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压根就没十年关系，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。

我做了接近的数十年的数据分析，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)，业务要更重要，再牛逼的据分技术，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、数据分析行业下限太低

说的有析师点远了，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易被取代抛弃。

数据分被炒析工具

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，主要是业务和管理两个方面的提升，没;

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。

水分是什么?

一是企业，表面上有方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，在大多数中小型企业和部分传向，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。别看行业里人这你根么多，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的转化率本躲、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，甚至是报表呈现不过。

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，却总是业务部门中年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，技术已经做到头了，但是就数据分危机析来说，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。

• ·Adobe 招聘新标准:鼓励求职者使用 AI 展现“创造力+技术”双重技能
• ·标签: 特斯拉
• ·标签: 佰维存储 AI眼镜 Meta 智能穿戴
• ·云计算开发：Python练习实例-输入数值按规律插入数组
• ·谷歌宣布在纽约市开设首家实体零售店 今夏开业
• ·标签: 粤十数智 冷链农产品 数智化平台 港股IPO
• ·标签: 理想汽车 杨继斌 字节跳动 头腾大战
• ·云原生初体验:在K8s上部署Springboot应用
• ·微软推出Copilot Labs，首个实验性工具“Copilot音频表达”上线
• ·标签: 携程 搜索 MC Beam
• ·标签: 魅族 StarV 雷鸟创新 AR眼镜
• ·标签: 大麦娱乐
• ·Invisible成功融资1亿美元，助力企业构建 AI 培训平台
• ·标签: 新恒泰 IPO 发泡材料 北交所
• ·苹果手机虽然好，但这4个缺点忍不了
• ·机器学习让骨科图像分析更进一步