知乎：做數(shù)據(jù)分析有前（錢）景嗎？

先說我的看法：前景、錢景都會有，但得使對勁。

一

「數(shù)據(jù)」本身沒有價(jià)值，價(jià)值在于「分析，基于數(shù)據(jù)和業(yè)務(wù)的分析是有前景的。」

接觸到的大廠朋友他們說，單純的數(shù)據(jù)分析崗在國內(nèi)互聯(lián)網(wǎng)企業(yè)多是數(shù)據(jù)支持型，為產(chǎn)品、市場、供應(yīng)鏈等部門服務(wù)，不直接產(chǎn)生價(jià)值（money）。

所以很多數(shù)據(jù)崗實(shí)質(zhì)上干的是SQL、Excel、Python數(shù)據(jù)處理，日常寫代碼跑取數(shù)需求。或者更技術(shù)一點(diǎn)，做數(shù)據(jù)平臺的開發(fā)。

但上述的這些都不是真正意義上的數(shù)據(jù)分析，隨著BI、數(shù)據(jù)中臺等技術(shù)的發(fā)展，取數(shù)必然會被機(jī)器代替，像Tableau已經(jīng)初步實(shí)現(xiàn)根據(jù)描述指令來提取數(shù)據(jù)、生成圖表。

二

就我個(gè)人這么多年的數(shù)據(jù)工作經(jīng)驗(yàn)來說，具備「業(yè)務(wù)深度、數(shù)據(jù)敏感度和閉環(huán)邏輯」，是數(shù)據(jù)分析從業(yè)者能力的最大體現(xiàn)。

「業(yè)務(wù)深度」很好理解，就是不管做什么崗位，都得精通里面的每個(gè)環(huán)節(jié)、指標(biāo)、流程、產(chǎn)品等，把分內(nèi)的東西完完全全摸透，這是基礎(chǔ)能力。拿汽車垂媒行業(yè)來說，作為一個(gè)營銷數(shù)據(jù)分析師，必須得熟悉APP&WEB端產(chǎn)品形態(tài)、廣告點(diǎn)位、投放模式、品牌車型、各種數(shù)據(jù)指標(biāo)、行業(yè)信息等等，只要是該崗位關(guān)聯(lián)到的業(yè)務(wù)都應(yīng)該去研究。

「數(shù)據(jù)敏感度」其實(shí)是業(yè)務(wù)問題的數(shù)據(jù)化，你能否通過數(shù)據(jù)探索挖掘出業(yè)務(wù)場景中的變化、問題、原因、關(guān)聯(lián)等信息。當(dāng)你看到這個(gè)月漏斗轉(zhuǎn)化低了10%的時(shí)候，你會怎么樣去剖析、下鉆這10%背后的來龍去脈。

「閉環(huán)邏輯」是解決問題的必要思維，說通俗點(diǎn)就是做事及時(shí)反饋，有頭有尾、自洽他恰，這在數(shù)據(jù)分析中尤為重要，決定了你是取數(shù)師還是分析師。比如說銷售部門向你提出A產(chǎn)品今年的用戶畫像是什么樣的，明年該怎樣針對用戶做投放才能提高成交？

這樣的問題就不是拉拉數(shù)據(jù)就能解決的，因?yàn)樗婕暗浆F(xiàn)狀分析、歸因分析、競品分析、策略建議等，最終給出一個(gè)基于數(shù)據(jù)發(fā)現(xiàn)的優(yōu)化實(shí)施方案。如果沒有閉環(huán)思維，東一榔頭西一棒子，問題永遠(yuǎn)得不到解決。

三

數(shù)據(jù)驅(qū)動是大勢所趨，具備數(shù)據(jù)挖掘能力的人會更吃香。注意我這里說的不是數(shù)據(jù)分析崗，而是具備數(shù)據(jù)挖掘能力的人。

數(shù)字化普及的今天，越來越多的職位都會和數(shù)據(jù)打交道，所以每個(gè)人都可以去挖掘數(shù)據(jù)背后的價(jià)值，每個(gè)人都是數(shù)據(jù)分析師。

同樣是銷售，在給客戶講方案的過程中，如果你能基于數(shù)據(jù)講出自己的見解故事、對利弊的分析判斷，比干巴巴的說產(chǎn)品更能打動客戶。

在和領(lǐng)導(dǎo)的溝通匯報(bào)中如果能穿插一些關(guān)鍵數(shù)據(jù)，少用形容詞，也會更容易博得好感。

回到數(shù)據(jù)崗本身，現(xiàn)在各大互聯(lián)網(wǎng)公司、乃至傳統(tǒng)行業(yè)都在拉攏數(shù)據(jù)人才，而且薪資不比技術(shù)少，一線城市基本5年以上能達(dá)到30K以上。

所以說前景是光明的，但務(wù)必要把握好什么是真正重要的東西。

四

關(guān)于技術(shù)這塊也需要說說，術(shù)與道缺一不可。

第一種必須要掌握的技術(shù)是統(tǒng)計(jì)概率，這是基礎(chǔ)的數(shù)學(xué)知識，但非常重要。統(tǒng)計(jì)概率中的很多知識點(diǎn)都可以用到日常數(shù)據(jù)分析中，比如抽樣、回歸、檢驗(yàn)、可視化等。科學(xué)的數(shù)據(jù)分析方法論有助于幫我們建立邏輯思維。

第二種比較重要的技術(shù)是數(shù)據(jù)模型，或者說思維模型。比如用于增長分析的AARRR增長模型、用于用戶體驗(yàn)分析的CX Index模型、用于競爭分析的SWOT分析模型...這些久經(jīng)考驗(yàn)的模型會讓你的分析思路更加清晰，也會更容易說服聽眾。

第三種是編程等IT技術(shù)。數(shù)據(jù)分析本身不需要很NB的IT技能，原來我們用Excel就夠了，但后來因?yàn)榇髷?shù)據(jù)和機(jī)器學(xué)習(xí)的出現(xiàn)，才有了hadoop、hive、spark、python等，所以要看情況，如果對技術(shù)感興趣，現(xiàn)在主流的工具都可以學(xué)學(xué)，所謂技多不壓身。