原文鏈接:https://mp.weixin.qq.com/s/mT9nVAux7aa7I9CTDVwpDA
原文鏈接:https://mp.weixin.qq.com/s/mT9nVAux7aa7I9CTDVwpDA
原文鏈接:https://mp.weixin.qq.com/s/mT9nVAux7aa7I9CTDVwpDA ( 重要的事說三遍!)
很多同學希望加入數據之路,很多同學想在數據之路上更上一層樓。可是,你真的知道,企業口中的“數據分析師”是啥玩意嗎?有經驗的老鳥都切身體會過,在數據分析師的名字下,隱含了大量亂七八糟的情況。(個人感覺就像網遊選職業一樣,冰法還是火法呢?)
很多企業壓根就沒有正確的認識和清晰的規劃,反正只要是搞數據,就叫個“數據分析師”。或者叫“業務/策略/運營/戰略/用戶分析師”,看起來和數據分析有關係,實際情況千奇百怪。如果不識別清楚,很有可能一腳踏坑裏,被坑的叫苦不迭,原本對數據之路充滿憧憬,進門一看“什麼玩意”!。今天我們系統解析一下。
01---從數據來源說起
企業數據有四大常見來源:
-
行業數據:行業情況、宏觀數據,一般是第三方提供
-
用戶數據:直接發問卷,調研用戶/門店/經銷商情況
-
外部系統數據:比如經營天貓店、亞馬遜等平臺,平臺數據
- 內部系統數據:企業自身交易系統、ERP、CRM、網站、APP
記錄數據這四種數據來源,對應的是完全不同的四個方向:
行業研究線:
行業數據→行業研究→戰略/策略方向。一般只有對行業政策敏感的行業,比如銀行、證券,大型集團總部才設專職崗位做這個,對應行業研究線。行業研究線完全不需要開發技能,關鍵是:你對行業懂多少。看似門檻低,實際上這些大企業本身招人條件,都過濾掉很多人了。
市場調研線:
問卷/訪談→市場調查→營銷/設計方向。市場調研在快消、零售、連鎖店、耐用品設計等傳統企業非常流行和成熟。在大的互聯網企業有可能有用研中心,但小互聯網公司估計產品經理和運營自己就稀裏糊塗幹了。這一條線完全不需要開發技能,關鍵是:問卷設計、訪談設計、資料總結這些調研相關的經驗。
平臺運營線:
使用平臺→整理報表→運營建議。這一類經常叫“淘寶/亞馬遜/電商數據分析”或者叫“銷售分析”“供應鏈分析”之類。這些就是我們俗稱的“表哥表姐”每天主要的任務就是從某個系統導出excel表,然後整理一個新的excel表。至於看得懂看不懂這個excel,完全看業務能力,跟技術操作沒啥關係。
數據開發線:
內部系統→數據倉儲→數據模型/數據中臺→數據產品(BI)。這一條線,纔是目前市場上熱烈追捧的技術線路。但注意,這裏實際上對應的是好幾種技術能力,不是一路打通下來的。在稍微有點規模的公司,這裏對應的也是好幾個崗位,不是一個人通喫。至少數倉一定有專門的人做。然而經常有企業把這些混在一起,都叫“數據分析師/數據工程師”結果自然是搞得新人頭暈腦脹。
數倉、建模、BI、甚至取數,深入下去都有大量技術知識要學。並且從業越深入,交叉領域越多。單一的技能適應能力會非常侷限。現在的網紅課程往往喜歡把excel,sql,python打包,叫“數據分析師”,把hadoop叫“大數據工程師”,把excel,sql,tableau打包,叫“商業分析師”,把sklearn調個參,叫“人工智能工程師”。給幾個數據集讓用戶跑。其實極大簡化了真實工作場景,對於應對初級的、基礎類取數(俗稱查數姑,查數據的同學)是可以的,再深入就得掂量掂量斤兩了。
特殊情況:
還有一類很特殊,叫:“高級分析”。有些公司會在業務部門插一個“高級分析”之類。這個位置給的等級高、工資高、但不帶人,直接對某個業務大佬彙報。這些崗位雖然可能叫“高級策略分析師”“高級戰略分析師”“高級運營分析師”之類的,可本質上要的是業務能力。沒有做過總裁辦的工作,沒有指定過戰略規劃,沒有實戰運營能力,是幾乎沒可能勝任的。而且越是面對大佬,被直接秒殺的概率越大。
以上五類都是和數據有關工作,如果企業區分清晰,就會有五個不同方向崗位出來。在數據開發方向,還有具體技術類型的差異。在業務上會有明確的業務類型差異。然而這是理想狀況。更多的情況是:把這些玩意通稱“數據分析師”“商業分析師”。結果引來各種混亂。
02---混亂的根源,在這裏
理論上,最理想的狀態是:
-
數據開發五條線齊全(數據倉儲、數據建模、數據產品、數據分析、數據治理)並且歸屬IT管理
-
市場調研、行業研究統一管理,並且歸屬市場部或戰略發展部,歸業務管理。
-
所有業務分析都不該單獨設崗位,做事情的人自己就得有分析能力
這樣分工清晰,各自工作、彙報、晉升路線很清晰,能最大化發揮作用。理論是美好的,現實是殘酷的。這樣的架構,對企業有很多要求:
-
企業規模夠大
-
領導對數據來源、生產、作用非常清楚
-
HR對數據來源、生產、作用非常清楚
-
企業分工職責很清楚,相互不打架
-
IT部門得到足夠尊重,有足夠投入
-
業務部門有足夠能力解讀,應用數據
-
領導們各司其職,相互配合
-
領導們對發展目標有清晰認知
你會發現,以上8個條件經常不存在。(太真實了,兩年新手痛哭!)
對於不同的分析需求進行分類
初級問題:
-
企業規模不夠大,需要一人幹一堆事 領導自己稀裏糊塗:“不就是個數據嗎,一個人不夠?搞倆人?” HR小妹稀裏糊塗:“需要熟悉Python,R,SPSS,EXCEL工具
是滴,你會發現招聘時候,凡是寫:“需要熟悉Python,R,SPSS,EXCEL工具”的,基本都是隻要EXCEL,招聘要求裏有SPSS的基本都是HR小妹妹不懂行百度來的用人要求。這樣自然容易把各種崗位混爲一談,最後招來的人貨不對板。
中級問題:
運營/市場/推廣不滿IT工作效率慢,想自己招個人取數
運營/市場/推廣的人沒能力解讀數據,找個小弟來碼Excel表
IT內部管理混亂,被人要數要着急了,招個人取數
IT部門投入不足,反正數據相關的,來個人全乾了
這種情況下,經常發現掛着“數據分析師”頭銜,實際上就會打雜的,每天無休無止的碼excel表,無休無止跑sql,各種亂七八糟的IT問題也會塞過來處理,真幹了,叫苦不迭的就是這些同學,慘呀。(SQL_Boy,誕生了)
高級問題:
業務部門覺得“大數據好厲害”,我要來個懂“大數據”的人幫我解決引流、賣貨、選品、促活等問題
業務部門覺得“我們的IT都不會用數據,我要個用數據的高手!”
IT部門覺得“老闆真喜歡數據中臺”,我要做個數據中臺,管它做了幹什麼。
這種情況下,經常發現一個小哥/小妹開開心心去面試,結果去了也不知道自己幹啥,績效方向不明,業務的領導一直在抱怨自己“沒有有價值的產出”,IT的領導總讓自己做“中臺”“模型”結果到底模了個啥也不知道。最後不了了之,明年被掃地出門。本質上,不是自己不能幹,而是老闆們自己沒想清楚。
03---如何摸清“這個數據分析師在說啥”
以下幾個關鍵問題,可以直接問: 先問:部門歸屬開發、還是業務
如是IT部門,繼續問:
-
是否有獨立數據部門
-
數倉,ETL有沒有人做?
-
是否有明確的數據產品?
-
數據中臺/用戶畫像/數據模型,有沒有明確的應用場景?
如是業務部門,繼續問:
-
分析的數據是(調研、內部系統、平臺、第三方)
-
彙報的領導是(專職的數據領導還是某個業務線領導)
-
需要自己提數/有IT支持
-
領導口中的:“深度分析”是什麼場景(或者自己舉幾個例子,看看對方滿意不滿意)
04---機遇與挑戰,從來都是並存的
我們都希望能入職一個架構齊全,分工合理,目標清晰的公司,所以可以在瞭解崗位的時候,多做一些工作。但是,崗位不清晰,也不代表着完全沒機會:
-
架構不清晰:自己能做出一片天地
-
目標不明確:想辦法結合業務做出成績
-
崗位很基礎:平臺大的話能給職業生涯鍍金
-
業務領導有期望:做好了就能高升
-
或者乾脆,自己想先換個行業/換個崗位,只要不太差就先幹着
從來風險都是和機會並存的,成功從來都屬於能力強的人,所以也不用因爲有風險而膽戰心驚。只是,要做好對應的準備。包括技術上準備,心理上準備。很多同學是萌萌噠抱着“學習”的心態,結果進了架構不全,職責不清,目標不明的公司,結果自然被虐的出血了。同樣的人,進野外就得兇猛,進廟堂就得謙卑,根據具體場景選擇方法,才能走的最長遠。