作者简介：
火焰鼠，教育行业数据分析师，从业三年，目前就职于深圳某在线教育公司业务分析岗位
目录：
0x00 前言
0x01 工作内容
0x02 工作内容优势
0x03 工作内容劣势
0x04 核心能力
0x05 发展路线
0x00 前言
大家好，我是一名业务线上的数据分析师，前段时间被自己的职业发展路线所困扰，最近思考后有一些心得与大家分享一下。
分享内容大致分为五个模块：
工作内容
工作内容优势
工作内容劣势
核心能力
发展路线
0x01 工作内容
一般业务数据分析师的内容分为以下几块：
其中业务专项分析和业务数据基础建设是显性工作项，可以看得到工作输出的。而业务数据沟通是隐性工作项，看不到具体的输出，但却需要花很多时间和精力去完善的。
业务专项分析和业务数据基础建设相辅相成，通过一次次数据分析的结果，抽象出评估业务好坏的标准，建立报表和监控，同时又反过来反馈业务需求，提升业务数据分析质量和规范方向。
一般来说，当业务提出问题的时候，会先通过业务专项分析来优先解决的业务问题，达到可执行落地的效果。完成专项分析以后，工作会沿着专项分析的思路继续走，找到所属的模块，将分析结果抽象成指标和报表，方便业务随时监控自己的业务情况。
业务数据沟通的意义在于每一次跟业务沟通和讲解分析内容时，提升业务的数据感知和理解力，减少类似‘我需要做XXX，你快通过大数据运算告诉我一定能成功’的这种需求，以及辅助业务自己查看报表，提出更有建设性的分析需求。
当业务慢慢学会提数据分析需求的时候，我们挖掘业务的真实需求和吸收业务理解。
0x02 工作内容优势
说完工作内容，我们来讲一讲这些工作内容的优势。
由于身在业务线中，与业务的大佬们待在一块，不可避免的会受到业务方的薰陶。在每次跟业务沟通和讲解的过程中，同时业务也在对我们输出他对整个业务（活动、运营、策略等）的理解，并且双方达成共识的时候，实际上就已经交换到了双方对于本次内容的理解。
这可以使我们的业务理解和敏锐度不断成长，在这种环境下，很容易设身处地的筛选出最适合当下的落地执行方案，做出解释性更强，与业务结合度更高的数据分析报告或者数据模型。
当业务方受到本位思想的限制，或者本身工作内容所限，缺乏数理能力或者数据意识不强。这时就需要我们用通俗易懂的语言快速帮业务方理解分析内容，达到快速落地的目的。在次过程中，业务数据分析师’说人话’的能力是会迅速提升的。
0x03 工作内容劣势
下面讲一讲业务数据分析师工作内容的劣势：
业务数据分析师的劣势十分的明显，因为不在专业的独立团队内，容易被需求淹没，且一般来说业务线配的分析师都较少。就会导致业务数据分析师工作中缺乏沟通，也缺乏技术方面的刺激，往往是知识技术够用就行。数理知识容易生疏，数据处理技术也提升缓慢。
长期在业务线下面待着，个人情感带入太多，容易犯本位思想的错误，帮着业务一起美化数据或者只站在需求的角度看优劣，就会导致大局观缺失，长久下去数据分析的质量和可信度就下降了。
这些问题有些是可以解决的，有些是暂时没想到办法解决的，解决办法同样也分享给大家：
对于个人思维受限，产生本位思想的问题，就需要找到合适的人沟通，可以在各大数分群里找跟自己同行业或者工作内容相近的小伙伴交流思想，经常覆盘自己的分析内容。
对于缺乏合理、高效的数据团队配合，这个可以在工作中尝试着标准化自己的工作流程，例如如何给自己提需求，业务分析需求的合理程度怎么界定，通过流程解决工作流问题，通过模板解决沟通问题，建立自己对自己的管理能力。
对于团队结构的显示，数理能力是必须保持敏感的，这是数据分析师安身立命的根本。对于数据处理技术，在完成自己分析的同时，只需要做一件事，就是完成分析，回看自己的代码，能用函数解决的就不用循环，能调用的就不自己写，不明白的上G站找案例或者CSDN之类的论坛多看一看，虽然比不上系统提升，但至少技术也不会停滞不前。（如果大家有更好的办法也欢迎分享出来，抛砖引玉之用）
0x04 核心能力
优势和劣势都已经分析了一遍，下面就是抽象核心能力，查漏补缺了。
在笔者的理解下，作为业务数据分析师，数理知识和业务理解的融合度是相当重要的。从实验设计运用到的ABTest和各种检验方式，到业务流程的复杂性和贝叶斯概率的融合预测，都对结果产生非常大的影响，所以数理知识是基础，业务理解度是效果验证的重要因素。
对于知识结构，数理统计的知识可复用程度高，需要精;业务的复杂度各有不同，所以业务理解度需要广，所以知识架构在3:7或者4:6为佳。
同时工作技能的熟练度也是非常重要的，python、SQL、tableau等能帮助我们提高工作效率，快速的清洗和展示数据。虽然分析工作中最重要也是最有价值的往往是解读数据的步骤，但正常工作中，收集数据、清洗数据用的时间往往在一次分析中需要占到80%。熟练的掌握技能，就可以压缩价值产出低的工作内容花费的时间，变相提升自己的价值。
总的来说，技能型能力决定了能做事情的速度，理论能力决定了能做事情的深度。
必要的能力项是沟通能力，同时体现在口头沟通和书面沟通，对于同一个事件，分析和解释的角度对决策者、管理者、执行者的汇报方式都是不一样的。
在通常的工作场景中，决策者关注这个事情值不值得做，即战略型问题；管理者关注这个事情我要怎么做、如何分配资源，即战术型问题；执行者关注我要做什么，如何才是最佳执行方案，即战斗型问题。针对不同的问题我们需要给出不同角度的答案。
业务敏锐度应该是加分项，从一次分析能快速给出可执行落地的建议，对于业务快速迭代十分有效。不过不是必要项，因为通过业务和数据沟通，往往也能得出可执行落地的建议。如果业务敏锐度高，可以节省沟通成本，如果缺乏这方面的能力，也不会影响核心工作内容。
0x05 发展路线
说了这么多，终于说到发展路线的思考了。
针对工作内容和核心能力，梳理了三条发展路线，分别为：To B业务线、管理线和专家线。
跟技术型分析师不一样，技术型分析师一直做技术可以做到算法专家，或者工程管理。业务数据分析师的能力可以更偏中台化产品化，类似于推荐系统、标签系统、DMP系统的沉淀。
其中To B业务线更注重的是在工作中工作能力的养成，对优势的发挥和对劣势的补充程度。是一条比较平滑的路线，业务方的需求做多了，自然就知道业务方在想什么，做规范化的项目会得心应手一些。
管理路线注重工作中较为核心的能力：沟通能力。
话说的明白，对上对下能表达清楚，可以权衡利弊是很重要的。对于流程管理和人员管理能力的提升，是工作内容劣势，需要补充强化的内容。当然最重要的还是有机遇，老板care才行。
同时也可以发展数据项目管理，在了解业务的情况下，进行流程管理能力，技术实力的加强，做一些公司内部发展的数据产品的时候，对于工期的排期，功能实现优先级的沟通上会顺畅很多，容易做出使用率较高的功能项，
最后是专家线，专家线分为业务数据专家和业务运营专家。基于对业务的理解层次不同，自身优势、资源、能力、性格的组成不一样，每个人可能选择的道路也会不一样。
可能更希望做行业顾问类型工作的，会选择数据专家，专门为业务解决各种疑难问题。这也是笔者现在正在走的方向。当然也正在培养自己流程管理的能力，希望往数据项目管理方向走一走。
而更喜欢有突破。有业绩提成的，会选择运营专家。但核心能力都是数理知识能不能很好的和业务结合，为业务战略执行趋利避害，达到业务目标。
以上是本人关于业务数据分析师发展的全部思考内容，由于工作时间并不长，可能对于有些方面想的并不是非常到位，也欢迎各位大佬指正。
有一些业务数据方面的工作内容也讲的不是非常详细，在这里不做过多赘述，如果有希望了解的也欢迎探讨，感兴趣人多的话会写详细的文章介绍，谢谢大家。