行业数据报告分析网站汇总
1、 运营派：yunyingpai/
一个以互联网运营、市场、营销、文案为核心的学习交流分享平台。
2、人人都是产品经理：woshipm/
300万产品经理的聚集地，深度剖析国内外互联网业内动态，分享产品设计、交互设计、视觉设计等前沿知识。
3、36氪：36kr/
通过全面、独家的视角为用户深度剖析最前沿的资讯，内容涵盖快讯、科技、金融、投资、房产等。
4、广告门：adquan/
中国广告传播行业领先在线媒体及产业互动资讯服务平台。
5、梅花网：meihua/
聚焦行业营销案例，作品涵盖平面海报、视频制作、创意设计、公关活动等。
6、topystopys/
10W+篇的精选优质文章、海量的创意视频、广告、文案、设计素材、灵感等。
7、新榜newrank/
内容创业服务平台，主要是做新媒体平台的数据统计和排名分析，以及关注行业动态消息。
8、搜狗微信搜索weixingou/
针对微信公众平台而设立的，可以通过关键词搜索相关的微信公众号，或者是微信公众号推送的文章。
9、4A广告提案网：4aquan/
以广告提案的交流为主的论坛，在于形成以广告人为主体以广告提案、广告策划为主的互动、交流社区。
10、SocialBeta：socialbeta/
内容涵盖营销动态、创意案例，营销趋势和实践经验。
行业数据
1、易观千帆 qianfan.analysys/
移动互联网产品对标分析，竞争分析、运营分析、投资分析。
2、百度指数 index.baidu/v2/inde
以百度海量网民行为数据为基础的数据分享平台。
3、阿里指数 index.1688/
了解电子商务平台市场动向的数据分析平台。
4、阿拉丁指数 aldzs/
小程序互联网洞察平台,可查询全网小程序指数变化情况。
5、微博指数 data.weibo/index
新浪官方开发的数据分析产品。
6、头条指数 index.toutiao/
今日头条推出的一款数据公共服务产品。
7、卡思数据 caasdata/
权威的视频全网数据开放平台，为内容创作者及广告主提供全方位、多维度的数据分析、榜单解读、行业研究等服务。
8、飞瓜数据 feigua/
短视频领域权威的数据分析平台,提供抖音数据和快手数据等。
9、西瓜数据 data.xiguaji/
提供专业的公众号数据分析服务,提供优质公众号推荐、微信公众号排行榜、公众号数据监控、公众号诊断等功能服务
10、微信指数（微信搜索“微信指数”）
微信官方提供的基于微信大数据分析的移动端指数。
11、企鹅智库 re.qq/
腾讯科技旗下互联网产业趋势研究、案例与数据分析专业机构。
12、talkingdata mi.talkingdata/repo
权威的互联网行业报告，针对热门行业、热q门事件进行重点实时分析。
数据分析行业在国内又卷又水了起来，不清楚这几点，谁劝都别进！
首先我们简单了解下数据分析师的主要工作，可以分为四类：1、从0到1搭建数据分析体系大部分公司还处于此阶段，可能是全新搭建，也可能是新业务线搭建。
①搭建数据监控体系
搭建数据分析体系的第一步是搭建数据监控体系，定期查看业务发展情况，让业务发展结果可量化，可衡量。
通过这套监控体系，业务侧可以得到实时的效果反馈，根据业务效果指导业务决策；领导层可以了解业务发展情况，做到心中有数。
那这套数据监控体系到底包含哪些内容？——没有标准答案，主要看业务目标。
从实现思路上，可以做业务拆解：整个公司或者整个部门要实现的KPI是什么？KPI可以拆分为几个小目标？在小目标实现上，需要实现哪些过程指标？要想实现过程指标，需要多少预算，什么资源？
业务拆解后，要监控哪些过程指标和结果指标，就一目了然。
②根据业务监控体系，洞察业务问题
数据监控体系能让领导及业务相关同事了解业务结果。对于规模或比例变动较大的指标，数据分析师就需要了解业务原委：是行业变动导致？公司战略方向调整？还是市场格局发生变化？亦或是新技术巨变？公司产品迭代漏洞？对于行业、业务有深度理解，将有助于快速定位问题关键点。
③提出业务优化方案
根据对数据、业务理解及与业务部门沟通，提出可能的潜在影响因素的业务假设。对于明显影响效果的因素，优化之，如产品迭代中的漏洞等；对于不明朗、不确定因素，进行AB测试，根据数据反馈验证业务假设。
2、数据分析工具化，产品化从0到1搭建数据分析体系是解决“有数据可用”的问题；让数据分析产品化是解决“让数据易用”问题，是提升数据使用效率和发挥数据更大价值的手段。
常见的数据产品就是商业智能系统（Business Intelligence），也就是BI。
关于BI可以看我最近写的一些看法：
什么是BI，当前国内外BI的现状，BI的应用状况？23 赞同 · 4 评论回答
数据产品部门会根据数据使用情况，优先上线使用人数众多、对业务决策有关键影响的数据报表。
对于使用频繁，涉及人数较多的数据，数据分析师需要提出数据报表需求，供业务、产品、市场、财务等部门使用。
3、支撑领导、部门决策的专题分析及业务方向探索如果说前两部分属于常规分析，第三部分就是专项分析。
专项分析大多是一次性分析，使用频率低。专项分析的提出可能是部门要进行业务方向的新探索，可能是领导想要验证自己的新想法，可能是已有数据中反应出来的新问题。
要做专项分析，数据分析师需要自己获取数据，清洗加工数据，分析数据，得出数据结论。现有数据在时间维度、指标口径、新字段关联上都无法满足分析需求，而数据提取可能就要耗上几天时间。可谓“台上一分钟，台下十天功”！如果你有个“有想法”的领导，天天标新立异提需求，而你又不精通业务，无法马上判断是否具有分析意义和分析价值，那可真要披星戴月搞数据了。
4、数据规范制定及提升数据质量等基础工作为了完成以上三部分工作，像制定数据规范、提升数据质量这些基础工作就必不可少。
数据规范性是个系统性工程，在数据系统搭建之初，就需要考虑好。数据分析师日常工作中，接触更多的是提升数据质量：数据是否准确，数据是否有效，可用数据比例是否足够用于分析。
当然，现在大多数公司还无法做到打通所有数据系统，统一数据源。在使用任何数据时，数据分析师都需要校验，确保数据准确无误，这是所有分析工作的基础。
数据分析岗位目前的发展前景如何？如果是还没入门的，我会先告诉你，数分行业在国内逐渐开始又卷又水了起来
卷在哪？拿2022年来说，就我知道的，一大堆国内外高校硕士今年秋招想卷进数分的，别说offer了，投了几十份简历，面试机会都没几个，投了就是石沉大海，招聘官网上的数分hc跟闹着玩儿似的放在那钓人，本科985英G5，也只能拿到中小厂offer，还不是核心业务线。
本来今年因为疫情，几乎所有企业的hc都砍了一半以上，技术岗都不好找到工作，更别提数据分析这种从前两三年因入行门槛低、培训机构热推而卷到飞起，hc屈指可数的行业了。
这个行业的好岗位实在是太少，但想进来的人又太多。除非你是海外名校或者国内985211本土高校的计算机/统计/BA/数学专业毕业的数据人才，否则很难在这片红海里找到工作。（我这里主要说数据行业的好工作，如果是一些传统行业的基础数据员岗位，还是好找工作的）
水在哪？一是企业。
表面上看好像什么企业都想要数据分析，但你要明白，你们对数据分析趋之若鹜的同时，国内企业其实也是在盲目随众。现在哪个企业不搞数字化转型、不搞数据平台建设？其实你要问企业真的很需要吗？也并不一定是。很多企业就是招了一堆人天天做报表，当取数机器，等到寒冬来了，钱不好赚的时候，你猜先裁谁？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传统企业中，业务分析经常是被老板说没价值的，不能直接带来钱，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，情商高点说就是门槛不明显。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。别看行业里人这么多，真正达到分析师高度的人很少很少，而大厂企业争得抢的是这样的人，未来不怕被淘汰的也是这群人。
但如果你目前已经找到数据相关工作，就先上，这两年都不要对就业市场抱太大希望，况且就算你再焦虑，也得先真的入门后才有资格焦虑，干就完事了。
而至于是否容易被替代，我觉得这是后面的事了。从目前形势来看，无论是23届还是未来几年，数据分析的发展趋势只会愈发呈两极化、具体化、普及化，但数据分析师岗位不可能会被完全取代。
具体展开讲下：
两极化：低端的数据分析师，例如传统企业的表哥表姐，互联网企业的SQL BOY，逐渐会被BI等工具或者外包替代掉，这类岗位的技术和业务天花板很低，2-3年即可毕业具体化：数据分析岗位细化，以往数据分析师可能要一个人做数仓建设、数据开发、数据运营，但随着各大公司的业务线收缩，数据分析师必须得找到自己最擅长的部分，放大，在特定领域做到至少超过80%人的专业普及化：数据分析未来会更偏向技能，而不是岗位，人人都应该是数据分析师，数据分析技能不会是某个岗位专属（你去看看大厂里，就算是非技术岗谁不会写两句Sql、用用可视化工具？）如果是想去传统企业做数据/业务分析师，可看我之前写的这篇：还有一点，数据分析师大多数到后期都是会转型的，你大可以把他当做一个过渡岗位，一步一步打好基础，再往下一个阶段走，没必要想着一步登天，人很多时候焦虑都是来自自己的过度想象。
另外记住一点，选择大于努力，在数据行业选对赛道、企业和老板非常重要
去一个重视数据分析和以数据为导向的公司很重要（这也是为啥大家都想去互联网公司，因为人家有数据基因，认可数据价值，你去传统行业看看，多少老板认可你的价值？）不然你这个岗位就是可有可无，做再多成绩公司和老板都不认可你，你能有什么办法？选择比努力重要太多，不要把自己耗死在一家公司或一条赛道，把视野放宽点。
ps：如果所在行业太卷的话，可以去试试跨到医学/生物信息统计类的，据我所知这块挺需要数据分析师的
数据分析需要掌握哪些相关知识？1、基本的计算机知识和统计知识①数据库+SQL语言
一些常用的数据库如Oracle、SQL Sever、DB2、MySQL，这些数据库或者说日常接触的数据库都要有所了解，懂最常用的就好，最重要的还是要会写SQL。
②基础的数学/统计学知识
一些基本的数学统计方法如描述性统计、多元统计分析、回归分析等，重要性不言而喻。
数据挖掘知识：方差分析、回归分析、因子分析、聚类分析等等。这些东西作为入门多多少少都要会一些，虽然有可能不会全用到，但一旦用时方恨少。
③数据分析可视工具
数据分析可视化工具很宽泛。首推Excel，中小公司很依赖，熟练使用数据透视表，这是必备技能。中大型公司都是用报表工具或者BI来做报表，但有了SQL+Excel的基础，这些工具上手都很快。
2、业务知识数据分析师要与公司的各业务打交道，所以对于各部门的业务知识要有深入的了解。某业务领导需要知道某个指标，你需要知道这个指标由哪些数据构成?数据统计的口径是什么？数据怎么取出来？这个指标对于行业的意义是什么，处于什么范围分别对应什么样的情况，是好还是坏。然后慢慢摸索这个指标层面多维度的规律，如何设定最合理。
附上网上的一张数据分析师能力体系图，用于参考。
最后分享一下我整理的一份数据分析流程知识图谱，需要可自取。内含数据分析12个常见分析模型、18个理论分支、136个详细知识要点和60多个实际分析场景案例，不懂或不记得的知识点拿出地图就能查，数据人必备！高清电子版获取方式↓↓
