虽然我移植都知道数据分析师一个月的薪资不低，但是移植也没有去分析数据分析师一般一个月多少钱，今天恰好有个小伙伴问我数据分析师一般一个月多少钱，我就特意的查了查数据分析师的平均薪资，据数据统计，全国数据分析师的月平均工资过超过18.6K，数据分析师一般一个月都在15K以上，最多人拿20~30K。
其中，20-30K的人最多，占32%，主要的薪酬区间集中在15-30K之间。这个优越的数字，不可谓不是一份高薪的工作，在感叹的同时，笔者也将数据分析师在一线城市以及各个阶段不同的薪资数整理了一下，大家可以跟我一起来看看。
一线城市数据分析师一个月薪资
根据职友集的数据，笔者统计了几个一线城市数据分析师的薪资。
排除掉人才需求量较小的城市，笔者为大家统计了前7名的薪资，从表格来看，这7个城市的薪酬分布情况总体来说都比较集中，北京以25.2K位列榜首，除此之外，上海，深圳、杭州的平均薪资也都超过了10K，大家可以将自己的薪资和上图所比对，来看看自己正处于哪个位置。
且，从以上数据来看，如果你拿的是大厂offer，或者是中小公司的中高级岗位，基本薪资20K以上是没什么压力的。
看完平均薪资后，我们再来看看不同工龄的薪资变化
对于应届生而言，刚毕业就能拿到10.6K的薪资属实是比较可观的，除此之外，薪资跨度最大的时间是在1—3年到3—5年这个区间，涨幅接近10K，可以说是十分有“钱”景了。
且随着越来越多的企业开始触网，数据会越来越庞大，各个城市对于大数据分析师的需求都不会少，由于专业人才少，薪资自然也不会低。
最后，笔者还统计了一下数据分析师近几年的平均薪资涨幅
从2018年起，数据分析的岗位平均薪资就有一个大幅度的增长，2020年至2021年更是有了质的突破，短短的一年中就增长了2K。
通过以上的数据的统计，我们可以得到这些结论：
1）数据分析这一岗位，留在一线城市可以获得更多的发展机会，大部分从业者的薪资在15K-30K这个区间，且每年的薪资呈增长趋势，前景十分不错。
2）从发展角度来看，数据分析师在3年左右，薪资会迎来质的飞跃，是一份十分看重经验和技术的岗位，相较于年龄，大多数的企业会更看重这两个方面。
数据分析师发展方向
在上面我们也提到了，数据分析师是一个随着经验增多，薪资也呈正比例增长的岗位，那随着工作发展，我们能够选择的职业道路又有哪些呢？下面笔者为大家总结了几个发展方向，供大家参考：
1）商业数据分析师
商业分析能力就是从业务和战略发展的角度出发，用数据分析手段，发掘业务问题，支撑商业决策。所以我们认为，商业分析能力最核心的两件事：业务思维+数据思维。
一般来说，商业分析师都需要对市场、上下游、商业有强烈的洞察力，具备系统的资料收集、市场研究、整理能力，及良好的文字处理能力，具备较强的逻辑思维能力，敏锐的观察能力和独立分析能力。
很多商业分析师是需要独立完成一份行业分析报告，站在整个行业的角度，去看待本公司、所有竞品公司、上下游的各种关系与优劣势。需要懂得各类的策略模型与方法论：如SCP、RFM、波士顿矩阵、金字塔原理、5W2H、MECE分析、SWOT分析等等，专业偏向经济、金融、工商管理、数学、统计（整体更倾向商科）。一般规模比较大的公司都会专门设置商分团队。
2）业务数据分析师
业务数据分析师是为企业或公司收集和评估数据的个人工作职称，它分为有许多不同类型的业务，因此，必须收集和分析许多不同类型的数据。这个职位的工作职责可能会因公司的不同而大不相同。
一般情况下，公司会收集目标市场的数据，这样可以更充分地了解客户和潜在客户的情况。需要收集、组织和使用这些信息来开展各项策略，确定哪些产品有利可图，或以其他方式将公司的业务重点放在目标市场上。因此，业务数据分析师可以编译和分析来自客户调查、客户销售记录、忠诚度计划、焦点和其他此类客户信息来源的数据。
然后必须分析这些数据并将其置于有用的形式。例如，公司可能需要了解其成本细分的总体情况，以确定其把钱花在什么地方或最赚钱的业务是什么。业务数据分析师将负责生成这些数字，并负责组织和确定信息的价值和含义。
业务数据分析师应该能够以口头和书面形式进行良好的沟通。在整天的工作日程中，将被要求将数据发现意见或见解转移给其他业务成员。
3）数据挖掘
数据挖掘是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息的过程。数据挖掘揭示的是未知的、将来的数据关系。数据挖掘的知识领域涵盖了数据库技术、统计学知识、机器学习、可视化等多学科知识的综合应用。
数据挖掘一般是处理大数据，需要进行分布式计算和编程，还需要学习能力、自我驱动力、逻辑分析能力等基础职业素养。
因为数据挖掘工程师对于技术的要求高于数据分析师，所以数据挖掘的平均薪资高于数据分析师的平均薪资。
在一些公司，高级数据分析师会等价于数据挖掘工程师（其实行业内，对title并没有严格的标准），只是工程能力稍弱，模型部署由专门的工程团队完成。数据挖掘工程师的晋升职位为算法工程师。后者对理论要求更严苛，需要阅读国外的前沿论文，方向不局限于简单的分类或者回归，还包括图像识别、自然语言处理、智能量化投顾等复合领域。
4）数据产品经理
产品经理的工作非常综合，既考验创意创新，也需要对用户行为和产品的逻辑进行深入的研究，经验丰富的数据分析师往往视野开阔，容易站在宏观层面去思考内在的联系。
优秀的数据分析师有好的产品感觉。以超强的数据分析能力作为背书，向产品经理发展，思维方式的优势，很容易让一个对数据敏感的产品经理脱颖而出。
数据分析课程
最后，如果你是新人小白想了解一下数据分析行业，或者是有计划想通过数据分析来进行变现赚钱布局的你，不妨看看这个数据分析的配套课程，想必对你有很大的帮助：
微信扫一扫 
支付宝扫一扫 
