中国数据分析行业人才指数报告（2024）

报告撰写背景 在当今信息化与数字化时代，数据资源已成为国家发展的基础性战略资源，数据分析的应用已深入到经济社会各个领域，数据分析作为推动我国经济数字化转型的关键力量，正成为促进经济高质量发展的新引擎。 我国政府对大数据产业发展的重视程度不断提升，先后出台了一系列相关政策以推动该行业的创新和应用。《“十四五”大数据产业发展规划》旨在激活数据要素潜能，作为加快经济社会发展质量变革、效率变革、动力变革的重要引擎；《工业领域数据安全能力提升实施方案（2024—2026年）》着重于提升工业领域的数据安全能力，强调数据资源的开放共享和数据安全保护，以促进大数据产业的健康发展；《数据要素三年行动计划（2024—2026年）》聚焦于推动数据要素的高水平应用，旨在优化数据要素的协同优化、复用增效和融合创新，进一步强化数据在数字经济中的作用；《数字中国建设整体布局规划》着眼于数字中国建设的整体布局，其中包括大数据产业的发展，旨在推动国家数字化转型的全面进程，这些政策为数据分析行业的繁荣提供了强有力的政策保障。 国家互联网信息办公室发布《国家信息化发展报告（2023年）》显示，2023年，我国大数据产业规模达1.74万亿元，同比增长10.45%。2023年，我国数据生产总量达32.85ZB，大数据产业规模达1.74万亿元，同比增长10.45%。2023年，我国已有226个省级和城市的地方政府上线数据开放平台，开放的有效数据集达34万个，数据集数量增长达22%。1由此，随着大数据的迅猛增长，从海量数据中提炼和挖掘有价值的信息变得日益重要。在此背景下，数据分析行业的发展态势、人才需求、技术进步等方面都呈现出前所未有的活力。我国数据分析行业呈现出市场规模持续扩大、应用场景不断丰富、技术水平逐步提高、人才需求日益旺盛等特点。而数据分析领域人才供需不匹配、人才培养体系尚不完善等问题也日益成为制约大数据行业整体发展的瓶颈。 基于此，中国商业联合会数据分析专业委员会（以下简称“中商联数据委”）召集各行业具备丰富实战经验和深厚理论功底的数据分析专家团队，倾力打造该报告。旨 在全面剖析我国数据分析行业人才培养的现状与挑战，为相关决策提供科学依据。 报告的目的与意义 本报告旨在深入剖析2024年中国数据分析行业的人才供需状况、薪资发展趋势、行业生态环境及教育培训现状。通过对行业人才的全面分析，报告力求为各相关方提供高价值的信息支持与数据洞察，为行业发展与人才培养提供科学决策依据。 政府层面：本报告将为政府相关部门提供数据分析行业人才发展的详实数据，助力相关部门精准把握行业人才供需状况，从而在政策制定、产业引导、资源配置等方面做出更加科学合理的决策建议，推动数据分析行业的持续健康发展。 企业层面：报告结合详尽的市场调研和专业分析，揭示了数据分析人才供需趋势、薪资水平和竞争态势，为企业优化人才招聘策略、制定培训计划提供数据支持，助力企业提升核心竞争力和战略优势。 教育机构层面：针对教育机构，报告提供了关于人才培养方向和课程优化的切实建议，旨在推动教育机构与产业需求深度对接。通过指导教育体制改革，报告旨在协助培养更多符合市场需求的高素质数据分析专业人才。 个人层面：报告为数据分析领域的从业者和求职者提供了全面的行业动态和技能提升建议。通过准确洞察行业趋势，个人能够制定更具针对性的职业发展规划，提升职场竞争力，实现个人价值的全面提升。 编写组 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、王唯唯、赵丽、段林峰、薛亮、罗楷、钱陆威、刘金忆、郭仪、梁锦辉、寻芙蓉、韦海同、赵玉莲、王丹、周景超、高松、王兴海、胡旭、万宾、阎运虎、曲东旭、耿林、王芳、姚迪、林鑫炜、冯描芬 联合撰写：中数人才 CGL德筑集团 Questmobile 睿职人才 格灵深瞳 中智集团 江西省大数据协会 大允思程（天津）数据分析师事务所 吉林彩虹人才 目录 01中国数据分析行业人才指数界定07指标体系构建的原则和流程12数据分析行业人才指数指标体系13指标体系的评估对象14 02 城市排名综合分析18行业排名综合分析30 供给维度分析41需求维度分析43供需匹配情况分析53薪资发展维度分析54人才环境维度分析56关键发现58 研究结果72未来展望73 04AI时代，数据分析人才培养的发展现状企业数据分析人才的培养实践63高校数据分析人才的培养实践66建议与对策68 6206CGL德筑集团77Quest Mobile77大允思程（天津）数据分析师事务所 Part 1 2024年中国数据分析行业人才指数 数据分析行业的人才发展与人才供给、需求、薪资水平及行业环境密切相关。因此，本报告从以下四个维度对中国数据分析行业的人才竞争力进行了综合评估：人才供给、人才需求、人才薪资发展以及人才环境。 在此基础上，报告分别建立了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），以量化和比较各城市及行业的相关竞争力。这些指标体系的构建综合考虑了指标的可操作性、综合性和完整性等要求，并采用专家评分法对各级指标赋予权重。数据分析行业人才指标体系（城市）包含4个一级指标和11个二级指标。数据分析行业人才指标体系（行业）包含4个一级指标和10个二级指标。具体指标体系及其构成详见表1-2和表1-3，其中对各级指标权重的设置依据专家打分结果进行明确。 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 该部分从数据分析及数据分析行业人才的核心概念切入，系统梳理了数据分析行业人才的能力模型及其能力细节。通过明确人才应具备的技能和知识结构，帮助读者对行业需求有更清晰的理解。同时，报告深入探讨了数据分析与数据要素、数据治理、数据资产等相关概念之间的区别与联系，以确保概念界定的准确性，避免因混淆或误解影响对数据分析行业的全面认知。 通过这一逻辑清晰的概念框架，报告旨在为后续的分析提供坚实的理论基础，也为读者建立系统性认知铺平道路。 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，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、构建模型及行业应用场景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。 数据分析行业人才 经中商联数据委与专家组、中数人才、Questmobile、中智集团、CGL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，了解所在行业的业务场景，能够解读、处理和分析数据，并将其转化为有价值的洞察建议或决策意见的专业人员。 当前，数据分析行业人才的能力模型图如图1-1所示： 基于人工智能领域的发展、数据分析人才能力的提升以及行业对数据分析人才角色的重新定义，报告进一步将数据分析行业人才的关键能力细分为以下六个方面，如下表1-1所示： ◆ 表1-1 数据分析行业人才关键能力构成表 报告认为，随着众多AI智能分析工具的盛行，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2要求会逐渐提升，对硬性能力3要求会逐渐下降。 （3）数据分析与数据要素、数据治理、数据资产的区别和联系 在数字经济的浪潮中，数据已成为企业创新和增长的基石。然而，对于数据相关概念的混淆往往导致了对数据分析重要性的低估。为了准确把握数据分析的角色，我们首先需要理解数据要素、数据治理、数据资产与数据分析之间的相互作用和内在联系。 数据要素是一种新型生产要素，与土地、劳动力、资本、技术等传统生产要素并列。它是对大量原始数据进行整合、分析后，可以投入到生产过程中的数据资源，具有可共享、可复制、无限增长等特性。其价值在于能够与其他生产要素深度融合，创造出新的生产力和经济价值。 数据治理是对数据进行全面管理的一系列活动，包括数据标准制定、数据质量管控、数据安全保障、元数据管理等方面。目标是提高数据质量、保证数据安全、促进数据共享，从而为企业决策提供可靠的数据支持。数据治理涉及到组织架构、政策流程、技术工具等多个层面的规划和实施。 数据资产是企业拥有或控制的能够为企业带来经济利益的数据资源。识别和评估数据资产需要考虑数据的完整性、准确性、时效性以及与之相关的成本效益等因素。数据资产的管理包括对其进行分类、计量、保护等。 数据要素、数据治理、数据资产和数据分析这四个概念都围绕数据展开，相互作用影响形成了一个紧密相连的生态系统。 在这个生态系统中，数据分析无疑是最为核心的概念。 数据分析是数据要素价值实现的关键。数据要素作为一种新型生产要素，其价值的实现依赖于有效的数据分析。通过对数据要素的深入挖掘和分析，企业能够发现新的商机，优化决策过程，从而实现数据驱动的增长。 数据分析是数据资产增值的途径。数据资产的价值在于其能够为企业带来经济利益，而数据分析正是实现这一价值的关键途径。通过数据分析，企业能够从数据资产中提取出有价值的洞察，推动业务发展。 数据治理的目标是保障数据分析的合规性。数据治理通过建立一套完善的数据管理规范和流程，确保数据在收集、存储、处理和共享等各个环节都符合法律法规、政策要求及企业内部规定，确保分析结果的准确性和可靠性，避免因数据问题导致的合规风险，保障企业和个人利益。 中国数据分析行业人才指数报告 综上所述，数据分析不仅是这些概念中范围最广的，也是最能够体现数据价值的关键环节。在数据要素、数据治理和数据资产的基础上，数据分析为企业提供了转型的动力和方向，是推动企业乃至整个社会进步的重要力量。因此，深刻全面地理解数据分析概念和正确运用数据分析技能，对于把握数据时代的机遇至关重要。 1.1.2中国数据分析行业人才指数 数据分析行业人才是一个微观概念，旨在说明一名合格的数据分析师应具备的能力和要求。目前关于数据分析行业人才概念的内涵界定并没有形成一个权威且公认的科学定论，现有研究体系的指标测度、评价角度与评价标准各有侧重。本报告认为，中国数据分析行业人才指数是一个综合性的量化评估标准，旨在对比和衡量不同地区、行业、领域等的数据分析行业人才在供给、需求、薪资发展和人才环境等方面的综合表现。在本报告中，该指数将综合考虑人才的专业技能、经验、教育背景和实际应用成果，同时结合各地区及各行业对数据分析行业人才的需求和投资，为决策者和人力资源专家提供一个参考标准，以评估和优化数据分析行业人才的培育和配置策略。 后续指标体系构建主要面向数据分析行业人才指数这一概念，基于数据分析行业人才的本质、形成规律与培养机制，确定指数构建的基本框架。本报告中主要包括两个具体指数，分别为“数据分析行业人才指数（城市）”和“数据分析行业人才指数（行业）”，如图1-2所示，构建SDSGE模型。关于数据分析行业人才的培养实践将在本报告第四部分“数据分析行业人才培养实践”环节进行阐述。 1.2指标体系构建的原则和流程 1.2.1指标体系构建的原则 为确保该指标体系能够准确反映各城市和行业在数据分析行业人才方面的能力和表现，报告在构建数据分析行业人才指数的指标体系时坚持以下原则： （1）明确性和明晰性： 指标体系中的指标具有清晰的定义，以确保读者对其含义和计算方式有明确的理解。 （2）关联性和相关性： 选取与数据分析行业人才相关的指标，确保指标能在一定程度上衡量数据分析行业人才的现状。 （3）可度量性和可采集性： 指标是可操作的，而不是主观的，确保指标可以被量化和测量，以便收集和分析数据。 （4）可靠性和一致性：