九道门丨一张图帮助你快速看清数据分析师的“真伪”

最近网络上时不时就有声音在吐槽“数据分析师内卷严重”，也经常有人疑惑“什么样的数据分析师才算企业真正需要的？”这让我开始思考，有多少公司、多少人顶着数据分析师的头衔，实际上就是在做一些工具人的活儿。

不会真的还有人以为会Excel，会查数据库，就能做数据分析师了吧？

伴随着大数据时代的到来，数据分析领域备受瞩目，很多人看到了这份职业的蓝海，纷纷加入了转行大军。但是，不少人在从事这个岗位之后才发现，门槛虽然不高，但天花板是真的高。做了好几年，却还是个取数机器人……

在这里，我要帮大家认清一个现实，真正能用数据为企业解决问题，推动企业发展的数据分析师才是市场最需要的人才，也是目前比较稀缺的。

虽然数据分析师与侧重开发方向的算法工程师、挖掘工程师相比，对专业、年龄、学历的要求不是很高，但是那些所谓的“门槛低”和“高薪资”从来就不属于同一波人。他们可能都被叫做数据分析师，但拿高薪，参与企业重要项目和决策的分析师，和低门槛，承担数据提取角色的分析师，这之间的差距可不是一星半点。

为什么我说数据分析师有“真伪”，以及他们的划分依据是什么？话不多说，直接上图。

一家企业，不论规模是大是小，势必会产生各种量级的数据，这些数据可能来自销售部、财务部、运营部，甚至是旗下的门店、仓库、物流信息等等。

“伪数据分析师”的主要工作就是把各个部门或者说运营环节中产生的数据提取出来，按照一定的类别规制在数据库中，等需要用到时候就把这些数据提取出来做成业务报表，但事实上它是没有业务指导意义的。

这种没有分析结果、指导方案的报告，与其说是数据分析，倒不如说是数据展示而已。对于这部分数据分析人员，我们还亲切地称呼他/她们为“表哥表姐”，而事实上他/她们离合格的数据分析师还有很长的距离。

“真数据分析师”是必须要会建立数据仓库的，而搭建数据仓库又得在业务逻辑的基础上才能实现。通过使用必要的算法模型，然后根据企业业务流程建立一套专属的业务模型，以此生成可以指导企业业务决策的报表和可视化图表等。

又因为不断产生的数据是在实时变化更新的，所以这个时候还需要数据分析师利用ETL技术来完成数据仓库自动更新的目的，来不断优化我们的最终结果。以上工作涉及的每一个流程步骤无不需要数据分析师从大量的项目实战演练、丰富的落地场景和案例中去习得。

所以说白了，“伪数据分析师”想要摆脱取数工具人的处境，除了工具得玩得溜，还得有能力对数据进行分析，知道自己的分析要解决什么问题，再紧贴企业业务，分析真正的需求，让分析报告对业务决策有用。这是最基本的，但也是很多想往数据分析师发力的从业人员所欠缺的。

一时取数不可怕，终身取数才可怕。数据分析师最终分析的落脚点还是业务价值，所以想办法先将自己从取数的泥潭里解救出来，然后专注提升自己的分析价值，多跟业内前辈取经，明确自己的成长路径、能力要求和提升方法非常重要！只要劲儿使得对，接下来奥利给就完事了。