數據分析師的真實現狀

近幾年很多人想轉行數據分析，不少人堅信可以在數據分析師這條職業之路上跑的遠，跳的更高。

可惜，現實中在企業公司中張嘴閉嘴提到的“數據分析師”，遠遠不是你理想的那種高大上的職業

只要你有過幾年切身體會過的工作經驗，便會發現“數據分析師”這個職位里隱藏著太多貓膩。

現實是無論是很多人、很多HR或是老板都根本沒有搞清楚數據分析到底是啥，且數據分析崗位設置更是毫無規劃。

給人的感覺就是，只要是和數據扯上邊兒的人，都叫“數據分析師”。更可怕的是，有時還會根據組織結構和部門職能，換著花樣的叫，比如"業務分析師、用戶分析師、運營分析師、策略/戰略分析師"等等。

總之，聽起來貌似都是和數據分析有關，而實際工作情況千差萬別。尤其是在找工作時或者入職前，很多人沒有搞清楚具體真實的工作內容，直接掉坑里！。

本來對數據充滿激情，結果干著完全不搭邊的事兒，心中發出驚呼“ 這啥玩意呀？和想象的差的太多啦！”

這種情況，真的怪不上別人，只能怪自己沒有好好了解這個行業或者崗位情況，舉幾個例子來看一下：

場景 A：

• 當企業規模不大時，往往需要身兼數職的“工具人”，公司領導自己就簡單的認為：“不就是提取數據嘛，一個人干不完？干嘛要倆人？”，然后HR小妹更是稀里糊涂的寫上要求：“需要熟悉Python，R，SPSS，Excel工具“

在這種工作場景中，招聘要求上寫：“需要熟悉Python，R，SPSS，EXCEL工具”的公司，你往往會發現面試的時候，基本上EXCEL就夠用了，而招聘要求中提到”有SPSS、Python的“，如果用人部門沒有特別要求的話，那基本都是HR妹子從各大招聘網站搜索來的用人要求。

如此這般的操作，自然很容易把各種崗位要求混為一談，最后的結果便是尷尬：招來的人不是想要的、面試的公司不是想進的企業。

場景 B：

• 很多運營/市場/推廣部門，對IT工作效率慢很不滿意，而自己的人又沒有數據解讀處理能力，就想自己找個人去取數做做Excel表，還能做做統計分析多好。
• 而對應的IT部門呢，人力投入不足。又沒有內部管理，項目排期混亂，總是被人催著要數，逼急眼了就想著招個人取數，總是認為與數據相關的，來個人就都做了，性價比多高。

在這種實際場景中，尤其在中小企業中的很多同學，都是掛著所謂“數據分析師”頭銜，實際上就是干打雜的“工具人”。每天工作特別瑣碎、重復性的取數跑Sql、做Excel日報、各種莫名其妙的會議微信群，甚至各種設備和網路問題也得幫助處理。

不干會被噴被質疑，可真干了，那才叫個鬧心，晚上睡覺都能被驚醒的那種鬧心，真正能夠踏下心來做業務分析的時間和機會太少了。

場景 C：

• 業務部門普遍的共識都是覺得“數據是個好東西”，也特想招個懂“數據”的人幫著解決業務問題，而且普遍認為“IT部門根本不會用數據”，而IT部門呢又根本不搭理業務部門的需求想法，往往只去看老板的喜歡，看到“這段時間，老板特別中意數據中臺”，那么它們要做個數據中臺，才不管它能干什么、能怎么變現，是個飯折就行。

在這種實際工作場景中，往往就是求職者們一個個信心滿滿的去面試，稀里糊涂的面試通過后進了公司也搞不清楚自己到底應該干什么，考核標準和產出物交付也不明確，業務方領導總是埋怨你“沒有價值產出”，IT技術方又總是讓你“訓練模型，鼓搗中臺，治理數據”，結果到底整了個啥玩意，能不能掙錢誰也說不清楚。

這種項目工作一般都是不了了之，最后不是自己覺得沒意思干不去了，就是第二年被優化掉了另謀出路。很可怕的是，不是我們不能干不會做，更多原因是公司管理者他們自己都沒有想清楚要做什么，沒有統一的戰略規劃。

區別數據分析的職業方向

想要搞清職業方向，我們必須放棄幻想，從三個基本現實出發來審視一下：

現實一：數據本來就是混亂的

數據的天然屬性就是混亂多變，不僅本身如此，數據獲取來源更是多種多樣，錯綜交叉在一起。

真實數據的獲取，有些企業可以自己產生、有些需要尋找外部數據、甚至需要人工手動收集。

不同的數據獲取來源，數據特征各有不同，也造就了在數據處理和實際使用上也存在巨大的區別，

正所謂有需求才有供應，從而產生了不同的數據工作種類，即不同的數據分析崗位。

如果不加區分，都叫”數據分析師“，難免存在很多模糊和歧義，聽起來感覺很抽象，不具體。

下面我們從數據來源這個現實情況出發來詳細介紹一下，數據崗位的產生和發展歷程。

一般來說按常見的數據獲取來源，目前主要的職業方向有4個，可以從五個維度來說明：

• 行業戰略研究數據：一般來自第三方研究機構或者組織，主要包括宏觀趨勢數據，行業市場數據等等。
• 行業戰略研究方向：行業調查→行業分析→行業研究→行業策略→行業戰略
• 主要涉及行業領域：如資本投資、銀行、基金證券等領域設專門崗位做行業研究，此類領域對行業政策都異常敏感
• 職業核心關鍵能力：可以說完全不需要研發技術，就看你對某個行業理解，看你到底懂多少了，即行業洞察力。
• 職業領域進入難度：理論上門檻低，而實際上特定領域企業的招募條件普遍不低，比如學歷和資格證書這兩項硬指標
• 用戶市場調研數據：一般來自調研問卷，包括客戶/用戶/產品/門店/經銷商/地區等等情況
• 用戶市場調研方向：用戶問卷→上門訪談→市場調查→市場策略→市場營銷
• 主要涉及行業領域：如零售、商超、快消、連鎖店、耐用品等傳統企業中常見的職業設定，
• 職業核心關鍵能力：也是幾乎不需要開發技能，重點看你的調研計劃、問卷設計、訪談技巧、調研總結等相關經驗
• 職業領域進入難度：一般互聯網大型企業，有專門用戶調研崗位，小公司沒有這個崗位，基本上都是由自己運營人員或者產品經理隨手做了。
• 外部平臺統計數據：一般來自于企業經營活動高度相關的平臺，比如電商領域中京東、淘寶天貓等平臺數據
• 運營平臺分析方向：平臺使用→數據提取→指標搭建→報表搭建→運營建議
• 主要涉及行業領域：如京東、淘寶等電商系，公眾號頭條、微博等自媒體內容流量平臺
• 職業核心關鍵能力：不在于看得懂看不懂這個excel，完全看業務能力，跟技術操作沒啥關系。
• 職業領域進入難度：入門難度不大，基本上就是“大表哥/姐”的職業定位，比如每天從某個平臺下載csv文件，然后收拾出所謂的Excel報表+PPT報告，再高級一點的就是“銷售業績、電商促銷、轉化漏斗、財務經營”等等分析套路。
• 內部系統采集數據：企業自身交易系統、供應鏈ERP系統 、CRM、網站、App記錄數據
• 數據開發工程方向：數據處理→數據倉儲→數據模型/數據中臺→數據產品（BI），目前市場上真正追捧的職業路線。
• 主要涉及行業領域：如互聯網頭部公司、或者有場景能生產數據的企業，而小公司一般也就玩到數據倉儲階段就OK。
• .職業核心關鍵能力：考驗綜合技術能力，比如取數、倉儲、建模、BI可視化、數據產品等等，相關研究越深入，交叉領域越多，要學的技術知識越多，因此單一的技能適應能力會非常局限、單一技能或者單一個人無法通吃。
• 職業領域進入難度：考驗個人與團隊能力，專業的人、專業的團隊，來干專業的事兒。比如數據庫一般都是專業的人來做，而且具備規模的公司一般會組建專業團隊來做，而非常可怕的是很多企業總是把這些技術崗位搞混淆，一概都叫“數據工程師啊、數據分析師啊、算法工程師啊、數據管理員啊...”，剛來的新人很容易被搞得頭暈糊涂，不分東西。

通過上面的內容我們不難發現，定位數據崗位范疇，歸根到底主要來自兩大方面：技術差異和業務差異！而企業最理想的狀況就是：根據不同的數據來源，從具體技術類型上的差異、以及業務類型上的差異這兩個角度出發，公司企業就應該能夠明確清晰的區分差異，從而衍生出四個不同方向的具體的操作崗位出來，絕不是說“都是分析師”，來一言以蔽之。

值得注意的是，現實中很多企業并沒有意識到數據來源的重要性，以及它們在技術和業務上的差異性，最終導致崗位設置邊界模糊、崗位范疇重復混淆，結果是運營部門招個分析師去做產品設計，財務部門招個分析師去做戰略規劃等等奇葩現象。

現實二：崗位認知是混亂的

無論是現在的網絡課程、還是各種培訓機構平臺，都太喜歡數據分析、機器學習、人工智能這幾個詞了

同時公司崗位名稱也隨時代不斷進步，由原來的數據專員、專管員、主管、電腦專管員等等發展成為一系列“高大上”稱謂

比如：“商業分析師、數據分析師、大數據工程師、人工智能工程師等等”，叫著順嘴，聽著牛氣。

短短幾個詞非常迎合當前人才市場的招聘需求，也蘊含著巨大的職業教育商機和賺錢機會。

當然也就出現了各種花樣包裝、宣傳手段、職業資格考試等等，來吸引小白們自掏腰包加入到數據科學這個領域中來

特別是培訓機構自己搞的所謂的“職業資格證書”，它們和公司實際崗位工作存在很大誤導性，舉幾個例子比如：

• “商業分析師”，課程內容基本上都是 Excel + Sql + PowerBI + Tableau，找個模擬商業數據，畫個儀表盤
• “數據分析師”，課程培訓體系一般是 Excel + Sql + Python，隨便選幾個典型分析案例，刷一遍代碼
• “大數據工程師”，大部分都是 Spark + Hadoop，搭個虛擬機搞分布式環境，再組個Spark、Flume、Kafka什么的。
• “人工智能工程師”，更多是Sklearn + Tensorflow + Pytorch，用泰坦尼克、鳶尾花或者貓狗圖片，訓練個模型，調個參。

上面這些操作，通過簡化或模擬真實工作場景，再弄幾個數據集案例來訓練報名學員，確實是降低學員操作難度，提高課程培訓效率的好手段。

可實際上業務高于一切，公司企業的業務模式和工作內容千差萬別，你學的那個AARRR五棍流或者電信流失預測，也許在實際工作中一點用處沒有，你找的工作崗位也許跟你所期待的數據分析、人工智能相差甚遠；你每天面對的更多的是業務理解上的問題，而不是寫什么代碼、用什么模型。

正所謂急功近利，容易走火入魔。模擬案例簡化操作的辦法雖好，但也僅適用于從事初級入門工作的茶樹菇/表哥表姐們，來取個數、做個表格畫個圖表等簡單操作，可要想深入的研究下去，就得好好掂量掂量自己的能力和份量了，而且案例訓練這種方式，也極容易讓學員產生幻想和誤解：從來沒做真正做過的項目，以為照著課程案例擼了遍代碼，自己就都學會了，就有這個能力了，就敢在簡歷上寫項目經驗！尤其是近兩年，遇到這樣有水分的求職簡歷越來越多。

• 還有就是我們常常聽說的“高級XXX”，這類分析崗位比較特殊

具體來說，就是很多公司都會在業務發展、市場營銷、戰略策略等等部門安排“高級策略分析師、高級戰略分析師、高級數據分析師、高級運營分析師、高級財務分析師等等”之類的職位，這類職業一般直接給部門領導或者老板匯報工作，不僅級別和工資高、而且不需要帶團隊帶人，也就是公司中的“傳說牛人”，“世外高人”這種感覺。

其實本質上，這類崗位對業務能力要求極高，一般都是見過大世面、能總覽大局的，如果沒有涉獵過戰略規劃，沒有干過集團公司級項目，沒有足夠實戰運營經驗的話，根本不可能勝任，單純靠溜須拍馬上位的，沒有真才實干，一旦對面是真正的大佬，也會很容易原形畢露，被直接秒殺。

值得注意的是：以上介紹的五類崗位稱謂都是與數據高度相關的工作，加之企業管理者或者HR對崗位理解不到位、或者受到市場宣傳吹捧的產生理解上的偏差，最終更多的操作是：把這些崗位都統稱為“商業分析師，或者數據分析師”來發布招人信息和介紹職位，結果引來用工方和應聘者之間發生各種“貨不對板”，這也是事實情況。

現實三：企業現狀是混亂的

既然根據數據來源，結合技術差異與業務差異，最終可以完成崗位歸屬管理和細分設置。

那么企業理論上比較理想的狀態，具有三大特點：

• 市場調研、行業研究實行統一管理，統一歸屬市場部或戰略發展部，外部平臺，統一歸業務管理
• 數據開發條線完整（倉儲、治理、建模、分析、產品），統一歸屬IT或者產品管理
• 最終人人都會做業務分析，不再需要獨立設置崗位！

看起來這樣清晰簡潔的職能分工，讓我們的工作、匯報、晉升路線都很明確，個人發揮空間也很大。

可惜，理論很美好，現實很骨感，事實很殘酷。

要實現這種理論上的組織架構和崗位設定，其實對企業有很多苛刻的要求：

• 戰略管理頂層夠剛，給予絕對的授權支持
• 管理者必須統一數據價值觀，對發展目標有清晰認知
• 管理者有足夠的數據意識，各司其職，團結配合
• 管理者對產生數據、使用數據、影響數據（理解業務三板斧）有充足的理解和認知
• 企業有足夠大的經營規模和資金支持
• 企業組織結構與職責分工必須明確，相互不打架
• 給予IT部門足夠的資金投入和執行權力
• 給予業務部門足夠的人才投入，保證解讀業務數據
• 要求人力HR深度理解產生數據、使用數據、影響數據的業務環節

但凡在企業里工作過程，你就會明白，同時滿足以上要求的企業基本上不存在。實際上，企業中有太多復雜問題會影響我們做出清晰的職能分工，我們不可能像數學公式解法那樣來處理。

摸清面試公司的“這個數據分析師崗位到底是干嘛的？”

為了避免你不清楚公司崗位的具體內容而發生入職后踩坑后悔的情況發生，你可以通過詢問以下關鍵問題，來快速理解該公司這個數據分析師崗位的基本情況：

第一步、首先問清楚：你所在的是什么部門？它到底是隸屬于業務部門、還是IT研發部門？

這個業務部門包括業務、市場、推廣、戰略等等，而研發部門偏向數據開發和產品，千萬選擇自己期待或者擅長的方向，大方向不能選錯了。

第二步、如果你準備入職的是業務部門，我們可以直接問清楚：

• 第1問：分析的是什么數據（行業研究、市場調研、內部系統采集、外部第三方統計）
• 第2問：誰是你匯報的直屬上級（是某個業務線領導還是專職數據部門領導）
• 第3問：是否需要自己提取清洗數據，還是有BI平臺或IT部門支持
• 第4問：專題深度分析，具體涉及什么業務場景（可以自己舉例子，看看對方是否感興趣）

第三步、如果你準備入職的是IT研發部門，我們可以直接問清楚：

• 第1問：公司是否有獨立運營的數據部門，還是依附在其他部門或者根本沒有？
• 第2問：公司的數據倉儲、數據加工ETL、BI平臺有沒有專職人員負責？
• 第3問：公司研發部門是否有明確的數據產品或已投產的項目？
• 第4問：公司的用戶畫像/模型/中臺，是否有明確可變現的應用場景？

以上問題基本上能幫助你搞清楚，你面對的是家什么企業，它在招聘什么樣的人。

剩下的就看你和企業雙方的抉擇了，相互共贏是最好的結果。

寫在最后，收益與風險共存

求職者們都渴望自己能入職一家有好老板、目標可期、組織完善、分工明確的公司大企業

所以必須會在了解招聘崗位的時候，提前做一些調查和準備，但這并不能完全消除崗位模糊的問題

畢竟不是誰都能清楚各種職業問題，也不是誰都有人脈關系能夠摸清楚企業內部真實情況。

那是不是意味著當我們搞不清楚這個崗位情況下，就完全沒機會做出自己的事業呢？

當然不是！更多機會都是在不確定性中誕生中，都是用能力和實干拼出來的。

如果組織架構不明確，反倒是自己打出一片天地的好機會，趕上公司目標迷茫，那就自己想辦法做好業務干出成績唄，要是部門領導很賞識，那就更該證明自己來升值加薪，遇到的崗位很基礎自己不喜歡，那就優先選擇大平臺鍍金，然后選擇小平臺鍛煉能力；實在不甘心受不了了，人挪活，樹挪死，那就直接換家公司或者轉行尋找新機會。

機會總是留給有準備的人。面對企業崗位的不確定性風險，既不能粗心冒進更不能畏首畏尾，秉承在戰略上要藐視敵人，又在戰術上要重視敵人的核心思想，從技術上、業務上、心理上，全面鍛煉能力準備自己，還要根據不同的實際情況來選擇有效的方法，讓自己的職業生涯越走越遠。