杂谈|做数据分析还有出路吗？
09
2021-01
杂谈|做数据分析还有出路吗？
魔幻的2020让大家都开始“内卷”起来了，数据分析这个本来就很卷行业更是如此，业务部门数据化，数据分析专家化似乎是个大趋势，我们小分析师还有出路么？
LEARN MORE
鄙视链底端的数分人
数据分析这年头是越来越火了，不管是做什么行业什么工作的，似乎已经是不会点数据分析就不行了的节奏。再加上一些培训机构的煽风点火推波助澜，数据分析算是入行门槛越来越高，早几年可能Excel+PPT玩得足够溜就可以，后来逐渐开始水涨船高了，你至少得会写代码，刚开始是SQL就行，后来你得会Python啥的，再后来，不会个机器学习算法啥的简直不会有公司要你有木有。
市场上的数据分析师这个词一直有一定的误导，咱们行内的人都知道，虽然市场上都叫数据分析师，但实际上的细分的工种至少两大类：一类偏开发，一类偏应用。偏开发类的可能很长一段时间都还是市场上的香饽饽（也就是市面上哪些所谓的入行就能走上人生巅峰的），苦逼一些的就是我们这种偏应用的数据分析小伙伴了。
之前看过一个前辈形象的比喻，如果要把企业的数据分析业务比作一个医院，那么数据运营/业务部门就像护士，每天都来关注一下病人的心电监护数据，数据开发就像化验科，给病人出具各种检查报告，数据分析则像医生，来诊断病人到底病没病，要不要吃药。这么比喻大家可能会觉得数据分析很重要啊，毕竟医生才是医院的核心，但是在实际企业的业务中，数据分析往往是鄙视链最底层的那一个，稍有不慎就会沦为SQL boy或者茶树菇。此处还是想喊一句冤的，毕竟数据分析真的要做好了，对人的要求还是非常高的，不管是懂业务还是懂技术都是很有难度的，分析师还要求两个都懂。
分析师面对的困境也很明显，一方面是岗位本身对于技能的要求高（技术业务都要通），另一方面就是内部的竞争压力：业务自己都会分析了，要你分析师干啥。
专家化？给业务培训也行
业务部门数据化，数据分析专家化。
这基本已经是共识了，从分析师到分析专家除了扩展技术面、深挖业务这些大家常说的办法，还有什么好的办法么？
我想还有一个答案，那就是培训。
现在的企业都在追求数字化管理，显而易见这不是招一个牛逼的数据分析师就能搞定的事情，我们作为专业的分析师，除了搞搞常规的分析，推动推动公司整体的数字化管理变革也是极好的呀！
先问自己一个问题：业务自己都会分析了么？业务真的看懂数据了么？如果说不上来的话再仔细思考一下，业务有没有提一些让你没法分析的需求？比如，指标随便一点波动就要求分析一下原因，实际这是一个很正常的自然波动，或者分析验证一些从逻辑上就不可能成立的结论。我们的时间都被这些琐碎无聊的小分析需求给占据了，换个思路想，如果业务真的会分析了，就不会让我们处理这些无聊的分析需求了！
所以，破局的办法除了让自己的技术更精进一些以外，还有一个解法，就是把这些琐碎的需求教给业务自己分析，让业务对于指标是否异常有个理性的判断，把自己的时间空出来啊！
万物皆数据
严格来说，也是一个四年分析老司机了，最早带的学生也成熟手了，给想入行的小白们几点忠告吧：
- 要学的东西很多，别以为机构学点SQL啥的就行；
- 数据只是表面现象，数据背后的逻辑比数据更重要；
- 在企业做数据分析不是在学校写论文，又好又快地得出结论比什么都重要，但是下结论前自己要有验证（老板并不关心P值显著不显著，只关心策略有没有效）
同时也给各位同为鄙视链底层的苦逼的数分狗们加油打气，虽然我们数分狗现在很苦逼，但是能爬到高位的专家还得看我们偏应用的，偏开发的最多就是开发专家，而我们数分狗都是未来的CEO。
HR大数据
用数据赋能人力资源管理