考试报名

2020数据分析人才及CDA持证人行业报告

2020-08-23

一、数据分析的市场前景

当今世界,科技发展瞬息万变,给大众带来生活便利的同时,也为国家发展、工作职能带来了新的考验。2016年国务院办公厅印发的《国家信息化发展战略纲要》和《“十三五”国家信息化规划》提出“加快建设数字中国”,并将“数字中国建设取得显著成效”作为我国信息化发展的总目标。《数字中国建设发展报告(2017)》指出,加强顶层设计、总体布局,做出建设数字中国的战略决策。在“数字中国”战略的指导下,信息化基建的快速发展,各机关、大中小企业积极响应,逐步实现数字化转型。
数字化转型不仅需要底层信息化基建的支撑,还需要培养相关人才实施应用。领英中国发布的中国新兴职业报告中指出,相比2013年,2017年数据分析师职业成为为五大新兴职业之一。

图表 1 2013-2017年排名前五的职位增长率[ 领英中国2019年发布的《新兴职业报告》,为图表1中数据来源]
2013至2017年间,“数字中国“的国家战略提出不久,信息化基建仍在发展初期,顺应时代发展的新兴职位数据分析师正以2.3%的增速增长。近几年,越来越多的企业加入到数字化转型的进程中,信息化基建趋于成熟,也激发了数据相关职位的市场需求。2020年,领英发布的最新新兴职业报告[ 领英《2020年新兴职业报告》,为图表2中数据来源。]显示15个新兴职位正以20%以上的年增长率高速增长。其中,以数据分析为主要工作职能的职位占比为20%,分别是人工智能专家、数据科学家、数据工程师。
图表 2  排名前15的职位年增长率
在年增长率Top15的新兴职位中科技类职位占比66.67%,就业市场的风口正指向科技型人才,数据岗位不再以单一的数据分析师岗位形式呈现。为适应就业市场需求,以数据分析为主要工作职能的岗位孵化出数据工程师、数据科学家和人工智能专家等。以数据为工作辅助的岗位已逐渐渗透到各行各业,诸如在运营类岗位介绍中要求“善于用数据作为运营工具“、用户研究类岗位中要求”分析定性和定量研究数据,总结用户体检中的问题“等等。
图表 3  数据相关岗位划分
随机抽取招聘网站[ 招聘网站指:智联招聘、猎聘网、前程无忧、Boss直聘、拉勾网] 2019年至今的招聘数据,分析发现目前市场上和数据相关的岗位主要划分为两类:纯数据岗位和数据赋能岗位(如图表3)。纯数据岗位的职责主要集中在数据处理、业务建模、数据可视化、数据平台搭建,主要就职于公司的数据部门。在企业数字化转型的进程中,不同行业不同岗位纷纷提出数据分析的技能要求,这使得数据赋能的岗位更加多样化。
图表 4  数据类岗位占比变化
通过分析2019至2020年数据相关招聘职位(如图表4),发现第二类数据赋能职位以24%的增速增长至47%,与第一类纯数据类岗位占比仅差6%,就业市场上纯数据的岗位正向数据赋能岗位倾斜,并逐步渗透至企业的各个部门。

(一)纯数据类岗位市场分析

图表 5  纯数据岗位招聘TOP20行业
其中,纯数据岗位行业跨度138个行业左右,覆盖常见的计算机软件、电商、互联网等行业。考虑TOP4行业主要依托于线上系统管控日常经营活动,企业数据流转需要具备数据技能的人才支撑,纯数据岗位需求旺盛。结合企业规模,进一步分析各企业规模下纯数据岗位的需求占比,如图表6。
图表 6  不同公司规模的纯数据岗位需求占比
纯数据类岗位主要集中在民营、上市、不需要融资、国企、合资和未融资企业,需求占比高达80%,此类规模企业职工人数基本在百人以上,职业发展相对稳定,建议求职时搜索此类企业规模的数据类岗位。其中,数据分析师、大数据工程师、数据开发架构师需求最为旺盛。为了解纯数据岗位的学历门槛,进一步分析岗位的学历分布情况。
图表 7  纯数据岗位学历分布
通过分析纯数据岗位的招聘学历门槛,发现纯数据类岗位对学历的包容性高,从中技到博士学历均有涉及,且主要集中在本科和大专学历,就业人群不必担心学历门槛的限制。缺少学历门槛的约束,数据分析相关证书认证将成为人才筛选的新门槛,建议就业人群夯实数据分析的技能,以权威的数据分析认证证书为实力认证标准。
图表 8  纯数据岗位各省份占比
地域作为求职人群的主要考量因素,通过分析纯数据岗位各省份占比,发现纯数据岗位在各省份均有需求,人口密度高的省市机会占比大,就业人群不必担心纯数据岗位的地域性限制,可自由选择工作地点。
图表 9  纯数据岗位薪资TOP20城市
不同工作地点的薪资变化较大,选取纯数据零工作经验岗位数据分析,发现薪资排名TOP20城市的平均工资为12.3K,除北上广深外,无锡、三门等其他城市均可达到10K起步薪资。相比于消费水平较高的一线城市,这些高收入低消费城市也是不错的选择。



(二)数据赋能类岗位市场分析
对比纯数据类,数据赋能岗位的行业、职位选择相对较广。只要企业通过线上系统记录各环节内容,就需要对应岗位人员具备数据分析的能力。
图表 10  数据赋能岗位招聘TOP20行业
数据赋能类岗位行业种类跨度143个行业略高于纯数据类,其中电商行业占比最高,主要受电商本身工作环境离不开线上系统的影响。相比于纯数据类,TOP20的行业更分散,不再集中于IT相关行业,金融业、轻/重工业、零售业、服务业等均有涉及。结合企业规模,进一步分析各企业规模下数据赋能岗位的需求占比(此处列举若干常见数据赋能类岗位),如图表11:
图表 11  不同公司规模的数据赋能岗位需求占比
约80%的岗位集中在民营、上市、未融资、不需要融资和合资企业中,此类企业发展稳定,是就业的不错选择。同时,数据分析的技能要求不仅覆盖企业员工数占比较大前端核心盈利部门,也包括后端的辅助性部门财务、人力等。为了解数据岗位的学历门槛,进一步分析岗位的学历分布情况

图表 12  两类数据岗位学历门槛对比
对比纯数据,发现数据赋能岗位的学历门槛包容性更大,基本没有学历门槛。这也加大了就业人群在求职过程证明自身实力的难度,建议考取数据分析权威机构发布的认证证书,以证明自身的数据分析能力。
图表 13  数据赋能岗位各省份占比
进一步分析数据赋能岗位的地域分布,发现和纯数据的分布基本一致,就业人群不必担心数据分析相关岗位的地域性限制,可根据自身需求自由选择就业地。
图表 14  传统职位与数据赋能薪资对比
随机抽取产品经理和HR两个岗位无工作经验、相同工作地点,对比传统和数据赋能(数据产品经理、HR数据分析专员)的平均薪资差异,发现数据赋能岗位薪资均高于传统职位,高出的部分受益于数据分析技能的贡献。

二、数据分析的职位要求

就业市场上不论是纯数据方向还是数据赋能方向,对数据相关岗位的要求主要从硬性和软性两方面阐述,硬性要求指的是工具层面的掌握程度,往往是初学者关注的重点。而软性要求因难以量化评估经常被忽视,需要理解分析方法论的价值及应用场景。这两项要求贯穿于招聘全流程,硬性要求主要在笔试环节考核,软性要求则在面试阶段评估。
在明确硬性要求和软性要求具体包含哪些内容前,需提前确定目标岗位对象以及不同对象的数据分析要求的难易程度。如图表15:

图表 15  数据分析功能划分层次图

将数据分析学习的难易程度划分为低级别的业务数据分析,中级别的数据挖掘和大数据分析,高级别的数据科学。低级别的业务数据分析入门门槛低、使用范围广,主要解决数据处理、业务分析和平台搭建;中级别数据挖掘需在业务数据分析的基础上提升数学建模、编程、统计学的能力,同时中级别的大数据分析必须夯实业务数据分析的基础,并提升对海量数据分析建模的代码效率;高级别数据科学,需具备低中级的技能经验,且能够切合业务场景搭建有效的数据管控体系。根据数据分析人才的岗位划分可知低中级别的岗位职能较为专项,高级别的数据科学需综合运用数据相关的所有技能。
图表 16 数据分析相关岗位工具使用频率统计
硬性考核往往是行业新人最为关注的焦点,更是笔试环节的重点考核对象。通过分析就业市场数据相关岗位的硬性技能要求,如图16,发现SQL为招聘要求中提及频率最高的工具。为了解不同等级的硬性技能要求,进一步分析低中级技能的工具使用频率。
图表 17  低中级数据分析工具使用频率
不同阶段的硬性技能要求存在差异,业务数据分析阶段主要需掌握EXCEL、SQL和BI(可视化软件),而数据挖掘阶段更加关注编程技能,如Python语言,大数据分析阶段除SQL和BI外更加关注大数据平台上特定工具的使用,如HADOOP、SPARK等,这与CDA提出的科学认证体系相一致。
图表 18  数据分析各等级要求
数据分析作为一个高速发展的领域,且对于从业者的学历背景包容性大,求职者缺少职业等级证书的支撑很难证明数据分析软硬技能的掌握程度。如图18,CDA根据市场需求将数据分析能力划分3个级别,分别指出各级别的软硬性要求,硬性要求指工具软件的掌握程度和目前市场上数据岗位要求保持一致,软性要求即为数据分析人才的硬性考核,分析方法、业务、结果展现的能力。
软性要求最容易被初次尝试数据相关岗位的求职者忽视,直至应聘环节才意识到软性技能的重要性。软性技能为主观意识的考核,主要结合业务理解考核分析思维,往往在面试环节考核业务问题的处理思路,诸如“某业务的销售额下降,请提供分析思路”等。若应聘者缺乏业务场景的积累、完善的分析框架,将在面试环节缺乏竞争力。若想提升软性技能,只能通过大量的分析案例训练,理解不同业务背景下分析方法论的应用。而目前市场上提供培训认证主要关注工具的使用,而非切合实际业务场景的应用,这将导致新人出现看到数据无法开始工作的尴尬局面。同时,应聘者若想快速进入笔试环节,势必优先通过简历筛选,数据分析为新兴领域,如何让招聘人员通过简历锁定应聘者的价值呢,只有获取领域内的权威机构的认证证书才能在此环节加大简历的通过概率。
CDA作为面向中高端用户的、培养DT时代前沿技术人才的、国际化职业教育领导品牌,致力于为社会各界数据分析爱好者提供优质、科学、系统的数据分析教育。
2003年-依托于中国人民大学经济学院,创立人大经济论坛,成为经管领域最活跃的交流社区;
2006年-北京国富如荷网络科技有限公司成立,运营人大经济论坛;
2007年-论坛开展统计、数据分析相关培训,开创了国内商业数据分析教育先河;
2013年-CDA数据分析师品牌成立,提供体系化的大数据、数据分析人才培养与认证;
2016年-CDA汇聚海内外大数据、数据分析专家上千人,培养数据相关人才40000多人;
2019年-CDA认证考试已举办11届,报名考生数万名。CDA证书得到工信部及国内外企业的认可和引进;
2020年-CDA数据分析师入选市科委2020首批高精尖产业技能培训机构,参与CDA数据分析师人工智能领域培训的企业和个人可根据市科委相关补贴政策申请相应培训补贴资金。
CDA在数据分析领域深耕多年,等级证书推出后获国家及多家企业认可:
2014年-成功举办第一届认证考试,得到台湾数据挖掘协会CDMS的认可;
2015年-得到美国学者的共同鉴定,并在波士顿进行会议分享;
2016-2018年-得到工信部、苏宁、中国电信、中国银行、德勤、联想等大型企业的认可;
2019-2020年-得到统计局、税务局等政府机关单位的引进。

图表 19  CDA所获荣誉

CDA认证考试由经管之家主办,上市公司ATA(中国智能化考试服务的创始者)承办,每年在全国20多所城市及香港地区举办统考,专家命题、评分公平、流程严格。CDA证书得到工信部认可,通过认证的考生可得到经管之家CDA数据分析师中文证书,CDA INSTITUTE英文证书(如图20)。
图表 20  证书样式
此外,考生可额外申请工信部教育与考试中心数据分析师证书,并且参与CDA数据分析师人工智能领域培训的企业和个人可根据市科委相关补贴政策申请相应培训补贴资金。
图表 21  往届考生就职单位
CDA证书获得各企业用人单位的认可与引进,如通信领域的三大运营商、金融领域的银行/会计师事务所、互联网行业巨头百度/京东等。同时,越来越多的企业将CDA证书作为数据分析内部人才的评定标准,如四大会计师事务所德勤等(图表22)。

图表 22  CDA证书认可度

除了企业引进的认证,CDA获得经济日报的推荐,在招聘中享有优先录取权。从2014年12月至今CDA认证考试已成功举办11届,考生数量逐年增多。
图表 23  往届考生增长率
近两届报考CDA等级认证的考生增长率高达40%,在宏观政策的影响下,势必将有更多求职者、从业者选择考取证书认证自身数据分析能力。
图表 24  往届考生行业分布
报考人员不必担心行业、学历、工作经验的限制,如图24,往届学员来自各行各业,从业者在数据分析等级认证的基础上为自有岗位赋能,求职者通过等级认证提升简历通过率。
图表 25  往届考生工作经验分布
往届考生工作经验分布均匀,不同阶段的考证需求略有不同,3年以下人群主要通过考证体系化学习数据分析,3年以上人群主要通过考证获得岗位内评级晋升。
图表 26  往届考生岗位分布
根据数据分析功能层次划分统计往届考生的岗位分布,业务数据分析、数据挖掘、大数据分析、数据科学岗位数量比约为7.6:2:1.8:1,越初级的业务数据分析门槛低,岗位选择多,越高级的数据科学门槛高,薪资优越。
图表 27  往届考生TOP20城市分布
往届学员的工作城市遍布全国,选取TOP20城市发现考生不再只集中于一线城市,二三四线城市均有分布。结合市场薪资分布可知,非一线城市消费低薪资高,约一半考生来自非一线城市。
图表 28  往届持证人数据分析要点反馈统计
通过深度访谈已获取证书人群的数据分析应用,发现约38%提到业务思维搭建的重要性,这与CDA能力认证中强调的软性技能相一致,唯有经过系统性学习的才能先它人意识到软性技能的重要性。
图表 29  往届持证人学历分布
考证不存在学历限制,CDA往届持证人群学历主要集中在本科和硕士,等级证书在高学历人群中认可程度高,建议低学历备考人群夯实自身数据分析技能以提升自信。根据CDA证书等级划分,进一步比对不同等级的持证人群和非持证人群薪资。
图表 30  LEVEL I持证人群和非持证人月薪TOP10城市比对
CDA Level I等级证书主要面向业务数据分析,为数据分析领域的初级岗位,与之匹配的岗位为数据维护岗、数据分析师岗、数据赋能岗、BI工程师岗、数据开发岗。通过比对Level I工作经验1年以下持证人和招聘市场上1年以下经验要求的上述岗位薪资,发现持证人群的工资均高于非持证人群,且城市等级跨度广,既包含一线城市,也包含中小城市。
图表 31  LEVEL II持证人群和非持证人群月薪TOP10城市比对
Level II等级证书分为数据挖掘和大数据方向,为数据分析领域的中级岗位,与之匹配的岗位为数据挖掘工程师、大数据分析师。此类岗位需要业务数据分析经验的支撑,比对Level II工作经验3-8年持证人和招聘市场上3-8年经验要求的上述岗位薪资,发现Level II持证人群工资均高于非持证人群,城市等级跨度广,此类人群往往通过等级证书在现有岗位上实现升职加薪。
图表 32  LEVEL III持证人群和非持证人群平均月薪比对
Level III等级证书为数据科学,属于数据分析领域的高级岗位,一般为上市、国企的大型企业的招聘岗位,且主要在公司总部所在地北上广深一线城市招聘。通过比对8年以上工作经验获取Level III证书的持证人群和市场上8年以上工作经验要求的数据科学家、数据治理专家职位,发现持证人群平均月薪约高出非持证人群20%左右。
图表 33  CDA等级证书对标岗位福利及要求说明
通过比对求职市场上的数据分析职位和与之对应的CDA持证人群月薪,发现经过系统学习并获取等级认证的人群月薪均高于未考证人群,且城市不局限于一线城市。一份耕耘一份收获,还有更多优秀学员供你学习。


通过考试不仅可以和往届优秀学员交流,还可获得以下福利:



完 谢谢观看

加入CDA会员

公司/机构名称:

公司/机构网址:

申请人姓名:

申请人职务:

联系电话:

联系邮箱:

入会备注: (入会原因及诉求)

提交申请