|
头条的第一篇文章，献给我的职业和兴趣——数据分析吧。 数据分析师是当前被人解读最多，也是误解最多的职位之一了吧。还记得两年前校招找工作时，前程无忧的职位类别里面还没有“数据分析”类；前几天偶然上去瞄了几眼，数据分析类工作已经是最热门的职位之一了，不得不感慨这个时代发展得实在有点快。这么多岗位，总会有泥沙混杂，一些阿猫阿狗的低级岗位也可以挂上“数据分析”的名头出来忽悠；而且，每个公司的“数据分析师”名字大同小异，但实际工作也是千差万别，有纯粹的数据库提数人员，也有偏BI和分析报告的，还有建模师、数据库工程师……外行的人看了只会是一脸茫然。 那么，什么是真正的数据分析呢？ 我认为，在未来的10年内，数据分析师应当是一个承上启下的角色，分别对接业务和底层开发部门。数据分析师应当了解业务，将运营经理/项目经理/市场营销专员扔过来的实际业务需求抽象为数据问题；同时，他们也应当了解底层数据，从有限的数据中挖掘出和需求相关的指标和模型。但现实情况是，绝大多数数据分析师都只做了其中一方面，而且，多数人还没有做好。 目前，以商业分析、BI、分析报告等工作为主的数据分析师们，做的是第一部分工作。他们的工作流程一般是：从业务部门获得需求->确定取数语句，用SQL/HQL/ORACLE等取数->数据清洗、数据量评估->对数据进行分析，输出结论/报告。这样的工作，水平较低的分析师就是一个取数机器；水平较高的，可以在PPT报告上积累一定的经验值，但……貌似和数据分析的本职有点偏了（当然我并没有贬低PPT的重要性，这个技能值够高的话可以在工作上加分，甚至赚外快）。这种工作个人认为适合应届毕业生或工作不久的人去干，一方面可以锻炼取数和PPT这两大必备技能，另一方面可以了解实际的业务。这一类数据分析师应当以提升自己的业务理解和分析能力为主要目标，努力转向运营经理、部门主管等职位。 使用Python、R、Spark等工具进行统计建模的分析师们，做的是第二部分工作。他们的主要工作就是根据现有的数据，提炼数据中蕴藏的规律和指标，构建一系列有用的模型。这些模型通常都可以直接指导实际的项目，比如简易的信用卡评分模型、用户流失预警模型、随机森林模型等等。这一部分工作和前一种工作的差别就在于对数据进行了较深入的挖掘，更能发现数据中蕴藏着的价值。当然，这一工作的前提在于数据分析师对各种算法。模型的适用范围和使用方法要熟悉。 在现有大部分公司中，数据团队的主管们大多从业务岗转型而来，对数据分析的理解也就仅限于各种百分比的讨论，最多就学了一点SPSS的分析方法。鉴于目前大部分所谓数据分析师仍停留在第一部分的工作中，第二种数据分析师的需求依然很大。然而，他们的地位也比较尴尬，因为比算法和模型，必然不如数据挖掘工程师；比商业分析又不如业务部门和从业务部门转入数据部门的第一种数据分析师们（基本都是主管），所以很大程度上要靠自己和懂行的同事共同合作，扭转主管们的思维了。但这种局面不会持续太久，几年内，大量数据人才的出现，将淘汰现在大部分只懂得罗列百分比分析的所谓数据分析师们；到那时，数据分析行业才真正能发挥更大的价值，也能有更准确的岗位定位。 笔者毕业一年多，在一家数据创业公司担任数据分析师。这一年多，经历过写报告、语句提数、建立用户模型、精准营销用户定投等工作，除了BI、ETL那块工作，基本上把互联网数据分析主要的工作都做过了一遍，感觉：数据分析师们的业务水平参差不齐，各有优势。但笔者更偏好用户画像和精准营销的工作，因为这一工作更直观地展现了数据价值，而且个人认为比分析报告更加真实，毕竟现有的分析报告真实性，呵呵。 先写到这里，欢迎各位大牛拍砖讨论。下一篇感悟，笔者将讨论下自己的专业——统计学和现有数据分析行业的冲突和融合。也欢迎各位数据业内人士私信讨论，共同进步，不亦乐乎！ |
|
|
