疫情之下,数据分析师的就业前景还明朗吗?

疫情之下,数据分析师的就业前景还明朗吗?

疫情之下,数据分析师的就业前景还明朗吗?

2020 年伊始,病毒肆虐,人心惶惶。截止北京时间 2 月 7 日 13 时 37 分,全国确诊新型冠状病毒肺炎的数字已达到了 31215 例,疑似高达 26359 例。 面对猖獗的病毒,最前沿一线医护人员浴血奋战,后方全球华人八方支持,其中如科技圈的阿里、腾讯、华为、百度、字节跳动等企业在线出动,支援这场没有硝烟的战争。 受疫情影响,新型冠状病毒也给我们每个人的 2020 年,带来了重重的一击。疫情的出现,让我们非常的恐慌新型病毒肺炎,更让我们无处可躲。原来热闹的新年,因为疫情让我们逼不得已只能待在家里,走亲访友更是不可能的。就连原来约好的相亲也泡汤了!因为封城、封村、封小区、封路了。于是有同学陆续问:_ 当前疫情__爆发,作为一名数据分析师,今后的就业形势会更加艰难吗?_今天,本文就将与你一同探讨疫情对数据分析师未来就业前景的潜在影响和应对之道: 首先就大环境而言,疫情肯定会打击经济。目前第一批喊着“快抗不住了”的企业,主要有两类。 第一、假期经济的受益者。包括餐饮、旅游、电影、交通运输等行业; 第二、受人流管制影响的企业,如房屋租赁、制造业、建筑业等。其中大部分还是小微企业。之所以民间呼声强烈,是因为小微店主们实在经受不住人流管制+假期经济泡汤的双重打击,在接近空转状态下光人工和房租就足以把资金链脆弱的他们打垮。客观的讲,这些企业并非数据分析师的主要需求方。这些企业可能有一两个做 excel 的统计专员、数据专员,但是应该没有同学会期望投这些表哥表姐工作。
真正需要数据分析师岗位的,还是总部职能的数据中心、战略发展部、市场部、会员中心、运营等部门。在行业上,更多是集团型传统企业,或电商、游戏、金融、O2O 等互联网企业。可以预见的是: 1、更多的服务业、小微、经营困难甚至破产 2、制造业、地产、线下教育、零售等人员密集企业业绩下滑 3、大型展会停办、出差难度加大,传统 B2 B 业务开展难度加大 4、社会资金需求加大,违约风险提升,金融机构运作压力加大 5、电话销售、线上广告投放力度加大,互联网企业获客成本更高 6、受以上影响,资本市场更谨慎,没有盈利能力互联网企业被淘汰 很多经济学家都指出:目前形势和 2003 年不一样。2003 年中国城镇化率只有 40%;2003 年中国刚刚加入 WTO;2003 年中国第三产业只有 39%。
后来的城镇化、房地产大跃进、出口暴增、互联网行业黄金十年,都是经济助推剂。而 2019 年城镇化、进出口、互联网(特别是 B2C 互联网)都遭到瓶颈。目测会更加艰难。 所以说,眼前的问题只是小事,真正的变数在后边。在于:到底疫情什么时候结束?+是否有大规模经济刺激方案跟进?这两点会直接影响经济发展和大家就业。 其次就是,疫情影响的程度,对个人就业的影响。疫情影响会有多大,本质上是靠着管控措施、医生努力、气候变化等因素决定的。单纯从目前患病数字很难做准确推测(实际上,疫情刚开始时各种数据推测已经被现实数据推翻了,各路研究者都在调整数据模型)。
但是作为结结实实受影响的个人,我们不能把希望都寄托在靠天吃饭上,得主动做准备。所以,我们可以先把疫情控制的程度分为好、中、差三种场景,根据不同的场景,做出合理的个人规划,比如在遥遥无期的假期里,多看看学习资料自我充电,少刷微博、抖音,待疫情结束后,也能第一时间抢占到就业先机。或通过下面这 5 种方法,从容应对疫情的不可控性: 1、关注疫情数据和政府管控措施变化 2、少看疫情相关撕逼八卦、多关注目标行业(电商、游戏、金融、O2O)动向 3、空闲时间多做准备,积累知识,备战 4、做好现金积蓄,应对不确定情况 5、多上拉勾网、BOSS 直聘、51JOB、猎聘,搜集岗位信息
这里特别强调第 5 点。有一类同学,闲下来就喜欢看其他人的转行心得、求职经历,这对自己求职是非常有害的。每个人基础条件+历史机遇都不一样。过度看这些心得,会给自己一个错觉:“我能反杀!只要我像他一样学了 XX 知识”。
与其看这些,不如多搜搜求职网站,看看自己想去的岗位有什么,想去的企业是什么类型,想去的岗位要什么能力,这样对症下药,提升更大。

面对疫情的种种不确定性,有人看到的是恐慌,而有的看到的是希望。不管怎样,都不要再把时间浪费在无聊的消遣上。应该趁此机会,提升自己。疫情可以阻断你的出行,但是不能阻断我们通向未来的道路。

疫情之下,数据分析师的就业前景还明朗吗?
疫情之下,数据分析师的就业前景还明朗吗?疫情之下,数据分析师的就业前景还明朗吗?

疫情之下,数据分析师的就业前景还明朗吗?【学员专属福利】足不出户学技能,免费课程等你拿!
用 Python 手写十大经典排序算法
吐血分享,Top7 大开源数据可视化分析工具
数据分析小白必看:1 种通用的数据分析思路
第 21 期《用 K-Means 算法让你的工作效率爆表》