1. 数据分析网首页
  2. 大数据
  3. 数据分析

都叫做“数据分析师”,你是哪一类?

数据分析师们往往分为业务和技术两大类,你属于哪一类?

都叫做“数据分析师”,你是哪一类?

作者:陈老师

在企业中,数据分析师们往往分为业务和技术两大类。两类能力和工作内容有较大区别,但经常企业在招人的时候都叫:数据分析师。这常使想进门的新人感到困惑。今天,我们就来科普一下业务与技术的那些事。业务 or 技术业务类分析师,往往在战略发展部,市场部,会员中心,销售部,运营部。根据服务的业务部门的不同,他们也可能叫数据运营,经营分析,会员分析,商业分析师等名字。因为各个业务线具体考虑的问题不同,分析思路与体系均有不同,所以会有这种区别。

他们有个共同的特点:他们主要负责写PPT而不是写代码。他们输出的是分析报告多于零散的数据。他们的主要工作,包括:整理Excel,提供各个业务部门看的常规日周月报;针对领导安排的专项议题(如双十一促销、年终规划、新产品设计)做专题分析;支持领导做需要用到数据的测算、规划、方案等等。

技术类分析师,往往在IT部、数据中心。根据从事的工作环节不同,他们被分成数据库工程师,ETL工程师,爬虫工程师,算法工程师等角色。在小企业,往往一个技术小哥通吃这些流程。在大企业,一个标准的数据中心,一般都有数据仓库、专题分析、建模分析三个小组来完成数据开发工作,再大的公司,还有专门负责数据治理的小组。

之所以有这个区分,是因为生产数据,需要一个多层次的复杂的数据系统。一个数据系统,需要数据采集、数据集成、数据库管理、数据算法开发、报表设计几个环节组合。这样才能把分散在各处的一点一滴的数据集中起来,计算成常用的指标,展示成各种炫酷的图表。这里每一个环节都需要对应的技术支持和人员工作,因此有了不同的岗位。

只要你深入了解数据分析师,就会发现大家讲的最多的一句是:最好就是技术业务都精通。这让很多新人感到很辛苦。为什么我不能安安静静的当一个程序员?为什么我不能勤勤恳恳写ppt呢?非要学另一个领域,看起来其他部门的人也不需要这么多才多艺啊!凭什么做分析的就这么辛苦?

实际上,但凡是做数据分析的老鸟们,都知道技术业务双精通的重要。这是他们无数次面试失败、加班到哭、要求升职被拒、背了黑锅写检讨之后的血泪总结。刚起步的菜鸟们,眼前还是一片空白,当然看不到这些痛楚。

不懂技术,最终沦为夸夸其谈的废柴鄙视技术的新人,往往来自那些校招顺风顺水,进了大企业,500强的总部,以为自己马上要成为商业精英的人。战略发展部往往是重灾区。这些哥们姐们每天西装革履和各种老板交谈,写的ppt动辄5年规划全局战略。一种优越感油然而生:我是跟大老板汇报,那我也是个二老板吧!分析思路才是最重要的!技术都是干脏活累活的!

如果一直这么优越下去,他们要么成为靠着“XX企业出身”名头混吃骗喝的大忽悠,要么干了几年始终在基层岗位徘徊。确实,分析不需要数据,你看历史上名臣谋士有几个搞sql,python的?但那是刀耕火种的农业社会的事。分析之所以要加数据二字,就是因为数据能让分析更精确。而在移动互联网时代,数据来源复杂,加工过程多,计算方式日新月异。不了解技术原理,不掌握数据来源,就无法真正掌控数据含义。脱离数据,空谈思路,就会让自己越来越浮夸。无法在职业发展上更上一层楼。

有意思的是,这些大忽悠们往往坑的是技术部门。因为他们有着“XX名企”这样金光闪闪的头衔,往往能混进领导层。遇到这种业务部门的领导,技术部门就倒了血霉了。每天听他瞎吹各种思路,没有一个能落地的。你问他:“到底这个分析要哪些维度,哪些字段?”人家一句:“这不是技术干的吗!”你问他:“你预测这个有什么分析逻辑?”人家一句:“这不是技术干的吗!”最后再追杀一句:“我就是要预测,你们去预测!你看人家网上写了大数据人工智能就能预测!你不能预测一定是你智能不够!”

搞笑吗?一点不搞笑!你要是伺候他的技术部门,每天都是上坟的心情去上班,好想活埋了丫的。夸张吗?一点不夸张,反正陈老师见过,连数据指标对应哪个字段都搞不清楚还在大谈特谈分析,不理数据采集有什么难度,张口就要数据的所谓营销专家。让人哭笑不得。

好在,这种人只在陈老师刚毕业的时候比较多。那时候BAT还没有崛起,外企500强才是众星拱月般的存在。现在随着BATJ华为等一众公司热捧算法工程师,使得风气扭转,目前热捧技术忽视业务的占了上风。

不懂业务,最终排在升职加薪的末尾鄙视业务的,往往来自刚进入IT部工作没两天,抱着:“只要会代码,工资轻松拿!”错觉的新人。他们还没有经历过一个完整的项目,还没有自己和业务部门开过会。拿着自己主管派来的任务单,两耳不听窗外事,一心只会敲键盘。于是搭上泰坦尼克驶向kaggle,早辞波士顿,晚赏鸢尾花,没事就把拉钩爬。似乎只要把这些网上人人可以抄的代码自己抄一遍,下一个小龙哥就是自己了。

然鹅,经历了无数次加班以后,他们开始发现:“为什么我们的数据质量这么烂?”“为什么我们的数据造假这么多?”“为什么关键的字段缺东少西?”“为什么系统这么糟糕天天老牛破车?”那些在书上的完美案例从来就没有条件实现。然后小哥们想着肯定是公司小,不规范。跳槽到超牛逼大公司,一定是数据完美,基础强大。几经努力跳槽以后,才发现:在大公司,只是一头老老牛,带着一群年轻的小牛拉着一辆更大的破车而已,哭。

他们又开始发现:“为什么业务方给的时间限度这么短!”“为什么业务方要这么异想天开!”“为什么明明不合理的需求还要抬出老板来压着我们做!”“为什么做好了就归功于业务策划的好!”“为什么出了问题就是IT的锅!”。这时候,他们忽然发现隔壁组的组长是如此的机智。每次和业务方开会,都能以子之矛攻子之盾。把那些不合理的需求杀的体无完肤。他们组从来加班少黑锅小。大部分做技术的小哥,就是从这一刻开始顿悟懂业务的重要性的。

这种抱怨陈老师听了很多,这种顿悟陈老师也见了很多。因为我就是那个隔壁的组长。稍后会专门分享数据驱动业务的经典案例,让大家看看如何从一开始就脱离苦海,跳出大坑。

因为本质上,技术是为业务服务的。技术落地的成功,首先从一份高质量的业务需求开始。不能正确的理解业务需求,不能合理的帮助业务方完善需求,不能有效的规避需求中业务陷阱,就不可能有好的产品开发出来。技术开发的成功,需要资金、人力、时间的投入。如果不能为技术找到好的业务场景,就无法从老板那里获得足够的支持。毕竟大部分企业,做开发是为了挣钱,不是为了烧钱的。而最终考核开发的,也不是你用的技术多么复杂,而是你对业务有多大帮助。新人们要付出相当的加班辛苦,才能理解到这一层。

业务+技术,至少懂这些术业有专攻,知识要广泛,是职业发展的基本准则。特别对数据分析师这样一个多面手型角色。那么我们应该了解到什么程度呢?这里有个建议:

业务方向分析师:数据采集方式、数据字段格式、指标的计算口径与更新时间这三个是必须必须知道的。因为这三点涉及到数据真实性与可靠性。没有数据质量做保证,什么分析都是空谈。对基础数量越了解,越能从细节中找到思路;算法模型的种类与应用场景是必须了解的。因为这涉及到如何选择分析方法,如何提升分析质量。具体代码怎么写,弄懂就懂。

技术方向分析师:业务部门分工、职责、流程必须要了解。至少职责清晰,知道自己要对接的人到底是干什么。自己对应部门常见的业务需求,如销售分析、经营分析、促销分析、商品管理的方法要有所了解。在面对业务部门需求的时候,大概知道他们在想什么,有什么套路。帮助自己更好的理解需求,规避需求大坑。

本文为专栏文章,来自:数据化管理,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/66834.html 。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code