數(shù)據(jù)分析師的工作職責是什么？

“我可能干了個假的數(shù)據(jù)分析師！”經(jīng)常有同學發(fā)出這種感慨，然后到處發(fā)《數(shù)據(jù)分析師是干什么的》《數(shù)據(jù)分析師、數(shù)據(jù)工程師、數(shù)據(jù)運營、數(shù)據(jù)挖掘工程師、商業(yè)數(shù)據(jù)分析師、我隨便寫個什么分析師之間到底有什么區(qū)別》一類的帖子。之所以會這樣，是因為大家看的常常是理想狀態(tài)下的數(shù)據(jù)分析崗位職責與內(nèi)容。

從本質(zhì)上講，數(shù)據(jù)分析是個技能，人人都可以學，人人都可以用?！皵?shù)據(jù)分析”四個字拆開，可以細分成偏技術的“數(shù)據(jù)”部分——采集、存儲、加工、展示數(shù)據(jù)；偏業(yè)務的“分析”部分——定義問題，設計思路、尋找答案、驗證假設、跟蹤結果。技能人人可以學，但在企業(yè)中，具體的活是得有人干的。在企業(yè)里，員工是按組織架構編排的。數(shù)據(jù)分析工作，最終還是要分配到某一個部門的某一個崗位。

蛋疼就從崗位開始……

因為數(shù)據(jù)分析不像銷售、產(chǎn)品、運營一樣是剛性崗位，大部分企業(yè)并不依靠數(shù)據(jù)分析掙錢吃飯。因此，數(shù)據(jù)分析崗位就不是一個常設崗位或者必須崗位。簡單來說，這是個后娘養(yǎng)的部門。因此組織架構的設置就千奇百怪。導致的后果，就是：理想永遠是美好的，現(xiàn)實只能自求多福。大家在網(wǎng)上看到的各種科學合理的“數(shù)據(jù)分析流程”“數(shù)據(jù)驅(qū)動業(yè)務”，到了現(xiàn)實里就七零八落。

O(╯□╰)o

理論上，在技術端，至少需要數(shù)據(jù)倉儲，數(shù)據(jù)分析兩個組，才能扛得住工作。數(shù)倉組搞掂數(shù)據(jù)采集、架構、性能問題，分析組搞掂取數(shù)問題?？蓪嶋H上有完整架構的屈指可數(shù)，草臺班子滿地都是：

這就是無數(shù)做技術的同學苦惱的根源：公司沒有重視數(shù)據(jù)這回事，指望一個人把數(shù)倉到BI到建模全搞了。于是搞得辦事的人各種苦逼。尤其這兩年，人工智能的東風給領導的朋友圈吹來了無數(shù)數(shù)據(jù)分析如何牛逼的文章。搞得能力向下兼容的招聘風氣日盛。領導們想當然的以為“算法那么復雜，那么牛逼，找一個會算法的不就什么問題都能解決了？”

還真搞不掂。因為能力歸能力，工作歸工作。數(shù)據(jù)分析的工作方式，決定了一個人能做的是很有限的（如下圖）。即使一個人有能力全部做，他也沒精力同時出現(xiàn)在業(yè)務部門開會的會議室，跑數(shù)的工位，開發(fā)的機房三個地方。且不說僅僅是清洗數(shù)據(jù)，就需要消耗大量精力。過度指望一個人大包大攬的結果，就是丫樣樣都會一點，但樣樣不精通。

2，3，4步是開發(fā)的硬活，5，6，7步是數(shù)據(jù)分析的本質(zhì)工作，但做算法、做專題、開發(fā)報表的工作細節(jié)完全不同，而1、8正是數(shù)據(jù)分析的起點與終點，不考慮業(yè)務需求，不跟蹤業(yè)務效果，做了分析又有啥用呢？

在業(yè)務端，問題恰恰相反，是個人都想搞個分析，結果基層的表哥表姐越養(yǎng)越多（如下圖）。

業(yè)務部門需要的是分析結論，不是一個數(shù)字。單純告訴業(yè)務部門“本月銷量350w，客戶復購率20%”屁用沒用，業(yè)務部門需要的是“這到底說明了什么問題”！做技術的同事，往往只能提供數(shù)字，而不是分析結論，所以業(yè)務部門養(yǎng)“分析專員”的風氣就越演越烈。相當多的領導都喜歡安排一兩個數(shù)據(jù)XX在組織下邊，這里只列了一點點，實際上的還有更多更多的表哥表姐崗位……

數(shù)據(jù)磚員們的工作是很辛苦的。雖然名字也帶“數(shù)據(jù)分析”然而做的工作基本就是在excel里搬數(shù)據(jù)（常常往返于csv格式與excel工作薄格式之間），做圖表，貼到ppt里，在折線圖下邊寫上：“本月銷量低了，要搞高！”然后就能靜靜等著領導回復：“分析的一點也不深入！”了

鬼愿意過這種日子?。。è?▼メ）

業(yè)務端的分析，需要對業(yè)務本身有認識和較深的分析能力積累。這樣才能有勇氣和手段從合作部門嘴里了解到業(yè)務到底在干什么，才能在經(jīng)營過程中準確定義問題，才能構建適合自己公司的分析思路。這些都不是花5000雇個表哥表姐能解決的?？蓱z的基層表哥表姐們，往往都是新入職沒兩年，在公司人都不認識幾個。別說分析問題了，連張嘴問別人問題，都會吃一個白眼：“關你什么事，做你的去”。這樣的狀態(tài)真的分析不了啥。

我非常能理解業(yè)務部門老大們對IT的不滿?！熬椭琅軅€數(shù)字，分析啥了？”這種抱怨從我入行第一天一直聽到現(xiàn)在；我也非常能理解業(yè)務部門老大們用數(shù)據(jù)分析當招牌填充人編的做法。問題是這樣大量鋪專員真的不是解決問題的辦法。因為想要分析輸出結論，需要的是做分析報告的人有分析思路和解決問題的能力。正如郭德綱講相聲好笑，那是因為他會講相聲，不是因為他長得胖。以為花5000雇個表哥做個ppt就能分析了，就像以為從街上拉個矮胖子就能把人逗笑一樣……

所以理論上講，最好的結構應該是業(yè)務端找有資歷，有經(jīng)驗的少數(shù)人承擔。技術端按需求排架構，多一些人把數(shù)據(jù)質(zhì)量、數(shù)據(jù)處理、BI做起來。這樣數(shù)據(jù)質(zhì)量高，數(shù)據(jù)形式多，方便使用，同時業(yè)務上也能解讀出含義，有能力推動數(shù)據(jù)成果落地——然鵝這又是一個理想。從業(yè)那么多年，除了銀行體系和少數(shù)大型互聯(lián)網(wǎng)公司外。就沒幾個企業(yè)真的重視這回事，該招表哥繼續(xù)招表哥，該養(yǎng)阿爾法狗繼續(xù)養(yǎng)狗。

o(*￣3￣)o那個，開心就好……

正如某位前輩所言：現(xiàn)階段數(shù)據(jù)分析領域的主要矛盾，是人民群眾日益增長的對大數(shù)據(jù)人工智能的幻想，與落后的基礎數(shù)據(jù)開發(fā)建設之間的矛盾。

這兩年能清晰數(shù)據(jù)的角色和地位的企業(yè)相對多了一些，早些年情況更混亂。XX分析師的XX甚至都是HR小妹妹現(xiàn)編的，崗位JD里復制一段話出來百度，都能找出來一堆一模一樣的JD。那個年代我接到獵頭電話，往往在丫blabla一堆“分析”“挖掘”“模型”名詞之后。直接來這么一句：來，我們說點實在的，向什么部門的領導匯報？是寫ppt的還是寫代碼的？區(qū)分效果群拔！

哈哈(????)?

總之不要被名字框死了思路，不要太糾結名字的文字。要看自己具體的工作內(nèi)容，自己掛在哪個部門下邊，具體分析，才能看清前途。

?

--end--

掃描下方二維碼

添加好友，備注【交流群】

拉你到學習路線和資源豐富的交流群