資料分析 ≠ 資料分析師

以下文章來源于小鄧種草 ，作者小鄧

轉自：大資料分析和人工智能

昨天我的圈子在上海舉行了一次年底聚會，有山西來的、有廈門來的，還有一些杭州、江蘇來的小夥伴，本來聚會後本想請外地的圈友一起來吃飯，結果小雪忘記了是哪些人，是以隻通知了幾個外地的小夥伴，這裡非常感謝大家的信任和支援。

聚會結束後，也邀請了現場幫忙的圈友們一起吃了飯，又暢聊了一番，大家紛紛表示與我結緣的故事，讓我很有成就感，是以當天又喝了幾杯（連續三天喝），我們就是這麼一夥人在一起做了一些行業鮮為人知的事情（讓人人都成為資料分析師）

2020年我要把我們的口号：讓人人都成為資料分析師改為讓讓人人都懂資料分析，為什麼？

以下本來是我本次上海聚會要說的幾個事情，但無奈時間太緊，我故意把自己排在最後一位，怕我收不住，去年北京我開始就是2個小時....

我先說自己的觀點：

1、資料分析并非紅利期

2、認清形勢比認清自己更重要

3、讓自己變的有價值，建構護城河

4、未來資料分析師的幾大趨勢

其實這是第一部分，我叫行業的發展趨勢，這次先寫第一部分，還有第二部分逆境中升職加薪

資料分析并非紅利期

先說說什麼是紅利，這裡說的紅利是對個人而言，換而言之就是如果是個人紅利期，那麼我們可以輕松、靠個人能力賺到更多的财富一方面是工作帶來的财務、另一方面是業餘财富

個人紅利有2個核心的特點：第一行業的發展趨勢或者規模很大，由資料來看就是增長率一直高速上升（市場規模一直往前沖），第二個是在這個環境下個人能不能獨立戰鬥創造收入

舉個例子，在早些年，網際網路高速發展時代（符合第一個特點），很多個人站的站長依靠自己的實力，注意這裡說的是一個人不是一個團隊，實作了财務自由（符合第二個特點）

1、做個網站有了流量最後賣掉

2、幫别人開發網站賺錢

3、有流量後接廣告為生

4、域名買賣

等等，那個時代，對個人來講，絕對是紅利期，就看你要不要做，用沒用心去做，職場的錢用來生存，業餘收入用來消費，再比如移動網際網路時代、自媒體時代不都符合這個特點嗎？

那我們的ABC時代符合這個特點嗎？

ABC時代是指：人工智能(AI)、大資料(Big Data)、雲計算(Cloud Computing)三個詞語的英文首字母縮寫

那這些符合這樣的特點嗎？假如都是高速增長，符合第一特點，那第二特點符合嗎？顯然不符合

AI是一個人能做的嗎？做不了，你可以解決場景、可以解決技術和算法，但個人很難解決資料的問題，海量資料需要人工進行标注的，财力物力上你做不起

雲計算呢？光伺服器、寬帶、資料中心的建設成本都是一個人難以承受的

大資料呢？也不是，我們在大資料的浪潮中學會的隻是資料建設或者分析的技能，但你有資料嗎？你可以通過爬蟲得到，但看得見的資料就是有價值的嗎？

這裡提一下資料營運和營運資料的差別，資料營運是用資料來指導營運，營運資料就是用資料賣錢，這類機構在大資料浪潮下賺的盆盆香

是以ABC時代都不是個人紅利，慎重選擇成為專業資料分析師

有人會說，那我到底要學？這就是我接下來要說的第二個觀點：

認清形勢比認清自己更重要

大資料時代人們很大的轉變不是資料而是決策方式的變化，以前老闆要做一件事情，是下面一級一級的向上傳達，一級一級的彙報，就好比古代的皇帝一樣，下面說自己苦，上面的決策是你們甜，下面甜，上面的決策是苦，這種決策方式的失誤率太大了。

從執行的層面來講，見效的回流資料太難響應了，在組織裡面執行老闆的決策難免會受2個因素的影響，一個人人情，一個是利益，康熙微服私訪很多人看過吧，赈災的錢很多，到下面就沒了，康熙做了好事情但還背了鍋，他自己都百思不得其解，是以去一線采集“資料”去了，發現了一串串令自己都無法現象的事情

雖然大資料時代對個人的紅利可能有限，但對于企業來講價值是很大的，是以很多企業從此走上了資料變革的道路，這是大趨勢，當你有一天成為老闆時，你會深刻了解，那為什麼對企業價值很大呢？

1、決策方式不用以前的層層轉述去了解一線了，直接看資料系統出來的結果，是不是立馬決策可以立馬看到回流效果呢，這也就是國家為啥要做大資料戰略的原因之一

2、讓組織中的人情、利益的模糊，執行更高效，結果導向

是以我們要站在老闆的角度去思考，很容易判斷，企業需要的是需要擁有資料分析能力的人才，而不是資料分析師，這才是讓自己生存的根本，而不要妄想成為資料分析師就能高枕無憂的活下去，資料分析是技能，資料分析師是職業，這是不同的方向。

是以一定要學習資料分析，但方向不一定是資料分析師，下來我們看看是資料分析師的護城河更高，還是懂資料分析護城河更高？

讓自己變的有價值，建構護城河

我判斷是不是護城河的名額隻有一個：賺錢指數，理論上你擁有了這個能力，無論上班還是自由職業你都有自己的養家糊口的收入，在職場上你可能順水順舟，在職外你也是一把利劍。

每一個行業都是自己的生命周期，職場也是一樣的，多年前你要裁掉一個程式員，他們很高興，為啥？職場的紅利期

你現在裁掉我，我馬上能夠找到一個薪資更高的企業，是以那時候程式員不怕，希望你裁掉我，那現在呢？

大部分人怕，還有一部分人不怕，他們擁有很強的可遷移能力，什麼是可遷移能力呢？簡而言之就是生存能力，幹程式員我可以繼續幹，幹産品經理我也能幹，幹資料分析我也能幹，幹市場我也能幹....

那我們回到資料分析師這個行業，其實資料分析師也有紅利期，我們想一想垃圾為什麼要分類？是為了更好的回收利用減少資源浪費，變廢為寶，更重要的是垃圾的二次污染太嚴重了，那高速增長的網際網路、移動網際網路同樣創造了很多的資料垃圾，這時候就需要處理這些“資料垃圾”

一種人負責處理垃圾

比如：資料開發工程師、大資料開發、資料庫工程師、資料架構師等等

一種人負責變廢為寶

資料分析師、戰略分析師、商業分析師、業務分析師、算法工程師等等

而這兩種人的産生導緻了要掌握不同的技能，負責垃圾處理的更多是技術方向，做效率的事情，是以企業内部誕生了很多資料産品，這部分人會随着産品、技術的成熟度慢慢消失掉一部分，其實已經開始消失了

那負責變廢為寶的是不是好一點呢？非也

我們都知道第二類人的核心是以業務為出發點，但是我們的存在缺常常與業務在肉搏，老闆沒有一個名額來衡量分析師的價值，很多的分析都是以解決業務為核心，很多人忽略了企業生存衡量的标準：利潤

比如我們常常做流失率預警、活躍使用者分析，缺無法得知這些分析對利潤來講到底影響程度如何？隻是覺得存在相關關系，而無法解決他們之間的因果關系

那資料分析師有職場瓶頸期嗎？有，而且很大

程式員可以走向CTO，市場營運可以走向COO、會計可以走向CFO，那資料分析師走向什麼O？好些除了幾大網際網路公司有資料分析的O，其他公司根本沒有，天花闆就是資料分析的負責人，之後你也沒有了方向，反正我身邊10年左右的不是管理崗，就是轉了業務崗、還有一些自己做小項目的

其實資料分析師也有O，請不要用拼音讀出來，叫c a o！首席分析官(Chief Analyse Officer)。

既然有瓶頸，那護城河的建設對我們至關重要，是以我們要站在企業生存的角度建立自己的護城河：

1、一切分析結果要有衡量的标準，試着從财務的角度去貫穿整個業務分析的架構和視角，讓你的分析變的可衡量

2、想老闆所想，不僅僅是專注産品或者市場，而是要從廣度上去了解資料分析應用的價值，做好跨領域的知識儲備，成為多領域人才

3、學會主動尋找問題，其實大部分分析師都是業務引領，業務提出問題，我們分析問題，能力更多的展現在分析問題方向，進而喪失了一定的主動性，要從三個方向學會尋找問題：1、重要性；2、緊急性；3、趨勢性

4、掌握職場通用技能，比如溝通、需求分析、協作管理等，讓自己成為戰鬥機中的王牌，啥都能幹，什麼都不懼

題外話，職業進階的認識和能力儲備是為了升職加薪，但還有另外一個能力，叫業餘能力，比如營運一個自己的公衆号，建立私域，厚積薄發，建立自己的圈子，增強人脈，樹立自己的IP，提高身價等等，都值得大家去做，而且建議先做！

未來資料分析師的幾大趨勢

從以上的分享和解讀中想必你也有所體會，有幾大趨勢勢在必行，我獨膽說幾點：

1、職場化：

不要為了成為資料分析師而過度努力，而是要學會用資料分析的技能去解決、尋找問題。這也是我2020年我要把我們的口号：讓人人都成為資料分析師改為讓讓人人都懂資料分析的原因

2、智能化

始終記住，工具和産品最終的目的是為了解決效率問題。太技術的分析師會慢慢被自己的所做出來的産品幹掉，從人工整理資料、工具整理、産品整理慢慢會向智能的方向去發展

3、多元化

以前多數資料分析師在資訊部，現在也是，難免和各個業務線出現肉搏的現象，稱之為中心化的後遺症，以後分析師将向各個業務線去轉變，那對我們自己的要求會更高，你不在是一位專業分析師，而是成為善于用資料分析的人才。

4、理性化

不要過度相信定量分析，要善于融合定性分析去解決為什麼的問題。

定量分析更多解決2類問題

問題1：程度和多少：HOW muchmany

問題2：細分認知（who、which、when、where）

而不能解決WHY、HOW的問題，這就是大多數分析師都集中在描述問題的原因

5、老闆化

我們之前做的分析更多是TO C的分析，也要做好TO B分析架構的思考，畢竟2019年很多投資走向了企業服務，另外一個很大的好處是，你懂的了TO B的分析架構，你也就深刻了解老闆心中的分析師到底什麼樣子，不是嗎？

6、财富化

做一行愛一行，沒有錯，把興趣做成職業經理人是多數人的方向，隻有少數人把興趣做成了事業，讓自己嘗試走出職業經理人的視角，用自己的興趣賺外快、賺私房錢。