专栏首页接地气学堂数据分析师,岗位真相最全解析!

数据分析师,岗位真相最全解析!

很多同学希望加入数据之路,很多同学想在数据之路上更上一层楼。可是,你真的知道,企业口中的“数据分析师”是啥玩意吗?有经验的老鸟都切身体会过,在数据分析师的名字下,隐含了大量乱七八糟的情况。

很多企业压根就没有正确的认识和清晰的规划,反正只要是搞数据,就叫个“数据分析师”。或者叫“业务/策略/运营/战略/用户分析师”,看起来和数据分析有关系,实际情况千奇百怪。如果不识别清楚,很有可能一脚踏坑里,被坑的叫苦不迭,原本对数据之路充满憧憬,进门一看“什么玩意”!。今天我们系统解析一下。

01

从数据来源说起

企业数据有四大常见来源:

  • 行业数据:行业情况、宏观数据,一般是第三方提供
  • 用户数据:直接发问卷,调研用户/门店/经销商情况
  • 外部系统数据:比如经营天猫店、亚马逊等平台,平台数据
  • 内部系统数据:企业自身交易系统、ERP、CRM、网站、APP记录数据

这四种数据来源,对应的是完全不同的四个方向:

行业研究线:行业数据→行业研究→战略/策略方向。一般只有对行业政策敏感的行业,比如银行、证券,大型集团总部才设专职岗位做这个,对应行业研究线。行业研究线完全不需要开发技能,关键是:你对行业懂多少。看似门槛低,实际上这些大企业本身招人条件,都过滤掉很多人了。

市场调研线:问卷/访谈→市场调查→营销/设计方向。市场调研在快消、零售、连锁店、耐用品设计等传统企业非常流行和成熟。在大的互联网企业有可能有用研中心,但小互联网公司估计产品经理和运营自己就稀里糊涂干了。这一条线完全不需要开发技能,关键是:问卷设计、访谈设计、资料总结这些调研相关的经验。

平台运营线:使用平台→整理报表→运营建议。这一类经常叫“淘宝/亚马逊/电商数据分析”或者叫“销售分析”“供应链分析”之类。这些就是我们俗称的“表哥表姐”每天主要的任务就是从某个系统导出excel表,然后整理一个新的excel表。至于看得懂看不懂这个excel,完全看业务能力,跟技术操作没啥关系。

数据开发线:内部系统→数据仓储→数据模型/数据中台→数据产品(BI)。这一条线,才是目前市场上热烈追捧的技术线路。但注意,这里实际上对应的是好几种技术能力,不是一路打通下来的。在稍微有点规模的公司,这里对应的也是好几个岗位,不是一个人通吃。至少数仓一定有专门的人做。然而经常有企业把这些混在一起,都叫“数据分析师/数据工程师”结果自然是搞得新人头晕脑胀。

数仓、建模、BI、甚至取数,深入下去都有大量技术知识要学。并且从业越深入,交叉领域越多。单一的技能适应能力会非常局限。现在的网红课程往往喜欢把excel,sql,python打包,叫“数据分析师”,把hadoop叫“大数据工程师”,把excel,sql,tableau打包,叫“商业分析师”,把sklearn调个参,叫“人工智能工程师”。给几个数据集让用户跑。其实极大简化了真实工作场景,对于应对初级的、基础类取数(俗称查数姑,查数据的小姑娘)是可以的,再深入就得掂量掂量斤两了。

还有一类很特殊,叫:“高级分析”。有些公司会在业务部门插一个“高级分析”之类。这个位置给的等级高、工资高、但不带人,直接对某个业务大佬汇报。这些岗位虽然可能叫“高级策略分析师”“高级战略分析师”“高级运营分析师”之类的,可本质上要的是业务能力。没有做过总裁办的工作,没有指定过战略规划,没有实战运营能力,是几乎没可能胜任的。而且越是面对大佬,被直接秒杀的概率越大。

以上五类都是和数据有关工作,如果企业区分清晰,就会有五个不同方向岗位出来。在数据开发方向,还有具体技术类型的差异。在业务上会有明确的业务类型差异。然而这是理想状况。更多的情况是:把这些玩意通称“数据分析师”“商业分析师”结果引来各种混乱

02

混乱的根源,在这里

理论上,最理想的状态是:

  • 数据开发五条线齐全(数据仓储、数据建模、数据产品、数据分析、数据治理)并且归属IT管理
  • 市场调研、行业研究统一管理,并且归属市场部或战略发展部,归业务管理。
  • 所有业务分析都不该单独设岗位,做事情的人自己就得有分析能力

这样分工清晰,各自工作、汇报、晋升路线很清晰,能最大化发挥作用。理论是美好的,现实是残酷的。这样的架构,对企业有很多要求:

  1. 企业规模够大
  2. 领导对数据来源、生产、作用非常清楚
  3. HR对数据来源、生产、作用非常清楚
  4. 企业分工职责很清楚,相互不打架
  5. IT部门得到足够尊重,有足够投入
  6. 业务部门有足够能力解读,应用数据
  7. 领导们各司其职,相互配合
  8. 领导们对发展目标有清晰认知

你会发现,以上8个条件经常不存在。

初级问题

  • 企业规模不够大,需要一人干一堆事
  • 领导自己稀里糊涂:“不就是个数据吗,一个人不够?搞俩人?”
  • HR小妹稀里糊涂:“需要熟悉Python,R,SPSS,EXCEL工具

是滴,你会发现招聘时候,凡是写:“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小妹妹不懂行百度来的用人要求。这样自然容易把各种岗位混为一谈,最后招来的人货不对板。

中级问题

  • 运营/市场/推广不满IT工作效率慢,想自己招个人取数
  • 运营/市场/推广的人没能力解读数据,找个小弟来码Excel表
  • IT内部管理混乱,被人要数要着急了,招个人取数
  • IT部门投入不足,反正数据相关的,来个人全干了

这种情况下,经常发现挂着“数据分析师”头衔,实际上就会打杂的,每天无休无止的码excel表,无休无止跑sql,各种乱七八糟的IT问题也会塞过来处理,真干了,叫苦不迭的就是这些同学,惨呀。

高级问题

  • 业务部门觉得“大数据好厉害”,我要来个懂“大数据”的人帮我解决引流、卖货、选品、促活等问题
  • 业务部门觉得“我们的IT都不会用数据,我要个用数据的高手!”
  • IT部门觉得“老板真喜欢数据中台”,我要做个数据中台,管它做了干什么。

这种情况下,经常发现一个小哥/小妹开开心心去面试,结果去了也不知道自己干啥,绩效方向不明,业务的领导一直在抱怨自己“没有有价值的产出”,IT的领导总让自己做“中台”“模型”结果到底模了个啥也不知道。最后不了了之,明年被扫地出门。本质上,不是自己不能干,而是老板们自己没想清楚。

03

如何摸清“这个数据分析师在说啥”

以下几个关键问题,可以直接问:

先问:部门归属开发、还是业务

如是IT部门,继续问:

  1. 是否有独立数据部门
  2. 数仓,ETL有没有人做?
  3. 是否有明确的数据产品?
  4. 数据中台/用户画像/数据模型,有没有明确的应用场景?

如是业务部门,继续问:

  1. 分析的数据是(调研、内部系统、平台、第三方)
  2. 汇报的领导是(专职的数据领导还是某个业务线领导)
  3. 需要自己提数/有IT支持
  4. 领导口中的:“深度分析”是什么场景(或者自己举几个例子,看看对方满意不满意)

04

机遇与挑战,从来都是并存的

我们都希望能入职一个架构齐全,分工合理,目标清晰的公司,所以可以在了解岗位的时候,多做一些工作。但是,岗位不清晰,也不代表着完全没机会:

  • 架构不清晰:自己能做出一片天地
  • 目标不明确:想办法结合业务做出成绩
  • 岗位很基础:平台大的话能给职业生涯镀金
  • 业务领导有期望:做好了就能高升
  • 或者干脆,自己想先换个行业/换个岗位,只要不太差就先干着

从来风险都是和机会并存的,成功从来都属于能力强的人,所以也不用因为有风险而胆战心惊。只是,要做好对应的准备。包括技术上准备,心理上准备。很多同学是萌萌哒抱着“学习”的心态,结果进了架构不全,职责不清,目标不明的公司,结果自然被虐的出血了。同样的人,进野外就得凶猛,进庙堂就得谦卑,根据具体场景选择方法,才能走的最长远。

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

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:2020-02-24

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

  • 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
  • 如何开展行业研究

    分享一个教科书式的方法,人人都可以学习。一提到教科书式方法,大家都会觉得巨复杂。可实际上教科书式的方法,比大家常用的土办法还要简单。只不过是,教科书也是分给学生...

    接地气的陈老师
  • 让外行描述情况,让内行来定义问题

    我们常说数据分析师是企业的医生。如果你真的去多几趟医院,就会发现还真TM像。因为数据分析师和医生是一样的苦逼:内行面对外行的苦逼。

    接地气的陈老师
  • Intel研究院院长吴甘沙:大数据分析师的卓越之道(珍藏版)

    亲爱的各位同仁,各位同学,早上好。大数据时代数据分析师应该做什么改变?我今天的标题是大数据分析师的卓越之道。这个演讲信息量比较大,我讲的不一定对,即使对的我也不...

    小莹莹
  • 大数据培训出来后就业前景及工资怎么样?

    作为新一轮的技术热点,大数据所受到得到关注是空前的,并且在这两年的发展当中,企业对于大数据的重视程度还在进一步上升,企业基于大数据业务开展所需要的相关岗位人才,...

    加米谷大数据
  • 企业数据大厦的基础-源头数据

    源头数据即是直接从终端采集的数据。该数据可以是主观观察记录的数据,也可以是手动测量记录的数据,还可以是使用智能设备自动采集的数据。源头数据强调其质量,质量越高,...

    明悦数据
  • 数据中台建设五步法

    数据中台建设五步法是我们在十几个数据中台项目落地实践中总结出的一套方法论。在数据中台项目落地中,我们可以根据具体项目情况对其中的一个或者几个部分的内容做重点的加...

    王知无
  • DataHub——实时数据治理平台

    首先,阿里云也有一款名为DataHub的产品,是一个流式处理平台,本文所述DataHub与其无关。

    用户6070864
  • 下一个风口-基于数据湖架构下的数据治理

    随着大数据、人工智能、云计算、物联网等数字化技术的普及和广泛应用,传统的数据仓库模式,在快速发展的企业面前已然显的力不从心。数据湖,是可以容纳大量的原始数据的存...

    木东居士
  • AI 时代,还不了解大数据?

    如果要问最近几年,IT行业哪个技术方向最火?一定属于ABC,即AI + Big Data + Cloud,也就是人工智能、大数据和云计算。

    luanhz

扫码关注云+社区

领取腾讯云代金券