很多人都说数据分析是个好饭碗，工作不累薪资高、入门简单又好学。然而今年34的他，却真正尝到了中年危机的滋味，平时也有不少人都会私信问我：

数据分析师也有中年危机吗?跟程序员一样是吃青春饭的吗?该怎么保证自己不被公司淘汰呢?

在数据分析行业混迹了接近十年的我，最近也在思考，如何突破数工作据分析行业的天花板，这个行业究竟如何规划职业发展道路?

一、数据分析不吃青春饭

不可否认，数据分析行业是有中年危机的，但是不同于互联网行业的中年危机，此危机非彼危机，为什么呢?且听我慢慢道来。

1、数据分析行业上限太高

单纯聚焦于数据分析行业本身来说不是青春饭，或者说这个行业跟年纪大小十年压根就没关系，但是劝大家也不要太乐观，三百六十行，行行有难处。

跟程序员很像，数据分析的职业分水岭也在30-35岁左右，因为大多数做数据分析的人，不到十年一定会遇到职业的天花板问题，这个行业的天花板下限太低，很多人都触底之后就会选择转行或者转去做别的，这一点在其他行业中可能也会有的数。

我做了接近十年的数据分析，一直也在考虑这个问题，数据行业的天花板其实一眼就能看到，但其实换个角度，数据分析天花板的上限也很高。

什么意思呢?业务数据分析需要对业务理解有着很高的要求，业务赋能的价值是非常大的：

技术真的不是最重要的(虽然要说做到头还是比较难的，数据的坑纵深很大)，业务据分要更重要，再牛逼的技术，对业务没有赋能，被砍掉完全有可能，因为企业要靠业务来养，投入是要看回报的，不管是短期还是长期的。

但要注意，业务分析的价值是要绑定在行业上的，你所在行业的发展越好，你所积累的价值就是越大的，你每一次分析的经验就会不断增值，这可不是那种青春饭能带来的。

2、数据分析师析行业下限太低

说的有点远了，关于数据分析行业不是青春饭的原因，其实还有一个，数据分析行业的门槛太低。

因为这几年涌进来的人实在是太多了，但是很多人都只是停留在了技术(工具)层面：差一点的变成取数机器，机械性太强;好一点的学个python什么的，往技术岗的方向发展，技术岗最大的问题就是容被炒易被取代抛弃。

数据分析工具

3、需要终身学习

先说加班吧，这个行业的加班情况因人而异、因公司而异，总体来说不会很严重，如果是中层分析管理岗的话会比较忙一些，周六周天无休都有可能;

再说终身学习，这一点是肯定的，具体学习量大小要看你的发展方向，偏向于业务的话，技术层面不需要深入太多，主要是业，没务和管理两个方面的提升;

二、数据分析行业还能进吗?

想要转行进入数据分析行业的，你知道自媒体运营吗?数据分析的情况跟这个差不多，尤其是偏业务的，也都是火了没几年，门槛又不高，不少人趋之若鹜，挤破头也要挤进这个行业，直到现在，整个数据分析行业(只说国内)表面上供小于求，实则水分特别高。

水有方分是什么?

一是企业，表面上看好像什么企业都想要数据分析，你要明白，你们趋之若鹜的同时国内企业也在盲目随众，现在哪个企业不搞数据化改革、不搞数分平台建设?其实你要问企业真的很需要吗?并不是。

很多企业就是招了一堆人天天做报表，当取数机器。如果你想做的是业务分析师，情况就更惨一些了，在大多向，数中小型企业和部分传统企业中，业务分析经常是被老板说没价值的，时间久了你自己都会怀疑自己的工作是否有价值。

二是求职者，主要是这个行业门槛太低了，换句说话，门槛不明显。

可能很多人觉得学个r语言、学个python、学个BI就行了，其实用excel做统计都算是数据分析，所以数分的人多而不精。别你根看行业里人这么多，真正达到分析师高度的人很少很少，大厂企业争得抢的是这样的人。

三、数据分析行业如何规划职业发展?

说了这么多，冷水也泼完了——其实也是为了让你能保持清醒——我再接着说点职业发展的：

如果你想做运营类，数据分析都有前提目标，分析一场营销活动的转化效果、分析用户下载激活注册本躲的转化率、分析某个广告渠道的下载量、每激活成本、用户留存情况等等，这些一般是不设专岗，往往ceo、coo、产品、运营同学把这部分工作各自承担了。当然，如果公司组织结构很大，不排除单独设立，这时候需要你具备熟练操作数据分析工具、如mySQL、spss、python、FineBI，不过甚至是报表呈现。

另外一个就是就是研发型数据分析师，一般就是据业务需求做数据埋点、监测，数据处理、报表呈现。高深一点的就是大数据分析、BI工程师、机器学习、个性化推荐了。

图片来源于知乎-猴子

其实造成数据分析师地位不高的主要原因，就是不认同和价值缺失。

我们总说数据驱动业务，可平时看到的，却中年总是业务部门追着数据部门屁股要数据，而且数据分析的价值其实很难表现出来，领导不认同，同事不认同，甚至连自己都不认同，甚至会怀疑自己所做的事情是不是真的有价值，这种情况在企业中非常常见，做数据分析的人基本都会转做管理和运营。

总结

其实数据分析做到一定程度都会觉得有瓶颈，技术已经做到头危机了，但是就数据分析来说，技术真的不是最重要的(虽然要说做到头还是比较难的，数据的坑纵深很大)，业务要更重要，再牛逼的技术，对业务没有赋能，被砍掉完全有可能，因为企业要靠业务来养，投入是要看回报的，不管是短期还是长期的。

• ·表征学习：为自然语言而生的高级深度学习 原创
• ·云计算开发：Python练习实例-打印字符
• ·标签: 小鹏汽车 第二代VLA 图灵AI芯片 小鹏GX
• ·苹果客服和游戏公司踢皮球？6岁儿童花8千充网游家长退款难
• ·豆包编程升级 上线创作与问答双模式
• ·OpenAI CEO回应马斯克质疑:我只想在宇宙中留下印记
• ·扎克伯格：暴徒冲击国会不是Facebook的责任
• ·标签: 信诺维 科创板IPO 创新药 国泰海通
• ·标签: Alphabet 谷歌财报 YouTube广告 谷歌云
• ·Treap――堆和二叉树的完美结合，性价比极值的搜索树
• ·G行云计算之全栈云应用上云篇
• ·消息称黄仁勋重组英伟达云团队：放弃死磕云巨头、专注卖“铲子”
• ·一季度营收超出预期 Facebook股价盘后涨超5%
• ·标签: vivo iQOO 英伟达 DLSS5 苹果 AirPodsMax2 阿里 AlibabaTokenHub
• ·云计算核心技术Docker教程：Docker 跨链接通信
• ·大脑模拟NLP，高德纳奖得主：神经元集合演算用于句子解析