最近在网上有看到有很多数据分析师在讨论，数据分析师做了两三年就感觉有瓶颈了，不知道下一步往哪里走。其实作为数据分析师兼具业务sense和一些基础的编程技能，可以走高级分析职业发展路径。
01高级分析
我从一个英文网站上找到了一个定义，高级分析:指的是能运用大量的分析方法来洞察数据背后的巨大商业价值。主要的分析方法包括机器学习，数据挖掘，预测分析，定位分析等。
那你会好奇需要高级分析人才的行业有哪些，以及高级分析人才的缺口和类型。我接下来带你从MBB的2篇咨询报告中整理出答案。
02 高级分析人才的领域
高级分析是依赖于数据驱动的，所以是需要数据量大且价值潜力大的领域。根据咨询公司麦肯锡全球研究院2011年的一份研究报告《大数据报告》中以美国劳工部的数据为基础，有两个有意思的图表。
第一张图是关于不同领域使用大数据价值的差异。主要是从纵轴是历史生产力增长速度，横轴是大数据价值潜力的指标，气泡大小代表了GDP贡献的相对大小。可以发现信息科技，政府和金融保险类的大数据价值潜力相对较高（聚类A和B），房地产与租赁以及医疗健康（C类）潜力中等， 制造业（D类）增长速率相对较高。
第二张是从大数据获取价值的难易程度的热力图，发现信息科技，制造业是最容易的，金融保险类，物流仓储，房地产与医疗健康领域的相对容易获得，而政府类的难度很大。
综合上述不难发现信息科技，金融保险，医疗健康，制造业，物流仓储从价值和难易程度来说是有潜力和需求量可能会大的领域，而政府领域有很大困难需要克服。
03 需要哪些人才？
2019年咨询公司贝恩发布了研究报告《全球高级分析人才行业报告》，一个高效的高级分析组主要是需要8类人才，特别是数据架构师，数据科学家，数据工程师和机器学习工程师，美国产业中的高级分析组70%以上是以上这四种角色组成的。
以我在中国互联网公司的不多的经验来判断，如果在公司部门里组建一个高级分析组，主要是依赖于3种角色：
- 数据科学家，提供有关统计、相关性和质量等的专业技能 （专业的建模技能）；
- 商业分析师，从商业的角度出发甄别数据科学家从纯粹数据分析角度发现的异常数据以及一般性规律，发掘出其中与公司业务发展紧密相关的数据和规律，能将业务语言转换成技术语言（懂业务）；
- 数字技术专家，帮助提供收集、整理和处理数据所需的硬件和软件解决方案（数据工程师/BI）；
有兴趣的同学，看下这张帖子，了解商业分析师和数据科学家的区别。http://www.sohu.com/a/41976111_308467
04 高级分析人才趋势
贝恩公司这份报告指出，到2020年，全球高级分析人才池将达到100万，比2018年翻一番。其中预估增长幅度比较大的是印度和中国。说明中国的高级分析人才的缺口较多，以美国310000人的人才对标的话，未来的空间值得期待。
05 咨询公司中的高级分析组
说了这么多咨询公司的高级分析报告，那么咨询公司自己的投入怎么样呢。MBB中的3家都有类似高级分析的部门。
-Boston咨询是有GMMA 团队，主要是以算法和软件系统形式形成工具提供咨询服务进行赋能。比如做了Catalyst这块产品是可以提供给客户进行定价分析（类似于数据产品）。
-Bain咨询有AAG （Advanced analytics Group），官网上没有看到输出的应用case展示，我估计应该是成立时间不久的团队，前段时间还看到朋友圈的招人帖子。
-麦肯锡没有从网上找到专门的高级分析部门，但是有各个部门招数据科学家的帖子，总体来说是至少2017年前就有招聘数据科学家。
数据分析师只是起步，高级分析职业路径或许你可以考虑下。
私藏数据分析资料获取，请关注微信公众号数据氧气，回复【POWER BI】获取。
