1、数据分析不是技术

很多人学习数据分析不知道学什么?开始就是python、模型，硬生生把数据分析当成了一门技术，到企业中工作傻眼了，感觉自己所学完全用不上，数据分析是服务要先建立自己的分析思维体系。

让自己具备发现问题、分析问题、解决问题的能力，这需要大量的实战经验，这是所有课程和书籍都无法提供的，需要自己去悟的，要想成才，步不是使劲学习，而是先要有一份分析的工作。

2、做技术的分析师工资比业务分析师高

企业的发展和人类社会的发展很相似，从无到有都需要一个过程要让分析发挥价值，首先要有足够的数据，其次是要有高质量的数据源，较后是要有小白能看懂的数据应用服务。

技术类、业务类分析师会长期存在，只是未来肯定是业务分析师的天下，大家拼的不是系统、算法，而是数据驱动的能力。目前很多企业的重头戏还集中在收集数据、高质量数据源方面，所以需要大量的技术类分析师，那这一波基础建设完成后呢?技术类的分析师必然要接受洗牌，而且需求会急速下降对应的工资也会整体下降。

现在很多企业内部都有自己的分析产品、各种分析平台，这些基础建设的重心迟早会结束，有很多企业花费很大的人力、财力造出来一个无比厉害的分析系统，较后发现业务方根本不用，甚至不会用，不知道如何用，这个过程迟早要结束的，以后会用数据的人会更抢手，现在的高薪并不代表以后也高薪，早日看清行业发展，做好自己的职业规划。

3、不要过分专注数据分析

接触过很多人开始的想法很单纯喜欢倒腾数据，感觉做数据分析很有意思，想成为一名的分析师做几年后又感觉自己找不到方向了，不要太执着成为通才更适合生存学会随机而变。

有一些数据产品经理、数据运营、数据管理的职位出现，这是必然的产物，当很多分析套路常规化、规范化就需要产品来提率，当有很多分析指标、分析模型时，就需要数据运营来指导业务，当拥有产品、驱动时，就需要一个管理者去做长久持续的规划。

如果纯做数据分析会错过很多精彩的事情，没有这些事情输入你的大脑就很难在突破自己的职业瓶颈，数据分析其实也有等级，如看数据的高于用数据的，用数据的高于做数据的，做数据的高于整理数据，整理数据高于收集数据，越靠近行业的前端，往往这个事情理解越深。多学一些业务、产品、运营错不了，企业不是科研。

经常看到很多分析师对自己的报告配色、图表要求很严格也很讲究，当发给服务方时，发现人家根本不理你，较好的自己能让别人一起参与一起沟通一起完成，而的自己很容易让自己变的自大。