数据分析师，岗位真相最全解析！

很多同学希望加入数据之路，很多同学想在数据之路上更上一层楼。可是，你真的知道，企业口中的“数据分析师”是啥玩意吗？有经验的老鸟都切身体会过，在数据分析师的名字下，隐含了大量乱七八糟的情况。

很多企业压根就没有正确的认识和清晰的规划，反正只要是搞数据，就叫个“数据分析师”。或者叫“业务/策略/运营/战略/用户分析师”，看起来和数据分析有关系，实际情况千奇百怪。如果不识别清楚，很有可能一脚踏坑里，被坑得叫苦不迭，原本对数据之路充满憧憬，进门一看“什么玩意”！。今天我们系统解析一下。

  1   

从数据来源说起

这四种数据来源，对应的是完全不同的四个方向：

▌ 行业研究线：行业数据→行业研究→战略/策略方向。一般只有对行业政策敏感的行业，比如银行、证券，大型集团总部才设专职岗位做这个，对应行业研究线。行业研究线完全不需要开发技能，关键是：你对行业懂多少。看似门槛低，实际上这些大企业本身招人条件，都过滤掉很多人了。

▌ 市场调研线：问卷/访谈→市场调查→营销/设计方向。市场调研在快消、零售、连锁店、耐用品设计等传统企业非常流行和成熟。在大的互联网企业有可能有用研中心，但小互联网公司估计产品经理和运营自己就稀里糊涂干了。这一条线完全不需要开发技能，关键是：问卷设计、访谈设计、资料总结这些调研相关的经验。

▌ 平台运营线：使用平台→整理报表→运营建议。这一类经常叫“淘宝/亚马逊/电商数据分析”或者叫“销售分析”“供应链分析”之类。这些就是我们俗称的“表哥表姐”每天主要的任务就是从某个系统导出excel表，然后整理一个新的excel表。至于看得懂看不懂这个excel，完全看业务能力，跟技术操作没啥关系。

▌ 数据开发线：内部系统→数据仓储→数据模型/数据中台→数据产品（BI）。这一条线，才是目前市场上热烈追捧的技术线路。但注意，这里实际上对应的是好几种技术能力，不是一路打通下来的。在稍微有点规模的公司，这里对应的也是好几个岗位，不是一个人通吃。至少数仓一定有专门的人做。然而经常有企业把这些混在一起，都叫“数据分析师/数据工程师”结果自然是搞得新人头晕脑胀。

数仓、建模、BI、甚至取数，深入下去都有大量技术知识要学。并且从业越深入，交叉领域越多。单一的技能适应能力会非常局限。现在的网红课程往往喜欢把excel，sql，python打包，叫“数据分析师”，把hadoop叫“大数据工程师”，把excel，sql，tableau打包，叫“商业分析师”，把sklearn调个参，叫“人工智能工程师”。给几个数据集让用户跑，其实极大简化了真实工作场景，对于应对初级的、基础类取数（俗称查数姑的小姑娘）是可以的，再深入就得掂量掂量斤两了。

还有一类很特殊，叫：“高级分析”。有些公司会在业务部门插一个“高级分析”之类。这个位置给得等级高、工资高、但不带人，直接对某个业务大佬汇报。这些岗位虽然可能叫“高级策略分析师”“高级战略分析师”“高级运营分析师”之类的，可本质上要的是业务能力。没有做过总裁办的工作，没有制定过战略规划，没有实战运营能力，是几乎没可能胜任的。而且越是面对大佬，被直接秒杀的概率越大。

以上五类都是和数据有关工作，如果企业区分清晰，就会有五个不同方向岗位出来。在数据开发方向，还有具体技术类型的差异。在业务上会有明确的业务类型差异。然而这是理想状况。更多的情况是：把这些玩意通称“数据分析师”“商业分析师”。结果引来各种混乱。

  2   

混乱的根源，在这里

这样分工清晰，各自工作、汇报、晋升，路线很清晰，能最大化发挥作用。理论是美好的，现实是残酷的。这样的架构，对企业有很多要求：

你会发现，以上8个条件经常不存在。

是滴，你会发现招聘时候，凡是写：“需要熟悉Python，R，SPSS，EXCEL工具”的，基本都是只要EXCEL，招聘要求里有SPSS的基本都是HR小妹妹不懂行百度来的用人要求。这样自然容易把各种岗位混为一谈，最后招来的人货不对板。

这种情况下，经常发现挂着“数据分析师”头衔，实际上就会打杂的，每天无休无止的码excel表，无休无止跑sql，各种乱七八糟的IT问题也会塞过来处理，真干了，叫苦不迭的就是这些同学，惨呀。

这种情况下，经常发现一个小哥/小妹开开心心去面试，结果去了也不知道自己干啥，绩效方向不明，业务的领导一直在抱怨自己“没有有价值的产出”，IT的领导总让自己做“中台”“模型”结果到底模了个啥也不知道。最后不了了之，明年被扫地出门。本质上，不是自己不能干，而是老板们自己没想清楚。

  3   

如何摸清“这个数据分析师在说啥”

以下几个关键问题，可以直接问：

先问：部门归属开发、还是业务

如是IT部门，继续问：

● 是否有独立数据部门

● 数仓，ETL有没有人做？

● 是否有明确的数据产品？

● 数据中台/用户画像/数据模型，有没有明确的应用场景？

如是业务部门，继续问：

● 分析的数据是（调研、内部系统、平台、第三方）

● 汇报的领导是（专职的数据领导还是某个业务线领导）

● 需要自己提数/有IT支持

● 领导口中的：“深度分析”是什么场景（或者自己举几个例子，看看对方满意不满意）

  4   

机遇与挑战，从来都是并存的

我们都希望能入职一个架构齐全，分工合理，目标清晰的公司，所以可以在了解岗位的时候，多做一些工作。但是，岗位不清晰，也不代表着完全没机会：

从来风险都是和机会并存的，成功从来都属于能力强的人，所以也不用因为有风险而胆战心惊。只是，要做好对应的准备。包括技术上准备，心理上准备。

很多同学是萌萌哒抱着“学习”的心态，结果进了架构不全，职责不清，目标不明的公司，结果自然被虐得出血了。同样的人，进野外就得凶猛，进庙堂就得谦卑，根据具体场景选择方法，才能走的最长远。

• 春节后换工作，这里有5条提醒

• 新年新希望！数据分析发展路径大盘点

• 用户活跃、留存、流失，终于讲清楚了！