【知乎热文】数据分析师的出路在哪儿

定义出路

出路，在每个行业都是一个热门话题：

英语老师的出路在哪里，

外贸跟单的出路在哪里，

数据库工程师的出路在哪里，

大前端全栈的出路在哪里

甚至阿里巴巴，腾讯，百度，京东也在讨论：

阿里巴巴百年老品牌的出路在哪里，

腾讯抛开游戏之后，出路在哪里,

移动互联后，百度的出路在哪里，

风波不断的京东，出路在哪里

几乎每个行业都在讨论这话题！

既然那么多优秀的领袖、翘楚、自媒体新贵都在谈出路，可以证明的是大家都看不清前面的路该怎么走，都有一定的焦虑！

不同的是有些出路仅仅是找口饭吃，有些出路是为其他找出路的人找到饭吃。

对于数据分析师这行，要找到出路，首先就要定义出路！

找口饭吃的出路很简单，网传“7 周成为数据分析师”，不是不可能。就看你的方法，你的资源，你的团队是不是够有效！

当然我是绝对看不惯这种标题党似的文章，害人么不是！就跟 21 天学完 C++ 似的，学不好的人都在这些标题党上丢了自信。哎，我也是其中之一！

数据分析要绝对和数据统计区分开来，分析带有一定的“利润基础”，而统计则完全是“人力”基础。凡是“利润”即为“利润中心”，凡是“人力”，则为成本！人力在将来会被机器代替，这是不争的事实，所以我们要做的是成为“利润中心”，为企业创收。

即称自己是分析师，那么出路就要定义成“为企业造富的人才”。任何人都有可能为企业造福，但数据分析师怎么为企业造富呢？

自寻出路

用数据及数据技术，为企业创造收益，变成了数据分析师的出路！

回归企业创富的途径上来，辅以数据手段，看看数据分析师在每个阶段应该担任的责任和可能有创收点的机会。

1. 没有数据

70 年代 - 90 年代创办的企业，涵盖了国企，合资，社办单位以及私营企业。这些企业初期，基本靠着一些简单的营销手段，比如广告推广，就能占领很高的时长份额。此时的企业没有数据化概念的，数据非常少，几笔大头数据都是老板、市场营销部、财务部掌握在账单上，无非就是进账，出账以及盈利。在这样背景下产生的企业，跟老板去谈数字化战略是毫无用处的。因为不充分竞争的市场，技术手段只是辅助。

2. 有数据，没统计

当企业生产、销售积累到一定程度时，开始有大量的进账、出账的操作。简单的记账方式已经不能很好满足对账的需求了。经常发生的是会计偷龙转凤的故事。侵吞母公司财产。老板开始对收集数据感兴趣。为的就是好对账。但统计手段并不高效，且容易被人为破坏。

3. 有数据，有统计，没分析

为了更好的管理公司，知道公司的强弱点，很多公司开始了 MES/ERP/HR/FP 等软件的上线。这些软件自己带有通用报表，给企业的各级管理者带去及时的数字反馈。此时再作弊难度高了很多。每个部门都有自己的数字，一进一出必须能完美对的上。最高管理者检查关键数字就能通晓公司的运营情况。

此时，搭建这些系统的软件工程师就有自己的用武之地了。而数据分析人员在这个时候登上了历史舞台，可以将一份份的报表送到各个业务部门，完成自己的一份职责。

数据分析师由此也取代了传统的手工对账的那些统计员，用各类编程技巧完成了大量繁琐的数据统计工作。但很明显，这时候的数据分析师还处于“成本中心”的岗位上，只是显得比以往更高效，但并不能创收。在老板眼里还是个靠老板吃饭的岗位。因为这帮数据分析师并不能提出自己的意见，并不知晓为什么生产良率那么低，今年的生意收入却飚的老高。没有充分的自信，可以来总结和引领获取利润的战略。

4. 有数据，有统计，有分析，有决策

1998 年前后，互联网登上历史舞台，开启了中国互联网元年。大量数据的涌入，带出了很多优秀的数据分析师。这一次分析师终于不再是传统的统计员角色。他们被要求的更多，不仅仅是数据统计，编程取数那么简单了。

外行可能看到的都是数字，多少人浏览了网站，发了多少帖子，但内行看到的都是流量，即互联网的本质。这些分析师成了产品经理，运营，用数字改变着用户的行为，获取了大量的研究资料和成功开展电子商务营销的经验。无论是门户网站、内容自媒体亦或是电子商务，离不开这些人的身影，而他们大多数都是数据分析的好手，懂 SEO, 懂社交化营销，知道 pv, uv, 知晓政策走向，会去看日志，懂得如何埋点，抓取用户行为并为之画像，采用推荐系统来提高关联销售。

瞧，数据分析的本质就是在探讨流量变现的生意，看透这些生意背后的本质。无论你是使用机器学习，还是人工智能，只有洞悉这流量背后的本质，才是每个数据分析师最终可期的出路。数据分析师切记把自己定位在第三阶段，那样出路是有的，就是天花板低了很多。

此时的数据分析师，可以说摇身一变，成了“商业分析师”。被赋予的责任是去改变一家公司的历史。这些骨灰级的分析师，具备的特点用一句话概括，“具备商业结构思维”。举几个思维模型的例子，或许大家能明白什么是“商业结构思维”。

1) RFM 客户价值模型

2）用户行为分析模型

3）购物篮分析模型

4） SWOT 分析模型

5）鱼骨图分析模型

6） KANO 分析模型

7） 5W2H 分析模型

8）决策树分析模型

类似的模型很多，如果 Google 一把，我们可以得到一连串的模型。商业分析师懂得如何将这些模型应用到特定的场景中，获得最好的分析效果。

5. 冲击行业的影响力人物，成为研究领袖

这对于大部分人都很难。数据分析师做得再好，可能也是在一个公司特别优秀，而且还是基于整个团队共同的努力下。想要上升到整个行业内都认识你，知道你在某一两个领域有独到的见解，可以快速帮企业打开冷启动的大门，那就是人物了，借助数据分析师完成阶级上升。这不就是我们梦寐以求的职业道路嘛。

华尔街很多投行的研究人员，研究的领域仅限于1，2个，但通晓这两个市场的全球走向，记住是全球走向。知道印度尼西亚的煤产量低了，又晓得中国第二大煤矿因为开采利用率导致低产，从而推测全球的煤炭价格可能升高，完成一次做多煤矿工业的操作，这就是影响力。全球以后都要关注这研究领袖的报告，作为参考依据。华尔街针对这些商业分析机构有先后排名，排名决定了可以拿走的投资人的投资基金。而普通人是无法完成如此繁杂的情报处理工作的。

当然做到国内类似曹政，顾小北这样通晓互联网流量本质的操盘手，已经给我们很大包袱了。

到最后，你可能出现在以下这样的场景中