數據分析師，崗位真相最全解析！
- 2020 年 2 月 26 日
- 筆記
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。
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，很有可能一腳踏坑裡，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、亞馬遜等平台，平台數據
- 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里糊塗幹了。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。
平台運營線：使用平台→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/數據中台→數據產品（BI）。這一條線，才是目前市場上熱烈追捧的技術線路。但注意，這裡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，這裡對應的也是好幾個崗位，不是一個人通吃。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局限。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「人工智慧工程師」。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，查數據的小姑娘）是可以的，再深入就得掂量掂量斤兩了。
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，在這裡
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、晉陞路線很清晰，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。
初級問題：
- 企業規模不夠大，需要一人干一堆事
- 領導自己稀里糊塗：「不就是個數據嗎，一個人不夠？搞倆人？」
- HR小妹稀里糊塗：「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，基本都是只要EXCEL，招聘要求里有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為一談，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，被人要數要著急了，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，經常發現掛著「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。
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「老闆真喜歡數據中台」，我要做個數據中台，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「中台」「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？
- 數據中台/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、平台、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支援
- 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，所以可以在了解崗位的時候，多做一些工作。但是，崗位不清晰，也不代表著完全沒機會：
- 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：平台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，只要不太差就先干著
從來風險都是和機會並存的，成功從來都屬於能力強的人，所以也不用因為有風險而膽戰心驚。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著「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。
