信息中心 >
大学生为进BAT当软件开发工程师，数据结
来源：互联网 发表时间： 21:29:07 责任编辑：李志喜字体：
为了帮助网友解决“大学生为进BAT当软件开发工程师，数据结”相关的问题，中国学网通过互联网对“大学生为进BAT当软件开发工程师，数据结”相关的解决方案进行了整理,用户详细问题包括:数据结构算法mit工程师工作我是一名大学生，为了进BAT正在学习数据结构与算法，目标是软件开发工程师。现在已经学完了严的《数据结构》1.请问数据结构进阶还需要看什么书？2.有无必要学习高级数据结构啊？若有必要,那么MIT的《Advanced&Data&Structures》怎么样？还是找工作考不到高级数据结构不用学,多做面试笔试题目就行了啊？在此谢谢大家了！，具体解决方案如下：解决方案1：算法导论吧。。。解决方案2：同意楼上，算法导论不错，你也可以看看MIT公开课推荐的书籍，不过建议看英文版的。此外，数据结构和算法这个东西，如果你现在无法体会数据结构在程序中的作用以及程序=数据结构+算法这两个理念，其实光看书的作用是不大的，我建议你看看云风的《游戏之旅--我的编程感悟这本书》，里面对于数据结构的描述讲的不错，关键是立足于实践。若想真的提高自己，书是一定要看的，看书之余，建议去开源社区下一些开源项目看看，提升会很大。解决方案3：非常感谢您的指教。解决方案4：写个操作系统中国学网
2个回答12个回答5个回答3个回答16个回答3个回答28个回答5个回答2个回答
相关文章：
最新添加资讯
24小时热门资讯
Copyright © 2004- All Rights Reserved. 中国学网 版权所有
京ICP备号-1 京公网安备02号441 人喜欢}