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。