人人都是數(shù)據(jù)分析師？？愿韭菜的世界沒有鐮刀

有志于轉(zhuǎn)行數(shù)據(jù)分析的朋友們好～古牧君今天大膽開麥，針對近年來網(wǎng)上各路培訓(xùn)班營造出來的“人人都是數(shù)據(jù)分析師”熱潮，給出一些個人看法。希望能讓所有沖動轉(zhuǎn)行的小白們都先冷靜下，想清楚到底要不要做之后，再去行動

本文篇幅適中，內(nèi)容環(huán)環(huán)相扣：

1，目前市場上數(shù)據(jù)分析的熱度究竟高不高? 2，數(shù)據(jù)分析師的實際需求量到底大不大? 3，為什么會出現(xiàn)“人人都是數(shù)據(jù)分析師”的現(xiàn)象? 4，普通數(shù)據(jù)分析師日常工作內(nèi)容都是啥? 5，應(yīng)付日常工作都需要掌握哪些技能、又有什么門檻? 6，哪些人不建議零基礎(chǔ)轉(zhuǎn)行數(shù)據(jù)分析?

1，目前市場上數(shù)據(jù)分析的熱度究竟高不高?

除了體感上遍布各大平臺的培訓(xùn)機構(gòu)廣告，我們還可以查看產(chǎn)品經(jīng)理 v.s 數(shù)據(jù)分析師的百度指數(shù)，在對比中量化解答這個問題：

可以發(fā)現(xiàn)，這兩個崗位都是源遠(yuǎn)流長，從互聯(lián)網(wǎng)誕生伊始就存在了。但直到19年之前，產(chǎn)品經(jīng)理的熱度都是2倍于數(shù)據(jù)分析師的;而從19年開始，數(shù)據(jù)分析師的熱度奮起直追，加之產(chǎn)品經(jīng)理逐漸降溫，導(dǎo)致兩者差距已經(jīng)縮小到50%以內(nèi)了

2，數(shù)據(jù)分析師的實際需求量到底大不大?

既然是市場， 就要講供需關(guān)系，供給側(cè)那么火熱，需求側(cè)呢?我們直接從大型互聯(lián)網(wǎng)招聘網(wǎng)站的崗位搜索結(jié)果來看，在限制城市、崗位和工作年限的前提下，對比產(chǎn)品經(jīng)理、看下初級數(shù)據(jù)分析師在不同城市的實際需求量：

該網(wǎng)站不會直接顯示某個崗位在全國的實際招聘總量，比如超過500時就只會顯示500+，我們只能變通一下，收集全國6大互聯(lián)網(wǎng)重鎮(zhèn)初級產(chǎn)品經(jīng)理 v.s 初級數(shù)據(jù)分析師的招聘量，在對比中偏定性的了解后者的實際需求量到底有多大：

從上圖中我們能很清晰的得到2個結(jié)論：

任憑媒體近些年來怎么吹，論互聯(lián)網(wǎng)就業(yè)機會和豐富性，北京依然是毫無爭議的第一梯隊，上海、深圳、廣州是第二梯隊，杭州、成都妥妥的第三梯隊 相對初級產(chǎn)品經(jīng)理而言，初級數(shù)據(jù)分析師的需求量遠(yuǎn)遠(yuǎn)落后。無法像當(dāng)年人人都是產(chǎn)品熱潮一樣，承受人人都來做數(shù)據(jù)分析師

3，為什么會出現(xiàn)“人人都是數(shù)據(jù)分析師”的現(xiàn)象?

僅憑個人主觀感受，有如下兩個見解：

近年來所謂的流量紅利差不多見頂，需要做精細(xì)化運營了;再加上早年間幾位互聯(lián)網(wǎng)巨佬瘋狂輸出“數(shù)據(jù)公司”的概念，導(dǎo)致大環(huán)境對數(shù)據(jù)分析類崗位的需求和認(rèn)可都有了階段性的提升 近年來生意不好做、錢不好賺，大家普遍滋生焦慮心理。培訓(xùn)行業(yè)作為一門生意，因勢利導(dǎo)的利用焦慮。可產(chǎn)品經(jīng)理、運營、甚至交互設(shè)計、編程在前幾年就已經(jīng)喊過“人人都是”了，需要有新的水源涌入，目光自然就移到了數(shù)據(jù)分析上

4，普通數(shù)據(jù)分析師日常工作內(nèi)容都是啥?

古牧君人肉整理了招聘網(wǎng)站上1～3年數(shù)據(jù)分析師的崗位JD，抽取一些共性內(nèi)容列舉并解讀如下，首先是崗位職責(zé)部分：

常規(guī)監(jiān)控：日報周報月報這類的，主要是監(jiān)控下業(yè)務(wù)的核心指標(biāo)有沒有變動。如果有的話，就要解釋下原因。原始些的每天手工提取數(shù)據(jù)然后EXCEL加工制表呈現(xiàn)，正常些的會有對應(yīng)的BI報表和郵件預(yù)警; 效果評估：“產(chǎn)品新功能上線后效果好不好?最近搞的一個運營活動效果好不好?”這些都需要數(shù)據(jù)事后諸葛亮一下，ABtest什么的會經(jīng)常使用。這部分其實不僅僅是事后的事兒，在開始之前就需要數(shù)據(jù)分析師來全盤的考慮，設(shè)計評估方案并依方案來布置需要監(jiān)控/收集數(shù)據(jù)的位置和字段，是一個系統(tǒng)工程; 業(yè)務(wù)決策：“怎樣才能提升用戶的活躍/留存?”這類問題會來自一線業(yè)務(wù)部門，我們的分析結(jié)論和建議會影響他們的決策和操作。這里最關(guān)鍵的是拆解業(yè)務(wù)方提出的問題，之后再給出一個系統(tǒng)性的方案; 研究分析：“現(xiàn)在的年輕人都喜歡什么啊?”這類問題往往不是那么功利，可能沒有任何一線業(yè)務(wù)部門有這類迫切的需求，但為了公司長遠(yuǎn)戰(zhàn)略發(fā)展和團隊自身影響力等，還是必須的。這里最關(guān)鍵的是如何提出有價值的問題，而不是張嘴等著喂飯

其次是崗位技能部分：

專業(yè)相關(guān)：數(shù)學(xué)、統(tǒng)計、計算機相關(guān)專業(yè)優(yōu)先 數(shù)據(jù)思維：能夠量化衡量業(yè)務(wù)問題，并體系化評估業(yè)務(wù)發(fā)展 數(shù)據(jù)敏感：對指標(biāo)的波動和相互之間的關(guān)聯(lián)敏感，能及時發(fā)現(xiàn)潛在問題 理解溝通：能很好的理解業(yè)務(wù)問題，順暢的與業(yè)務(wù)團隊溝通協(xié)作 熟悉方法：掌握常見統(tǒng)計學(xué)方法，有ABtest、機器學(xué)習(xí)等經(jīng)驗優(yōu)先 掌握工具：熟練使用SQL/Excel/Python/R等數(shù)據(jù)處理工具 報告展示：可視化數(shù)據(jù)分析結(jié)果，降低理解成本、提升溝通效率

5，應(yīng)付日常工作都需要掌握哪些技能、又有什么門檻?

我們繼續(xù)把上述技能歸納總結(jié)，看看為了應(yīng)付數(shù)據(jù)分析師的日常工作，到底都需要哪些核心技能：

工具型技能：這部分就是各類培訓(xùn)班和營銷文章的主打，因為它確實是最基礎(chǔ)、最需要的，但隨著工作的深入，也是最不那么重要的。羅列下數(shù)據(jù)分析師需要掌握的工具，不外乎下面這些：

SQL，提取數(shù)據(jù)必備技能，學(xué)起來也方便，隨便買本講SQL的書就能入門。后續(xù)隨著實際使用中遇到各種問題再網(wǎng)上搜復(fù)雜的代碼寫法就好，不必前期太磕死書本;不過這種程度只是入門級別，當(dāng)數(shù)據(jù)量較大的時候，還要考慮代碼的性能，這些就不強求

EXCEL，也是各種工具書鋪天蓋地。提取完數(shù)據(jù)后，簡單的數(shù)據(jù)處理啊、作圖啊制表啊都在這里搞定了，可以說數(shù)據(jù)分析師80%左右的工作，就靠SQL+EXCEL了。對EXCEL沒必要追求太多的奇技淫巧，工具而已，用到的時候查一查就好，說到底還是要服務(wù)應(yīng)用(對數(shù)據(jù)可視化感興趣想自學(xué)的，推薦下面這本)

Python或R或SPSS等，這些都是數(shù)據(jù)挖掘的工具，是日常工作中相對“高階”的那一小部分。雖然不鼓勵炫技式的工具使用，但知曉基本的數(shù)據(jù)挖掘，還是有利于拓寬分析師的思路。比如很多數(shù)據(jù)集，常規(guī)的統(tǒng)計分布可能看不出什么端倪，這時候就需要聚類試試;當(dāng)我們想要預(yù)測些事情的時候，回歸啊分類樹啊這些基礎(chǔ)的模型算法也會有用武之地。Python和R都需要寫代碼來操作，而SPSS則更像EXCEL、鼠標(biāo)點點點就OK了。重要的是，要理解這些工具背后模型和算法的原理，知道它們適用的場景和優(yōu)劣勢，才能真的駕馭工具

方法論型技能：掌握了基礎(chǔ)的工具后，還有很多人執(zhí)迷于數(shù)據(jù)分析方法論。講真，我問到周圍幾個同事(BAT且title為高級XXX)，他們多少都有些為難。很多文章都會列舉各種各樣的方法和模型，但其實那些并不是數(shù)據(jù)分析獨有的，比如5W2H、MECE、SWOT等，都是通用的邏輯思維方式方法。但為了勸誡那些想要給培訓(xùn)班送錢的善男信女，我還是想簡要說說：

邏輯思維真是的一切的基礎(chǔ)，有條理分主次的表達自己的觀點，同時也要能抽絲剝繭的分析問題解決問題，對數(shù)據(jù)分析師來講很關(guān)鍵;如果非要說有什么方法論，我覺得對比細(xì)分溯源就挺好的。舉個例子，今年騰訊的熱度是1000萬，這個數(shù)說明啥?首先要問清楚熱度是怎么定義的，然后要找個參照系，比如跟去年比，才能知道是高是低。進一步，如果比去年高了，那是為什么高的?可以從不同維度進行細(xì)分溯源，比如從時間維度上，看看是否僅僅是某個月暴增導(dǎo)致的?再比如從對象維度，看看針對騰訊的討論是說公司、還是說領(lǐng)導(dǎo)人、還是說產(chǎn)品?也可以從數(shù)據(jù)的來源渠道細(xì)分看，是新聞媒體的報道多了、還是網(wǎng)友在論壇貼吧的討論多了?

你說是先有方法論才能做成一件事情，還是先做成一件事情再有的方法論呢?很多時候，方法論已經(jīng)被我們這個時代過度消費了，它成了成功者的事后諸葛亮。就像歷史一樣，是被掌握話語權(quán)的人隨意粉飾打扮的小姑娘

業(yè)務(wù)型技能：還沒完，要想讓自己的分析結(jié)果切實可行，就要深入的了解所在的業(yè)務(wù)，不能閉門造車天馬行空的搞純數(shù)據(jù)研究。舉個例子，豆瓣要提升商業(yè)收入，錢從哪些人那兒掙?這就需要首先對目前業(yè)務(wù)有一個了解，小組、書影音、廣播、FM的比例如何?豆瓣上不同人群的畫像如何?結(jié)合宏觀環(huán)境來看，哪些人消費意愿在增強? 做人型技能：最后，任何一項工作，都不可能是一座孤島。自稱“社交恐懼”“溝通障礙”的朋友，如果是真的話，甭管數(shù)據(jù)分析還是寫代碼，都不那么適合你?；蛘哒f的委婉一些，你可以做，但肯定很難做的好。我見過的工程師里能做上leader的，也都是相對他們?nèi)后w而言更懂溝通的藝術(shù)、更懂換位思考的那群人。畢竟工作中的事情，很多情況下分工合作資源互換，會比你單槍匹馬來的事半功倍;合格的社交合作外，也要有一定的“敏感性”，就是能洞察出領(lǐng)導(dǎo)們的心思。有一種說法是，工作就是讓領(lǐng)導(dǎo)開心。我雖然覺得這句話太功利，但也不是全無道理。不妨換個角度來看，自古成大事者，更多是心懷理想的現(xiàn)實主義者。我們需要了解這個環(huán)境，適應(yīng)這個環(huán)境。很多時候正確的事情也需要看時機，很多時候事情能不能做成，“人”的因素是很重要的。我們需要有能力判斷哪些事情的價值更高、更能做成，在自身利益與公司利益之間，找一個微妙的平衡

6，哪些人不建議零基礎(chǔ)轉(zhuǎn)行數(shù)據(jù)分析?

既然門檻都知道了，那么對應(yīng)哪些人不適合零基礎(chǔ)轉(zhuǎn)型，也就一目了然了：

工具型技能，算數(shù)過關(guān)就好：
SQL和EXCEL都很容易上手，高中數(shù)學(xué)OK就好;Python、R那些工具，其實更重要的是背后的原理，所以需要相對扎實的概率統(tǒng)計+高數(shù)底子。不過數(shù)據(jù)挖掘也不是所有數(shù)據(jù)分析師都需要會的，所以工具這部分，武斷一點給個標(biāo)準(zhǔn)：高考數(shù)學(xué)150滿分的話有個100+就差不多了 方法論型技能，邏輯嚴(yán)謹(jǐn)條理清晰： 稍微武斷一些的說，國內(nèi)大部分純文科專業(yè)背景的同學(xué)(尤其是畢業(yè)后也一直從事創(chuàng)意類、職能類、銷售類等工作的朋友)，零基礎(chǔ)轉(zhuǎn)型數(shù)據(jù)分析難度較大，不太建議。因為長時間的專業(yè)背景和工作環(huán)境，會重塑人的思維方式，如果已經(jīng)習(xí)慣了發(fā)散式、跳躍式思維，日常又更偏重感性而非理性，數(shù)據(jù)分析類工作就較難適應(yīng) 業(yè)務(wù)型技能，需要接地氣： 特別學(xué)術(shù)型的朋友，比如對學(xué)習(xí)研究以外都缺乏基本認(rèn)知和興趣的那種，不那么適合數(shù)據(jù)分析師這種崗位，因為這個崗位其實沒那么高深也沒那么科研，相反，非常需要接地氣。數(shù)據(jù)分析本質(zhì)上就是應(yīng)用學(xué)科，需要以應(yīng)用為導(dǎo)向，從問題出發(fā)去倒推解決方案，而非先研究一個東西再看看有什么可應(yīng)用的場景。是否愿意了解你所在的業(yè)務(wù)方向，能否理解一線實際工作環(huán)境都面臨著什么問題，真不是所有人都能搞定的 做人型技能，不能太自我： 過于固執(zhí)的朋友、缺乏同理心的朋友、不善于溝通的朋友，在數(shù)據(jù)分析師的崗位上注定不會走的很遠(yuǎn)，在其他崗位也同樣。一方面我們需要通過換位思考，真正的理解對方的問題和困難，有時候更是用戶的需求;一方面我們也需要通過溝通，把我們的觀點和看法順滑的輸出出去，并最好能在聽眾的心里生根發(fā)芽，最終開花結(jié)果