专栏首页接地气学堂数据分析师的工作职责是什么?

数据分析师的工作职责是什么?

“我可能干了个假的数据分析师!”经常有同学发出这种感慨,然后到处发《数据分析师是干什么的》《数据分析师、数据工程师、数据运营、数据挖掘工程师、商业数据分析师、我随便写个什么分析师之间到底有什么区别》一类的帖子。之所以会这样,是因为大家看的常常是理想状态下的数据分析岗位职责与内容。

从本质上讲,数据分析是个技能,人人都可以学,人人都可以用。“数据分析”四个字拆开,可以细分成偏技术的“数据”部分——采集、存储、加工、展示数据;偏业务的“分析”部分——定义问题,设计思路、寻找答案、验证假设、跟踪结果。技能人人可以学,但在企业中,具体的活是得有人干的。在企业里,员工是按组织架构编排的。数据分析工作,最终还是要分配到某一个部门的某一个岗位。

蛋疼就从岗位开始……

因为数据分析不像销售、产品、运营一样是刚性岗位,大部分企业并不依靠数据分析挣钱吃饭。因此,数据分析岗位就不是一个常设岗位或者必须岗位。简单来说,这是个后娘养的部门。因此组织架构的设置就千奇百怪。导致的后果,就是:理想永远是美好的,现实只能自求多福。大家在网上看到的各种科学合理的“数据分析流程”“数据驱动业务”,到了现实里就七零八落。

O(╯□╰)o

理论上,在技术端,至少需要数据仓储,数据分析两个组,才能扛得住工作。数仓组搞掂数据采集、架构、性能问题,分析组搞掂取数问题。可实际上有完整架构的屈指可数,草台班子满地都是:

这就是无数做技术的同学苦恼的根源:公司没有重视数据这回事,指望一个人把数仓到BI到建模全搞了。于是搞得办事的人各种苦逼。尤其这两年,人工智能的东风给领导的朋友圈吹来了无数数据分析如何牛逼的文章。搞得能力向下兼容的招聘风气日盛。领导们想当然的以为“算法那么复杂,那么牛逼,找一个会算法的不就什么问题都能解决了?”

还真搞不掂。因为能力归能力,工作归工作。数据分析的工作方式,决定了一个人能做的是很有限的(如下图)。即使一个人有能力全部做,他也没精力同时出现在业务部门开会的会议室,跑数的工位,开发的机房三个地方。且不说仅仅是清洗数据,就需要消耗大量精力。过度指望一个人大包大揽的结果,就是丫样样都会一点,但样样不精通。

2,3,4步是开发的硬活,5,6,7步是数据分析的本质工作,但做算法、做专题、开发报表的工作细节完全不同,而1、8正是数据分析的起点与终点,不考虑业务需求,不跟踪业务效果,做了分析又有啥用呢?

在业务端,问题恰恰相反,是个人都想搞个分析,结果基层的表哥表姐越养越多(如下图)。

业务部门需要的是分析结论,不是一个数字。单纯告诉业务部门“本月销量350w,客户复购率20%”屁用没用,业务部门需要的是“这到底说明了什么问题”!做技术的同事,往往只能提供数字,而不是分析结论,所以业务部门养“分析专员”的风气就越演越烈。相当多的领导都喜欢安排一两个数据XX在组织下边,这里只列了一点点,实际上的还有更多更多的表哥表姐岗位……

数据砖员们的工作是很辛苦的。虽然名字也带“数据分析”然而做的工作基本就是在excel里搬数据(常常往返于csv格式与excel工作薄格式之间),做图表,贴到ppt里,在折线图下边写上:“本月销量低了,要搞高!”然后就能静静等着领导回复:“分析的一点也不深入!”了

鬼愿意过这种日子啊!(▼㉨▼メ)

业务端的分析,需要对业务本身有认识和较深的分析能力积累。这样才能有勇气和手段从合作部门嘴里了解到业务到底在干什么,才能在经营过程中准确定义问题,才能构建适合自己公司的分析思路。这些都不是花5000雇个表哥表姐能解决的。可怜的基层表哥表姐们,往往都是新入职没两年,在公司人都不认识几个。别说分析问题了,连张嘴问别人问题,都会吃一个白眼:“关你什么事,做你的去”。这样的状态真的分析不了啥。

我非常能理解业务部门老大们对IT的不满。“就知道跑个数字,分析啥了?”这种抱怨从我入行第一天一直听到现在;我也非常能理解业务部门老大们用数据分析当招牌填充人编的做法。问题是这样大量铺专员真的不是解决问题的办法。因为想要分析输出结论,需要的是做分析报告的人有分析思路和解决问题的能力。正如郭德纲讲相声好笑,那是因为他会讲相声,不是因为他长得胖。以为花5000雇个表哥做个ppt就能分析了,就像以为从街上拉个矮胖子就能把人逗笑一样……

所以理论上讲,最好的结构应该是业务端找有资历,有经验的少数人承担。技术端按需求排架构,多一些人把数据质量、数据处理、BI做起来。这样数据质量高,数据形式多,方便使用,同时业务上也能解读出含义,有能力推动数据成果落地——然鹅这又是一个理想。从业那么多年,除了银行体系和少数大型互联网公司外。就没几个企业真的重视这回事,该招表哥继续招表哥,该养阿尔法狗继续养狗。

o(* ̄3 ̄)o那个,开心就好……

正如某位前辈所言:现阶段数据分析领域的主要矛盾,是人民群众日益增长的对大数据人工智能的幻想,与落后的基础数据开发建设之间的矛盾

这两年能清晰数据的角色和地位的企业相对多了一些,早些年情况更混乱。XX分析师的XX甚至都是HR小妹妹现编的,岗位JD里复制一段话出来百度,都能找出来一堆一模一样的JD。那个年代我接到猎头电话,往往在丫blabla一堆“分析”“挖掘”“模型”名词之后。直接来这么一句:来,我们说点实在的,向什么部门的领导汇报?是写ppt的还是写代码的?区分效果群拔!

哈哈(ノ゚∀゚)ノ

总之不要被名字框死了思路,不要太纠结名字的文字。要看自己具体的工作内容,自己挂在哪个部门下边,具体分析,才能看清前途。这是数据分析成长手册的一部分,在整本成长手册里位置如下:

本文分享自微信公众号 - 接地气学堂(gh_ff21afe83da7),作者:陈老师

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-01-19

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据分析没有思路怎么办

    数据只是数据分析的素材,数据分析则是一个系统工作。就像我们想做一个大盘鸡招待客人,光从菜市场买一只冰鲜鸡回来是远远不够的,还得:

    接地气的陈老师
  • 当数据分析之路遭遇困惑,你还需要提升这8个能力

    “这个数据分析,怎么就越干越糊涂了呢?转行以前,看着学习的书单很清晰,Excel,Sql,Python一点点学过来。可转行后反而迷茫了,越干越感觉自己在打杂”一...

    接地气的陈老师
  • 石沉大海!发出去的报告没人回应,数据分析师该怎么办?

    辛辛苦苦跑的数据没人理,对数据分析师/专员来说是一件极具挫败感的事情。如果在日常更新数据的同时,还要接大量没头没尾的临时性需求,就更有挫败感了。如果发现接的临时...

    接地气的陈老师
  • 我眼中的数据分析

    数据分析的任务必须是明确的,带着问题出发。它可以是一张简单的报表,也可以是专题或者综合分析。

    enenbobu
  • 大数据时代,技术和分析哪个更重要?

    资深数据分析师,戴文波特在《哈佛商业评论》上的撰文《数据分析师的崛起》中提到,大数据时代的到来意味着处理庞大的数据将会在每个人的工作中,占有越来越大的比...

    陆勤_数据人网
  • 数据分析入门

    用适当的统计分析方法对收集来的大量数据进行分析,将他们加以汇总和理解并加以消化,以求最大化的开发数据功能,发挥数据的作用。数据分析可用于现状分析,原因分析,预测...

    潇洒坤
  • 【数据分析】数据分析中的六脉神剑

    了解数据分析 1定义 · 数据分析是什么? 简单地说就是利用有限的数据通过发散的思维,利用相关关系来解释你想知道的问题。 2目的 · 数据分析干什么? 把隐藏在...

    陆勤_数据人网
  • 数据分析经典语录

    【数据分析三字经】①学习:先了解,后深入;先记录,后记忆;先理论,后实践;先模仿,后创新; ②方法:先思路,后方法;先框架,后细化;先方法,后工具;先思考,后动...

    小莹莹
  • 今天聊聊大数据

    大数据概念 "大数据"是一个体量特别大,数据类别特别大的数据集,并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 大数据的4V特点:Volum...

    互联网金融打杂
  • [独家|译]2015年大数据展望和市场预测

    大数据文摘

扫码关注云+社区

领取腾讯云代金券