一、數(shù)據(jù)分析師的由來(lái)

我國(guó)的數(shù)據(jù)分析師在官方定義上屬于數(shù)據(jù)師的一種，在國(guó)家資質(zhì)證書中可歸為“統(tǒng)計(jì)師”一類。是在互聯(lián)網(wǎng)和大數(shù)據(jù)的背景下，結(jié)合【數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)庫(kù)基礎(chǔ)】+【傳統(tǒng)統(tǒng)計(jì)學(xué)&以機(jī)器學(xué)習(xí)為基礎(chǔ)的新統(tǒng)計(jì)學(xué)】的相關(guān)從業(yè)人員。

數(shù)據(jù)分析師很早就出現(xiàn)在微軟和谷歌等大型跨國(guó)公司中，且學(xué)校有專門的數(shù)據(jù)分析專業(yè)（Data Analysis/DA）以及數(shù)據(jù)科學(xué)家專業(yè)（Data Scientist/DS）。如果簡(jiǎn)單說(shuō)DA和DS的區(qū)別是什么，大概是DS更多負(fù)責(zé)提供數(shù)據(jù)側(cè)的“軟件”，包括更先進(jìn)的統(tǒng)計(jì)模型和可視化方案。

DS屬于數(shù)據(jù)中的研究者，而DA屬于數(shù)據(jù)中的應(yīng)用者，DA的角色更多的是對(duì)清洗后的數(shù)據(jù)進(jìn)行業(yè)務(wù)上的加工和初分析，賦予其業(yè)務(wù)意義和輸出分析報(bào)告。

該崗位借著中國(guó)互聯(lián)網(wǎng)的興起一并傳入中國(guó)企業(yè)，并優(yōu)先在互聯(lián)網(wǎng)企業(yè)的應(yīng)用中（如騰訊和阿里巴巴）。直到目前，國(guó)內(nèi)教學(xué)機(jī)構(gòu)已有數(shù)據(jù)分析和大數(shù)據(jù)相關(guān)專業(yè)，但仍未明確區(qū)分出【數(shù)據(jù)管理】【數(shù)據(jù)分析】【數(shù)據(jù)科學(xué)】等相關(guān)的培養(yǎng)方向，僅僅是有著【大數(shù)據(jù)】這樣方便大眾理解的名義在。

其他傳統(tǒng)企業(yè)也有類似的需求，但更多的是區(qū)分?jǐn)?shù)據(jù)庫(kù)搭建和數(shù)據(jù)應(yīng)用，也就是數(shù)據(jù)的管數(shù)據(jù)，分析的管分析，以個(gè)人的理解，對(duì)“數(shù)據(jù)分析”這個(gè)名詞使用最廣的，還是互聯(lián)網(wǎng)企業(yè)。

二、中國(guó)特色的數(shù)據(jù)分析師

當(dāng)前市場(chǎng)上的大部分?jǐn)?shù)據(jù)分析師崗位，有著：用最牛逼的要求，干最普通的活的特點(diǎn)。

招聘方通常使用相似的崗位職責(zé)，例如：

熟練運(yùn)用sql和python；
熟悉Hadoop，Spark等分布式架構(gòu)；
有獨(dú)立項(xiàng)目經(jīng)歷，有數(shù)據(jù)挖掘的經(jīng)驗(yàn)；
數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)等專業(yè)優(yōu)先。

但他們給求職者最大的煙霧彈是：究竟數(shù)據(jù)分析師是否能承擔(dān)或者有足夠機(jī)會(huì)承擔(dān)企業(yè)或項(xiàng)目中的重要決策角色？

一方面，該現(xiàn)象是由于用人單位很難明確數(shù)據(jù)分析的崗位職責(zé)。這在中國(guó)還算是一個(gè)新行業(yè)，因?yàn)榈侥壳盀橹箾]有辦法，或者官方定義數(shù)據(jù)分析師的職責(zé)。這導(dǎo)致企業(yè)用人部門“借用”市場(chǎng)上的數(shù)據(jù)分析師要求，來(lái)要求其他人做其它事情。

另一方面，求職者和招聘者紛紛模糊上述煙霧彈存在的情況，以期找到個(gè)人發(fā)展或企業(yè)自身要求的捷徑，來(lái)提升自己或招聘的競(jìng)爭(zhēng)力。這也是行業(yè)未固化時(shí)難以管理的原因之一。

在上述情況下，數(shù)據(jù)分析師們頂著這樣一個(gè)看似“高大上”的頭銜，卻干著天差地別的活。

還未搭建數(shù)據(jù)部門的公司需要數(shù)據(jù)分析師做【數(shù)據(jù)倉(cāng)庫(kù)】的工作，承擔(dān)埋點(diǎn)、數(shù)據(jù)清洗，庫(kù)表搭建的職責(zé)；

剛剛搭建數(shù)據(jù)倉(cāng)庫(kù)的公司需要數(shù)據(jù)分析師來(lái)使數(shù)據(jù)產(chǎn)生價(jià)值，輸出【可視化】的方案，滿足【業(yè)務(wù)方】的需求；

已經(jīng)有成熟數(shù)據(jù)管理的公司需要數(shù)據(jù)分析師來(lái)提供【長(zhǎng)期穩(wěn)定且主動(dòng)的分析輸出】，并為進(jìn)一步的數(shù)據(jù)挖掘和數(shù)據(jù)科學(xué)提供業(yè)務(wù)上的指導(dǎo)和特征工程方案。

這種在行業(yè)發(fā)展過程中導(dǎo)致的招聘方與應(yīng)聘方的供需混亂是產(chǎn)生這種現(xiàn)象的根源，若用發(fā)展的眼光看待，在未來(lái)的十幾年，行業(yè)一定會(huì)找到供需平衡的點(diǎn)，這對(duì)于企業(yè)的降本增效，人才運(yùn)用等有積極的作用。

三、混亂的供需市場(chǎng)

企業(yè)需求導(dǎo)致的階段性高薪，高校系統(tǒng)性教育的缺乏和教培市場(chǎng)的介入是混亂中的三方，但他們的未來(lái)都指向一個(gè)命題——即數(shù)據(jù)分析師的價(jià)值在哪里？

1、企業(yè)需求導(dǎo)致的階段性高薪

企業(yè)為什么需要數(shù)據(jù)分析師，或者把命題在放寬一點(diǎn)，企業(yè)需要在數(shù)據(jù)和信息流通上搭建什么？

以對(duì)C端業(yè)務(wù)的互聯(lián)網(wǎng)企業(yè)為例，我們?cè)贏PP上的所有操作，都被記錄在數(shù)據(jù)庫(kù)中。龐大的流量和數(shù)據(jù)使得企業(yè)需要科學(xué)的數(shù)據(jù)倉(cāng)庫(kù)來(lái)分管和存放，可以理解為：書多了，我需要建一個(gè)圖書館。

而數(shù)據(jù)從業(yè)者，就是圖書館的管理人員。

企業(yè)在數(shù)據(jù)使用上需要幾個(gè)職能：

（1）完成基礎(chǔ)的數(shù)據(jù)搭建，包括制定埋點(diǎn)規(guī)范（埋點(diǎn)相當(dāng)于在書旁邊放一個(gè)傳感器，你借一次，我們就知道你借了哪本書），數(shù)據(jù)倉(cāng)庫(kù)搭建和數(shù)據(jù)清洗；

（2）將清洗后的數(shù)據(jù)進(jìn)行加工和可視化展示，類似于用切好的原材料去炒一盤菜。

（3）滿足各業(yè)務(wù)部門的數(shù)據(jù)需求

（4）構(gòu)建系統(tǒng)的指標(biāo)體系，并用指標(biāo)體系進(jìn)一步優(yōu)化數(shù)據(jù)報(bào)表和KPI管理

（5）搭建用戶畫像、生命周期等數(shù)據(jù)模型，在某些領(lǐng)域（供需模型、推薦模型等針對(duì)性的提出解決方案。）

（6）對(duì)已經(jīng)跑通的業(yè)務(wù)進(jìn)行數(shù)據(jù)挖掘和算法優(yōu)化。

在上述情況下，所謂企業(yè)的階段性高薪就來(lái)自于：1、對(duì)4、5、6職能中高端人才的期望；2、對(duì)1、2、3職能中人員補(bǔ)充的急迫；3、對(duì)以上職能需要的人才要求不明確或市場(chǎng)無(wú)法準(zhǔn)確反饋。

更重要的是，以上6個(gè)主要職能，都可以叫數(shù)據(jù)分析師。

所以數(shù)據(jù)分析師的招聘要求大而全，且薪資誘惑力很大，一線城市的互聯(lián)網(wǎng)大廠能給到應(yīng)屆生20~30w的年薪，與產(chǎn)品經(jīng)理相似，僅次于軟件工程和算法工程師。

在薪資的基礎(chǔ)上，職能的不明確導(dǎo)致圈子內(nèi)對(duì)數(shù)據(jù)分析師的觀點(diǎn)不一，這就解釋了所謂的：數(shù)分門檻低，薪資高的說(shuō)法，但薪資高針對(duì)的是復(fù)雜的職能，門檻低針對(duì)的是企業(yè)現(xiàn)有階段的需求，兩件事叫同一個(gè)名字，卻不一定是同一個(gè)人。

這樣為教培市場(chǎng)的混亂埋下伏筆

2、教培市場(chǎng)的介入

大部分教培標(biāo)榜的數(shù)據(jù)分析門檻低，薪資高，兩句話都是對(duì)的，但合一起是錯(cuò)的。

但整件事要辯證的去看待，正是因?yàn)槠髽I(yè)需求不明確，且數(shù)據(jù)價(jià)值確實(shí)高，而國(guó)內(nèi)高校沒有成體系的培訓(xùn)方案，才會(huì)導(dǎo)致這個(gè)結(jié)果。

這是市場(chǎng)經(jīng)濟(jì)下的產(chǎn)物。

數(shù)據(jù)分析師的培訓(xùn)課程從幾百到幾萬(wàn)不等，聲稱學(xué)到以后月薪直接上萬(wàn)，一個(gè)月工資就可以回本，這屬于老套的營(yíng)銷套路。最后將辛存者偏差進(jìn)一步放大，便可以得到一個(gè)看似完美的商業(yè)模式。

但另一方面，培訓(xùn)的課程不是絲毫沒有用處，只是通常報(bào)名者并不知曉應(yīng)當(dāng)學(xué)習(xí)的內(nèi)容，也不知道數(shù)據(jù)分析師的職能和發(fā)展方向，只是受企業(yè)和教培的雙向灌輸，亂了手腳，信息閉塞，這也是我寫這篇文章的原因之一。

關(guān)于CDA課程里所培訓(xùn)的，數(shù)據(jù)庫(kù)知識(shí)，分析思路，數(shù)據(jù)挖掘等課程，已經(jīng)達(dá)到了通識(shí)的目的，他能滿足大部分企業(yè)的需求，作為轉(zhuǎn)行者和初學(xué)者來(lái)說(shuō)，恐怕除了私人培養(yǎng)以外沒有更好的入行方式。

只是互聯(lián)網(wǎng)營(yíng)銷模式下，職業(yè)教培同樣會(huì)和k12的教培相似，有著通過辛存者偏差販賣焦慮的普遍行為。

而能夠販賣的根源，還是由于行業(yè)發(fā)展不完善，以及缺乏系統(tǒng)培養(yǎng)的指導(dǎo)方針。

所以如果想要深入了解數(shù)據(jù)分析的小伙伴建議大家看一下知乎官方的數(shù)據(jù)分析實(shí)戰(zhàn)教程，我看過里面的課程內(nèi)容，比大部分市面上的培訓(xùn)課程針對(duì)性要強(qiáng)，也更適合轉(zhuǎn)崗、零基礎(chǔ)的小白來(lái)學(xué)習(xí)實(shí)踐。

課程有完整的學(xué)習(xí)鏈路和實(shí)戰(zhàn)作業(yè)，解決無(wú)項(xiàng)目經(jīng)驗(yàn)的求職難題，并且有一對(duì)一的督學(xué)服務(wù)和職業(yè)交流群。

點(diǎn)擊下面的連接一分錢即可獲得一份~

3.高校系統(tǒng)性教育的缺乏

行業(yè)內(nèi)對(duì)數(shù)據(jù)分析的價(jià)值和能力尚在摸索中，而高校的培養(yǎng)無(wú)法與時(shí)俱進(jìn)。

18年復(fù)旦開設(shè)了大數(shù)據(jù)專業(yè)，各高校甚至是職高也陸陸續(xù)續(xù)開展大數(shù)據(jù)專業(yè)，而專門的數(shù)據(jù)分析和挖掘，大多作為選修課程。

并且通過課程，也不能說(shuō)明滿足了企業(yè)的需要。

以財(cái)會(huì)專業(yè)為例，已經(jīng)有成熟的行業(yè)標(biāo)準(zhǔn)，標(biāo)準(zhǔn)作為課程，教師按教材指導(dǎo)，不會(huì)出太多意外。

但在企業(yè)對(duì)數(shù)據(jù)分析師的要求，通常不在于要他解決什么固定的，具體的，有標(biāo)準(zhǔn)解法的問題，更多在于滿足組織架構(gòu)和個(gè)人管理的需要。

這就導(dǎo)致，即使從國(guó)外引入標(biāo)準(zhǔn)和教材，引入大企業(yè)的高級(jí)專家作為講師，培養(yǎng)出來(lái)的學(xué)生也很難滿足企業(yè)的個(gè)性化需求，他變成了能力培養(yǎng)而非專業(yè)培養(yǎng)。

這也是國(guó)內(nèi)和國(guó)外，對(duì)于相似命名的數(shù)分和數(shù)挖，工作內(nèi)容天差地別的緣故。主要原因是我們既說(shuō)不清分析者和基建者的區(qū)別，也分不清研究者和分析者的關(guān)系。

這也是文化和市場(chǎng)環(huán)境相互作用的結(jié)果。

所以結(jié)果是，企業(yè)在招人時(shí)不會(huì)過多的限制某一種專業(yè)，而要求應(yīng)聘者有適配的能力和經(jīng)驗(yàn)，這種能力和經(jīng)驗(yàn)有很大一部分是高校無(wú)法給予的，這樣回應(yīng)了上述教培市場(chǎng)的介入和企業(yè)階段性高薪的推動(dòng)。

造成了當(dāng)前的混亂。

四、發(fā)展的方向

縱觀數(shù)據(jù)分析師這個(gè)崗位的誕生和發(fā)展，私以為歷經(jīng)了三個(gè)階段，而終將有五個(gè)階段。

第一個(gè)階段：部分行業(yè)領(lǐng)先者發(fā)現(xiàn)了大數(shù)據(jù)處理和流通的困難，通過建立科學(xué)的埋點(diǎn)，數(shù)據(jù)倉(cāng)庫(kù)，或者使用國(guó)外軟件等方式，搭建好一個(gè)適合分析的架子。

第二個(gè)階段：頭部企業(yè)建立起較完善的分析理論，腰部企業(yè)高速發(fā)展。對(duì)數(shù)據(jù)挖掘和分析的要求提高。

第三個(gè)階段：很多企業(yè)數(shù)據(jù)分析師很明確分析與數(shù)據(jù)處理的職責(zé)，開始分層培養(yǎng)。有成熟的數(shù)倉(cāng)和埋點(diǎn)體系，部分分析師僅承擔(dān)分析職責(zé)。

第四個(gè)階段：形成成熟，標(biāo)準(zhǔn)化的分析思路和分析師的培養(yǎng)體系，完全融入國(guó)內(nèi)外經(jīng)驗(yàn)，將數(shù)據(jù)分析師與商業(yè)分析師，經(jīng)營(yíng)分析師和戰(zhàn)略分析師作為企業(yè)核心架構(gòu)的參與者。

第五個(gè)階段：細(xì)分?jǐn)?shù)據(jù)行業(yè)各職能，創(chuàng)造新的崗位和晉升機(jī)制，行業(yè)固化，人才引入依賴高校系統(tǒng)培養(yǎng)。

這幾個(gè)階段通常是其它行業(yè)曾經(jīng)走過的路，數(shù)據(jù)行業(yè)也不會(huì)例外，即使很多人以為分析更多的靠主觀能力和天賦，但企業(yè)在人才篩選時(shí)，更多的會(huì)考慮學(xué)歷和經(jīng)驗(yàn)，參考咨詢行業(yè)的戰(zhàn)略分析師一類。

當(dāng)前中國(guó)各企業(yè)的階段差距較大，諸如阿里，騰訊等企業(yè)，已經(jīng)是第三階段朝第四階段邁進(jìn)。但大部分企業(yè)，還被困擾在第一和第二階段中。

而這對(duì)于從業(yè)者的警示是：你需要找準(zhǔn)你的發(fā)展方向，數(shù)據(jù)分析是能力，而數(shù)據(jù)分析師并不是一個(gè)確定的發(fā)展方向，本文一直強(qiáng)調(diào)這個(gè)觀點(diǎn)。

也就是說(shuō)，未來(lái)所謂大數(shù)據(jù)行業(yè)的人才缺口，指的更多是建設(shè)性人才而非創(chuàng)造性人才。

回到前面的“煙霧彈”——最終能承擔(dān)企業(yè)和項(xiàng)目決策角色的人，或許只是龐大數(shù)據(jù)從業(yè)者中很少的一部分。

并且隨著數(shù)據(jù)產(chǎn)品，自動(dòng)化分析工具越來(lái)越完善，“這樣”的人只會(huì)少而不會(huì)多。一個(gè)有經(jīng)驗(yàn)的分析師，在數(shù)據(jù)系統(tǒng)搭建完善的情況下（不需要花太多時(shí)間取數(shù)，討論統(tǒng)計(jì)口徑，埋點(diǎn)設(shè)計(jì)和報(bào)表維護(hù)），一定周期內(nèi)可以支持4~5個(gè)項(xiàng)目（數(shù)據(jù)模型-提升策略-復(fù)盤優(yōu)化），涉及數(shù)十個(gè)業(yè)務(wù)方。

隨著更多的人分流到數(shù)據(jù)建設(shè)，更突出的人分流到分析決策，職能將會(huì)更明晰，也更能支持企業(yè)降本增效的目的。到那個(gè)時(shí)候，所謂低門檻和高薪資就產(chǎn)生了自我矛盾，謊言不攻自破。

五、數(shù)據(jù)分析師的培養(yǎng)

1、統(tǒng)計(jì)知識(shí)和編程語(yǔ)言的結(jié)合

市場(chǎng)對(duì)數(shù)據(jù)分析師的要求非常廣泛，總的來(lái)說(shuō)就是：統(tǒng)計(jì)知識(shí)+編程語(yǔ)言。

形象表述就是：菜譜和菜刀。

數(shù)據(jù)分析師的終點(diǎn)是為了通過數(shù)據(jù)解決問題，也就是需要在復(fù)雜的數(shù)據(jù)分布中提煉出科學(xué)而簡(jiǎn)單的結(jié)論。數(shù)據(jù)分布的描述，處理；數(shù)據(jù)和數(shù)據(jù)間的關(guān)系，公式等；海量數(shù)據(jù)中的規(guī)律，相似性等都屬于統(tǒng)計(jì)學(xué)的范疇。

熟悉統(tǒng)計(jì)學(xué)的分析師會(huì)明白對(duì)數(shù)據(jù)進(jìn)行歸一化，log/ln函數(shù)處理，指數(shù)函數(shù)處理等會(huì)有什么后果；以及聚類、回歸和預(yù)測(cè)背后的邏輯是什么。而不熟悉統(tǒng)計(jì)學(xué)的分析師，即使有分析思路，但在數(shù)據(jù)的處理上始終會(huì)慢一拍。

編程語(yǔ)言是最好學(xué)的部分，主要是為了適用工作中交流和分析的效率。主要的工具包括SQL、Python的數(shù)據(jù)分析包，以及excel和ppt的熟練使用。

該部分的培養(yǎng)相對(duì)簡(jiǎn)單，這也是多數(shù)人認(rèn)為的數(shù)據(jù)分析師需要的能力，但滿足以上這些，只是夠到了入行的門檻。

2、業(yè)務(wù)理解和溝通能力

無(wú)法理解業(yè)務(wù)的分析師生產(chǎn)出來(lái)的東西是空中樓閣，無(wú)法使用。

所以在很多公司，數(shù)據(jù)分析師的結(jié)論是否落地和被采納，是績(jī)效的重要評(píng)估標(biāo)準(zhǔn)。

復(fù)雜的分析報(bào)告無(wú)法體現(xiàn)數(shù)據(jù)分析師的水平，將復(fù)雜的理論和模型變成深入淺出的結(jié)論和策略才是終點(diǎn)。

如果數(shù)據(jù)分析師的結(jié)論不被采納，數(shù)據(jù)就永遠(yuǎn)無(wú)法轉(zhuǎn)化成生產(chǎn)力，至少不體現(xiàn)在這個(gè)分析師上。

業(yè)務(wù)理解不等于業(yè)務(wù)了解，例如某產(chǎn)品工作日的DAU和周末的DAU差距很大，背后的真實(shí)情況是產(chǎn)品的用戶會(huì)將該產(chǎn)品配合B產(chǎn)品使用，而不是周末的用戶更活躍，更喜歡使用產(chǎn)品內(nèi)的工具。

前者是數(shù)據(jù)背后的真實(shí)邏輯，后者只是數(shù)據(jù)結(jié)果。之后的分析方向如果建立在后者上，那么只能刺激現(xiàn)有數(shù)據(jù)的增長(zhǎng)，而不能阻止?jié)撛诹魇Ш驼倩赜脩簦驗(yàn)槟銢]有提供用戶需要的，你只是把他手中的東西變得更多。

3.可供落地的解決方案

上面的很多能力大多作用在某一個(gè)小點(diǎn)，例如召回用戶，提升活躍，為某項(xiàng)目提供數(shù)據(jù)支持等。

但這樣始終無(wú)法形成自上而下的分析項(xiàng)目和體系，例如：如何建設(shè)指標(biāo)體系？如何通過指標(biāo)體系分析當(dāng)前的問題？問題的嚴(yán)重程度如何？解決這些問題需要什么？ROI如何？

如果沒有有經(jīng)驗(yàn)的分析師，以上的問題就只能依賴?yán)习搴推渌鼧I(yè)務(wù)方考慮，等到需求提過來(lái)后，即使你覺得它再無(wú)理，也無(wú)法更改，只能被動(dòng)承接。

相似的一套方案還有：如何通過指標(biāo)體系做KPI管理？如何建立市場(chǎng)的供需模型？如何搭建適合用戶的社區(qū)？

這些都是數(shù)據(jù)分析師在漫長(zhǎng)的實(shí)驗(yàn)中才能找到并總結(jié)出來(lái)的東西，不是學(xué)習(xí)工具和精通算法就能得到的經(jīng)驗(yàn)。

4.其它軟實(shí)力

該能力更多的是所有崗位都需要的通用能力，包括自主自驅(qū)，積極溝通，號(hào)召力，總結(jié)歸納能力和表達(dá)能力等。

數(shù)分的崗位需要更多的溝通和拉齊信息，并非被動(dòng)木訥的完成需求，不然同樣無(wú)法承擔(dān)創(chuàng)造性的崗位職責(zé)。

再往上的分析師如果不轉(zhuǎn)型管理，更多的是擁有并挖掘更多可行的解決方案，并且通過拉動(dòng)資源去解決事情，這個(gè)時(shí)候他的角色就不是單純的數(shù)據(jù)分析師，而是集合了商業(yè)分析，數(shù)據(jù)分析，經(jīng)營(yíng)分析等能力的分析師而已。

六、數(shù)據(jù)分析師的工作

數(shù)據(jù)分析師的日常工作每個(gè)公司每個(gè)崗位都不太一樣，接觸下來(lái)需要有幾種：

（1）完成各方的取數(shù)需求

（2）埋點(diǎn)及制定統(tǒng)計(jì)口徑

（3）報(bào)表開發(fā)和可視化

（4）活動(dòng)復(fù)盤和數(shù)據(jù)報(bào)告

（5）ROI邏輯和效果評(píng)估

（6）跟進(jìn)項(xiàng)目及自產(chǎn)項(xiàng)目

七、數(shù)據(jù)分析師的薪酬

之所以把這個(gè)放在后面，是希望諸位了解以上內(nèi)容后對(duì)薪酬有清楚的判斷?！盁熿F彈”對(duì)薪資影響之大，是大多數(shù)人困擾的地方。

數(shù)據(jù)分析師的薪資可在boss直聘，拉勾，領(lǐng)英等求職網(wǎng)上搜索，以下僅為個(gè)人了解的樣本。（主要為一線）

應(yīng)屆數(shù)據(jù)分析師：15-20k（非一線城市更多在8k左右，主要承擔(dān)數(shù)據(jù)運(yùn)營(yíng)工作，差距下同）

1-3年：18-25k

3-5年：25-40k，年包約為30w-50w（受獎(jiǎng)金和股票影響）

5-10年：35k-50k，年包約為50w-80w不等，明細(xì)難以參考