独家 | 商业分析的职业路线-在数据科学世界里规划你的下一个角色

作者:TAVISH SRIVASTAVA

翻译:Nicola

校对:丁楠雅

本文共3400字,建议阅读9分钟。

本文将介绍商业分析领域里有哪些主要角色,并提出一个框架帮助你思考你的职业生涯。

简介:

哈佛商业评论(HBR)上的一篇热门文章《数据科学家:21世纪最性感的工作》激励了大量人选择商业分析作为职业发展方向。这篇文章的论点之一就是商业分析领域正在增长的就业趋势。

IBM最近的预测显示了完全一样的推论:2020年美国数据专业人员数量将从36.4万增加到272万!

人们一致认为商业分析职位的需求在激增,但是所有这些职位都需要完全相同的技能吗?我经常收到许多想将商业分析作为职业路线的询问,这些询问通常来自于想在商业分析领域寻找工作机会或已经身处该领域但正在寻找更深层次发展的人。

本文将介绍商业分析领域里有哪些主要角色,并提出一个框架帮助你思考你的职业生涯。

目录:

  • 关于商业分析
  • 商业分析师都做什么?
  • 数据分析专员
  • 中级分析师
  • 战略分析师
  • 数据科学家

关于商业分析:

让我们用麦肯锡于2011年5月在《大数据》上发布的报告里的一句话来开始:

“仅美国就面临着14万~19万的数据分析人才缺口,懂得运用大数据分析做决策的经理人和分析师的人才缺口更是高达150万。”

注意“懂得运用大数据分析做决策”这句话。商业分析领域将需要大量的大数据和机器学习专家,以及需要更多(大约10x)可以基于分析做出决策的分析员,即使他们不是大数据或机器学习方面的专家。

这些角色的主要工作是战略分析和产品管理,为数据分析专家找出新的问题和发现新的挑战。我们将在后文比较这些角色与数据科学家的区别。但首先,让我们先了解一下这个领域有多么多样化。

如果你搜集所有数据分析相关文章并用它们绘制出一个文字云(如下图所示),你将会看到里面有所有类型的词汇,包括统计、计算机编程、战略分析、规划分析、报告等。商业分析的内容非常多元化,兼具数据分析技能和商业头脑的人在各行各业中担任着各种各样的角色。想想你的职业生涯可能有这么多种选择,你也许会觉得有些晕头转向。

商业分析师都做什么?

“商业分析”这个词完美地总结了商业分析领域下的各类角色。“商业”强调业务理解的重要性,“分析”则强调统计分析、计算机工程和运营研究在其中的重要性。

一名分析师最终可以成长为具有十足战略眼光的角色,也可以成长为非常专业的深度学习科学家。前者具有较强的商务属性,而后者则具有更强大的分析能力。显然,你的角色通常是这两个属性之间的权衡,二者的不同比例决定了不同的角色。在数学上,你的角色的价值是商业理解和数据分析的正相关函数。

Value = function (Business understanding , Analytics)

有了这个理解,我在下面的交叉图中绘制了商业分析中的不同角色:

当然,上图是我对商业分析领域的个人理解,图中每个角色的位置都是可以探讨的。我希望你能通过这幅图意识到这一领域里的角色的多样性,以及基于你目前的角色可以有多种发展路线。现在我来讲解一下图中表示角色类别的5个标记框。

数据分析专员

在2000年到2012年间,数据分析专员曾是商业分析领域的主要角色类别。这类角色主要关注“发生了什么(事件)”,而不是“为什么(事件)会发生”。数据分析专员的需求主要是随着近年来企业大量实现流程自动化以及机器学习日益流行而发展起来的,尽管如此,这类角色的超过50%的工作都是做数据分析报告,剩下的部分才是回答“事件为什么会发生?”这一问题。

数据分析专员是你开始商业分析职业生涯的一个不错的选择。但从长远来看,你应该更加主动,并逐渐转型到关注“现在在发生什么?”(如商业智能/数据罗盘)或“接下来会发生什么?”(如预测分析)的角色上。

中级分析师

这是我开始职业生涯的角色类型。大多数经济学/统计学/计算机科学的毕业生都是从这类角色开始他们的的旅程的。中级分析师是商业分析和数据分析的最佳组合,它是了解这两个世界的最棒的一条路。

中级分析师的具体角色也很多样化。

  • 其中一个极端是专注于解决“现在在发生什么?”的商业智能分析师;
  • 另一个极端是高度关注商业业务的分析师,例如定价策略产品经理,你需要创建大量商业场景并为公司销售的产品找到最佳价格。

这类角色需要在了解业务和使用深度学习等顶尖工具进行决策管理/风险分析/欺诈分析的二者之间寻找一个理想平衡点,并且要能自主做出决策。例如,你需要负责创建一种算法,来基于用户风险状况决定接受或拒绝信用卡申请,或是选出那些有较高成交倾向的客户去交叉销售保险产品。所有这些商业问题都需要你基于批量客户资料建立预测模型,并根据一些业务指标对其进行排名。

如果你已经处于这样的角色类型中,几乎所有职业路线对你都是开放的。你可以选择走更偏战略咨询的职业路线,也可以选择成为一名数据科学家。如果你不知道下一步该去哪,一个不错的办法是在两个盒子的边界上扮演跨界角色。例如,如果你希望未来走战略方向,你可以先做一段时间产品定价这样的中级分析师,然后进行损益分析来评估自己的适应性。你也可以选一个更综合性的角色类型来帮助自己向战略分析方向发展。需要注意的是,如果你选择了这个方向,你可能不需要学太多深度学习之类的数据科学技术。

相应地,如果你想评估自己对数据科学家的适应性,你可以先从事一些嵌入式的数据科学家工作,而不是直接进入纯粹的数据科学家角色。这样,你在决定进入研究型角色之前就不会失去你在商业上的掌控。

除了上述两条路以外,商业分析与数据分析之间还有另一个平衡点-技术产品经理。但这种角色在行业中并不容易获得,主要是帮助公司构建数据支持战略来发现对其他公司的竞争优势。

Google和Facebook等科技公司里的这类角色不仅是构建战略,也需要创造产品。比如Google Instant search 就是一个用机器学习得出搜索结果的科技产品。这些科技公司需要兼具商业敏感性和机器学习技能的人来设计出这些产品。如果你选择在这条道路上前进,你不光要盯着那些大型科技巨头,还应该注意留心NICE、Aspect或Interactions等科技公司中的产品经理的机会。

战略分析师

你也许听过一个很有名的经济原理“在完全竞争的市场中,企业长期经济利润为零”:

“利润会吸引企业进入市场,亏损会驱逐企业离开市场,在长期平衡状态中,企业在一个完全竞争的市场里得到的利润将会是0。”

那假如所有企业都处于完全竞争市场中,它们如何赚钱呢?如果你是一名经济学生,你就一定会知道答案。所有成功的企业都是建立在低效的市场之上,并没有“完全竞争”这样完美的市场状态。战略分析师的工作就是识别出这些不完美的市场并在上面培养出成功的业务。那些大公司在企业层面以及商业层面都有战略分析师。

企业战略是为了在企业层面上回答以下问题:

  • “什么业务组合对企业是好的?”
  • “为了实现这个组合,需要开拓/投资/发展/关闭哪些业务?”
  • “什么样的组织架构可以促进运营和其他领域的协同发展?”

假如你在富国银行的企业战略部工作,你将负责制定收购或关闭诸如投资/零售银行/信用卡等业务的战略决策,或是负责组建全球运营以消除单项业务的运营成本。

商业战略更多地与特定业务相关联。企业战略侧重于企业层面的事物花销方面,但商业战略更多地侧重于净收入最大化。例如,富国银行的信用卡战略师专注于最大限度地提高其卡片客户的收入;许多运营作为富国银行所有业务线的共享资产,例如呼叫中心、聊天中心、分支机构等,相应的开销大头要在企业层面上而不是业务部门层面上进行优化。虽然公司内部的权责分配有所不同,但大多数企业战略和业务战略都需要互相搭配相互合作。

这两类角色都需要你建立各种商业场景和计算不同投资的净现值来估计产品功能变更、流程变更和技术投资的收益。分析师非常适合担任此类角色,因为他们掌握着大量数据并且十分了解可以为公司创造竞争优势的最新技术。2010年以前开始职业生涯的那批分析师目前在战略角色中占有很大的比例。

数据科学家

对于大多数希望进入数据科学领域的人而言,这是最令人着迷的角色。数据科学家是专家职位。你可以专注于不同领域,如语音分析、文本分析(NLP)、图像处理、视频处理、医学模拟、材料模拟等。这些专家角色的数量非常稀缺,因此价值是巨大的。这就是为什么我们现在会看到如此高的数据科学家需求。

为了脱颖而出成为一名数据科学家,你需要与时俱进学习最新的工具和技术,还应该投资自己进行相关编程语言的培训,并且拥有简洁地向客户和企业解释你的复杂模型的能力。如果你觉得需要掌握业务概念,你可以随时回到战略层面。

结语

本文提到的职业路线是基于我个人的经验以及我与各领域的成功专业人士进行的讨论。通过利用线上免费资源以及采取正确的策略,你可以轻松迁移到任何期望的角色。我希望这篇文章能对你确定你的职业轨迹有所帮助。

如果你对该主题有任何想法或建议,请在下面的评论中告诉我们!

原文标题: Career paths in Business Analytics – Plan your Next Best Role in the Data Science World 原文链接: https://www.analyticsvidhya.com/blog/2018/05/career-paths-business-analytics-role-data-science/

译者简介

Nicola,北美东部大四在读,喜欢政治和数据的商科生。空余时候通过翻译学术文档扩充知识,假期会去不同的地方旅游,平时研究香氛研究护肤。同时也在联系数据库分析等,希望能认识更多未来的数据科学家们。

转载须知

如需转载,请在开篇显著位置注明作者和出处(转自:数据派ID:datapi),并在文章结尾放置数据派醒目二维码。有原创标识文章,请发送【文章名称-待授权公众号名称及ID】至联系邮箱,申请白名单授权并按要求编辑。

发布后请将链接反馈至联系邮箱(见下方)。未经许可的转载以及改编者,我们将依法追究其法律责任。

原文发布于微信公众号 - 数据派THU(DatapiTHU)

原文发表时间:2018-06-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏镁客网

AI语音芯片火热的背后逻辑是什么? | 深度

如果要概括近两年的AI创企现状,融资和造芯是绕不开的话题。而芯片这个词,极有可能会入选2018年年度关键词。

1335
来自专栏Android 开发者

开发者须知:女性玩家和手机游戏注意事项

1533
来自专栏罗超频道

当你用VR看片时,百度已将AR用在营销上

说VR是2016年“年度热词”并不为过,随着HTC VIVE、Oculus Rift、SONYPS VR三大明星产品的发布,VR正在迎来爆发,走向成熟。不过,总...

3154
来自专栏灯塔大数据

企业要发展,数据丢失又很危险,咋整?

任 何行业都无法避免这个问题,数据一旦泄露,在今天的数字世界,是非常严重和非常现实的威胁。在国外一些地区,仅在医学领域,客户数据如果丢失,要承担违约责任,甚至...

3529
来自专栏机器之心

业界 | 对话科大讯飞胡郁:人工智能生态不会像互联网时代被几家垄断

机器之心原创 作者:高琳 6 月 28 日,讯飞开放平台「万物一听」智能硬件新品发布会在深圳举行,AI+ 生活的未来场景在发布会上带给人想象力上的无限冲击,科技...

2976
来自专栏镁客网

VR游戏的四招“生财之道”

1432
来自专栏用户研究

新入口新红利新机遇:智能电视用户洞察报告 | 酷鹅用户研究院

智能电视扩展了电视的概念范围,作为目前市场规模增速快,用户群体增长多的终端设备,智能电视受到越来越多的关注。智能电视用户如何获取内容?会员费或广告能否成为智能电...

2133
来自专栏大数据文摘

阿里车品觉:大数据时代的若干新思考

1515
来自专栏灯塔大数据

洞察|看行业观察家和技术专家对大数据在2017年的发展预测

又到了年终岁尾时,业界权威市场研究和咨询机构Ovum公司日前估计,大数据市场规模将从2016年的17亿美元增长到2020年的94亿美元。随着市场的增长,企业的挑...

2785
来自专栏高端访谈

对话派派王耿:派派找到了AI之匙

当移动互联网的红利消失殆尽,社交行业也在经历着阵痛的转型之路。在消极者看来,已有的社交霸主格局无法被撼动,机会难觅,而在积极者看来,人工智能、大数据、VR/AR...

1422

扫码关注云+社区