2023中国数据分析行业人才指数报告

中国数据分析行业 人才指数报告(2023) CHINTAADLAETNATAINDALEYXSRISEPINODRUTSTRY 中国商业联合会数据分析专业委员会 引言 报告撰写背景 数字化时代，数据分析的重要性日益凸显。近年来，我国政府针对数据产业及其安全性发布了多项重要法规和政策。2020年12月28日，国家发展改革委发布了《关于加快构建全国一体化大数据中心协同创新体系的指导意见》，这意味着国家将在顶层设计上规范大数据产业发展，用“全国一盘棋”体系破除“数据孤岛”，从而促进大数据在行业、公司的应用场景落地和创新。2021年9月1日,《中华人民共和国数据安全法》正式实施，标志着我国在数据安全领域有法可依，为国家重要数据保护和各行业数据安全监管提供了依据。2021年11月，工业和信息化部发布《“十四五”大数据产业发展规划》并提出“十四五”时期总体目标，即到2025年，我国大数据产业测算规模突破3万亿元，年均复合增长率保持25%左右，创新力强、附加值高、自主可控的现代化大数据产业体系基本形成。2022年1月12日，国家发改委发布的《“十四五”数字经济发展规划》表明，到2025年，数字经济迈向全面扩展期，数字经济核心产业增加值占GDP比重达到10%。2023年中共中央、国务院发布的《数字中国建设整体布局规划》指出，建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。在国家政策的影响下，数据分析的全民关注度提升，各大高校也应需求增设了数据分析相关课程和专业，企业对数据分析专业人才的需求激增。 埃森哲的咨询报告显示，有三类人将成为企业数字化转型必备的资源：第一，利用数据做决策的中高层管理人才，例如CTO、CEO和CDO等；第二，利用数据搭建数据网的专业人才，例如：数据工程师，数据经理等；第三，利用数据解决业务问题的应用人才，例如：财务、HR、运营等。伴随数据分析人才需求的快速增长，未来5年全社会将面临巨大的数据人才缺口。麦肯锡权威预测2025年中国将需数据人才高达220万；据中国商业联合会数据分析专业委员会1（以下简称“中商联数据委”）统计，未来5年中国基础性数据分析行业人才缺口将达到1400万。面对当前的人才需求现状，当前的大型互联网公司已经开始行动，在他们的招聘职位中，80%以上的岗位聚焦在数据采集、处理、分析和应用这几个关键环节，力求把握数据的价值并转化为业务增长的动力。 在大数据与数据分析行业迅猛发展的大背景下，我们迎来了挑战：尽管越来越多的从业者投身此行业，但真正拥有深厚经验的数据分析人才却长期稀缺。众多公司表示，想要寻找到综合能力出众的数据分析师并非易事。这背后，除了当前教育体系与企业需求不同步之外，与社会公众对“数据分析行业人才”的定义不清晰和认知不足也有较大关系。 针对这一现状，中商联数据委携手CGL、中智集团、睿职人才、美林数据、全美在线ATA、狗熊会、吉林 1中国商业联合会数据分析专业委员会：成立于2008年4月，是经国务院国有资产监督管理委员会审核同意、中华人民共和国民政部正式批准和登记的中国数据分析行业组织。以数据分析师及数据分析师事务所等从事与数据分析行业相关的团体与个人自愿组成的全国性数据分析行业组织，是中国较早坚持发展专业型数据分析人才、靠专业推动市场的行业组织。 中国数据分析行业人才指数报告 人才等机构，采集2018至2023年的相关数据，经各方专家对行业、市场、数据的深入调研分析，联合发布《中国数据分析行业人才指数报告》（以下简称“报告”）。本报告的原始数据综合了前程无忧、猎聘、BOSS直聘等第三方数据机构研究、CPDA数据分析师CRM系统数据、问卷调查以及专家组评审的打分数据，确保为读者提供全面、可靠的信息。 该报告旨在呈现数据分析行业人才供需状态、薪资发展、行业环境以及教育培训等现状。我们期望通过这份报告，为各级政府、企事业单位、社会团体和个人提供更为深入的行业洞察，加强各方合作，携手共进，助推中国数据分析行业的持续发展。 主编：中国商业联合会数据分析专业委员会 专家：邹东生、李妹、胡明、高松、钱陆威、赵艳芹、王兴海、胡旭、张炳出、单鸿杰、王唯唯、赵丽、冯描芬 联合撰写：CGL、睿职人才、中智集团、美林数据、全美在线ATA、狗熊会、吉林人才 引言 报告的目的与意义 《中国数据分析行业人才指数报告》的目的如下： （1）获取当前数据分析行业人才的清晰洞察，了解不同行业、地区及背景的数据分析行业人才的分布、特点和趋势。 （2）为企业、教育机构及政府部门提供有关数据分析行业人才供给和需求的信息，协助制定更有效的招聘和发展策略。 （3）通过分析数据分析行业人才的供给和需求，有效促进企业数据化转型工作的推进，为企业家、投资者及政策制定者在数智化时代，探索和发现新的商业发展契机。 （4）基于报告中的数据和分析结论，为政府及其它政策制定机构提供有关促进数据分析行业人才培养的建议。 《中国数据分析行业人才指数报告》的意义如下： （1）数据分析行业人才是决策的核心支撑，深入了解数据分析行业人才能够为企业和社会构建更加精 准的决策环境，进而促进社会和经济的高效发展。 （2）帮助企业和机构有效地应用和整合数据资源，确保数据分析的结果为决策提供有力支持。 （3）了解数据分析行业人才的需求和特点，有助于教育和培训机构调整课程和培训方式，更好地满足实际工作需求。 （4）该报告不仅提供了关于数据分析行业人才的数量和质量数据，且深入解析了数据分析行业人才的能力、需求和所面临的挑战，进一步促进行业人才交流和培养。 （5）为数据科学和分析在各个领域的应用和发展做出贡献。 Part1 中国数据分析行业人才指数2023指标体系 数据分析行业人才的发展与人才的供给、需求、薪资发展和行业环境等要素密切相关，因此本报告分别从中国数据分析行业的人才供给、人才需求、人才薪资发展和人才环境4个维度入手，综合评估各城市及行业的数据分析行业人才竞争力。在同时考虑指标的可操作性、综合性和完整性等前提下，建立数据分析行业人才指标体系（城市）和数据分析行业人才指标体系（行业）。其中，数据分析行业人才指标体系（城市）包含4个一级指标，11个二级指标，数据分析行业人才指标体系（行业）包含4个一级指标，10个二级指标，并分别通过专家打分明确了各级指标的权重。指标体系详见表1-2、表1-3。 第一部分：中国数据分析行业人才指数2023指标体系 1.1中国数据分析行业人才指数界定 1.1.1数据分析行业人才解读 报告该部分从数据分析的概念入手，厘清数据分析与数据治理、大数据技术概念的区别和联系，在此 基础上提出数据分析行业人才的概念和能力模型，以此界定数据分析行业人才的概念与价值。 （1）数据分析 依据中商联数据委发布的《数据分析行业服务参考文件》（2022），数据分析是指基于业务目标，采用适当的分析方法和工具对收集到的数据进行处理和分析，并从中提取有价值信息的过程。在大数据时代，很多企业收集到实时、大量、种类丰富的数据，而这些数据通过汇总、预处理、构建模型等过程帮助企业发现并解决问题，提供高效的决策依据，这些都属于数据分析的范畴。 （2）数据分析与数据治理、大数据技术的区别和联系 从概念上看，数据治理是一套管理数据质量、可用性、一致性、安全性及最大化数据资产价值的策略和流程。大数据技术包括一系列用于存储、处理和分析大规模、高速和多样化数据集的技术、框架和工具。数据分析与数据治理、大数据技术既有区别又有联系： 1）联系 数据治理确保数据的质量和一致性，从而为数据分析提供了坚实的基础。例如，数据治理过程中的数据清洗和质量检查有助于确保分析结果的准确性。大数据技术为数据分析和数据治理的实现提供技术支持。例如，Hadoop可以用于存储大量数据，而Spark可用于对其进行高速处理和分析，一些大数据工具（如ApacheAtlas）可以用于数据治理，追踪数据的来源和变化。 2）区别 数据分析关注的是从数据中抽取价值、洞察和信息，其主要工作内容是监督业务运营状态、发现业务问题和风险、优化提升业务指标、为决策提供数据支持、推动并测试改动效果。数据治理关注的则是如何管理数据，包括数据的质量、一致性、安全性和合规性，是数据分析的一个环节；大数据技术是一套用于存储、处理和分析大规模数据集的技术手段，为数据分析提供决策落地的技术支撑。 （3）数据分析行业人才界定 经中商联数据委与专家组、中智集团、CGL、睿职人才等多家数字化领先企业和人事招聘机构的多轮深度研讨，对数据分析行业人才做出如下定义：数据分析行业人才是指企业实现“数字化转型”和”数据驱动”的人才，是具备专门的数据分析思维和技术技能，能够解读、处理和分析数据，并将其转化为有价值的洞察与建议的专业人员。 基于数据分析行业人才的定义，报告进一步将数据分析行业人才的关键能力拆解为以下6个方面，如下表1-1所示： 中国数据分析行业人才指数报告 ◆表1-1数据分析行业人才关键能力构成表 数据分析行业人才关键能力 能力构成 具体体现 拥有数据分析思维 1）关键信息识别：在海量数据中快速捕捉到与业务相关的信息和指标。2）数据关联与模式发现：理解数据间的关联，发现其中隐藏的模式或趋势。3）业务数字化：将复杂的业务流程和逻辑转化为可量化的数字指标。4）数字模型化：构建和优化数学模型、算法，为企业决策提供科学依据。5）模型业务化：将数字模型的输出转化为实际的业务建议和行动点。 掌握数据分析方法论 1）定性分析：通过非数值方式来理解和解释数据，如战略模型、专家访谈、焦点小组等。2）定量分析：掌握统计方法和机器学习算法，对数据进行量化分析和预测。3）数据分析与运营策略的有效融合：深入掌握企业经营管理的多种理论框架和实践方法，确保定性和定量分析成果与企业运营策略和目标紧密结合。4）精准决策支持：通过数据支持，为组织提供准确、及时和具有前瞻性的决策建议。 掌握数据分析工具与技能 1）熟练应用工具：如Python、Excel、SQL等工具的高效使用。2）数据处理与挖掘：数据清洗、转换、特征工程等核心数据处理技术。3）统计学模型的实操应用：利用数据工具对业务数据进行统计模型建模，并对结果进行解读，洞察对应的业务逻辑，得出结论并给出行动建议。4）机器学习算法的实操应用：理解各种机器学习算法的特征和应用范畴，利用算法建模处理分析需求，利用机器学习算法嵌入业务流程达到优化业务指标的目的。 深厚的行业背景 1）了解行业：对所在行业的历史、现状和未来趋势有深入了解，并提供支撑服务和数据指标。2）了解业务：了解业态和业务逻辑，将数据分析与实际业务紧密结合，能够将数据分析结果落地到实际业务行动中，为企业创造真实价值。3）策略建议：基于企业内外部信息结合业务链条关系，利用数据分析方法论，为企业提供战略建议支持。 良好的沟通技巧 1）可视化表达：运用图表、图形等方式，直观地展现数据分析的结果。2）数据故事讲述：将复杂、专业的数据结果通过故事化的方式简明地传达。3）跨部门沟通：与各个部门、不同背景的团队成员有效沟通，确保分析结果的实际应用。 创新和思辨能力 1）创新思维：在数据分析的过程中不断寻找和尝试新的方法和角度。2）批判性思考：对数据、结果和建议持批判性态度，避免陷入偏见和误区。3）问题解决能力：面对复杂的问题，能够迅速找到并实施有效的解决方案。4）学习能力：关注、学习行业新闻及前沿技术，不断更新自我知识技能。 第一部分：中国数据分析行业人才指数2023指标体系 报告认为，随着众多AI智能分析工具2的盛行，数据分析对于复杂工具和技能的依赖会大幅减弱，数据分析行业人才对6项能力的要求和掌握程度并不一定均衡。数据分析在各种商务场景下的创新性应用要求数据分析师不断强化自身的数据分析思维和创新思辨能力，因此未来对数据分析行业人才的软性能力要求会逐渐提升，对硬性能力要求会逐渐下降。当前，数据分析行业人才的能力模型图如图1-1所示： 数据分析思维