时间: 2021-07-30 09:07:50 人气: 8 评论: 0
编辑导语：不少人都选择走上了数据分析的岗位，不过，数据分析师的组织架构并不是很明确，因此，在团队里，数据分析师有时**面临一些“尴尬”的处境。本篇文章里，作者阐述了他对数据分析师这个岗位的理解，一起来看一下。
数据分析师是我职业生涯的起点，而之所以放弃原有专业走上数据之路完全是因为受到时代的感召。记得当时“大数据时代”这个概念一夜之间吹遍神州大地，很多人我这样刚走出校门的年轻人就是在这份感召下加入到浪潮之中，成为了大数据时代里的一员。
但在所谓“大数据时代”的初期，对于因其催生出的各种职业都是没有明确的分工以及岗位职责的划分。数据分析师正好就是这样一个定位不清晰、分工不明确、组织架构放在哪里都成为问题的岗位。其实从如今的角度来看“大数据时代”这个概念催生出的新岗位只有三种：数据分析师，数据挖掘工程师和数据研发工程师。
1）数据分析师
这个岗位主要负责业务、经营层面的分析，为老板、业务方提供决策支持。
2）数据挖掘工程师
这个岗位主要负责的是数据模型的构建与维护，为业务端提供能够直接线上调用的模型服务。现如今这个岗位被提及的次数已经很少，基本上title都已经改换成了算法工程师。
3）数据研发工程师
这个岗位其实才是“大数据时代”的核心产物，因为很大企业跨入大数据时代的标志就是搭建了自己的数据仓库，开始使用Hadoop这类的分布式系统架构来提升数据存储、使用的效率，这样一来数据研发工程师这个岗位就必不可少了。
三个岗位从入门难度来看依次是：数据挖掘工程师 > 数据研发工程师 > 数据分析师。
因为数据挖掘工程师不但要懂统计学、机器学习等方面的知识还要有将这些算法在实际工程中进行应用的能力，所以进入的门槛算是最高的。
其次是数据研发工程师，这是典型的研发岗位要懂Hadoop就需要有Java基础，但这一条就能劝退很多人。
最后才是几乎没什么门槛的数据分析师，只需要**写写SQL用用EXCEL就能比较轻松的入门（但实际上这些工具可以都不**用，关键还是要看有没有分析思路）。毕业初期我就凭借着一手EXCEL成功入行成为了一名数据分析师。
在成为数据分析师之后我发现了这个岗位的三大好处。
无论是在大数据时代的初期还是互联网红利已经退去的今天，企业对于数据分析师的需求一直都非常旺盛，所以数据分析师只要思路清晰，具备必须的技能基本是不愁找工作的。
与其他背负着巨大KPI压力的岗位相比，数据分析师作为一个支持型的岗位自身并不**有太大的KPI压力，只要专心做好自己的分析研究就行。
由于数据分析师的组织架构并不是很明确，被放到什么架构体系里的情况都有，但无论是在产品团队、运营团队、销售团队、市场团队里数据分析师都**因为精通EXCEL、精通绘制各种图表、**写SQL、Python而在团队中获得团宠地位。更有甚者因为跟老板接触、汇报的多而获得了更多升职加薪的机**。
凡事有利就有弊，接下来我们再来说说当我成为数据分析师之后发现的尴尬之处。
数据分析师是一个支持型的岗位，就像王者荣耀里的辅助角色，你可能**遇到很厉害的辅助能帮你赢得很轻松，但你很难依靠一名辅助来翻**，因为辅助没有办法carry全局。
同理数据分析师也是一样，好的数据分析师能够很快发现业务中存在的问题并提出改进建议，但业务方并不一定能够执行并解决。
比如：我曾经就遇到过电商直通车的收入一直起不来，分析原因是因为客户数量太少无法支撑起整个广告竞价环境。每周周**都**汇报这个问题但产品方、销售方都解决不了，双方就尬在那里，我每周都写这个问题也变得很尴尬，甚至老板听烦了也觉得我这个工作没什么用。
并且我相信这种情况绝对不止我一个人遇到过，很多数据分析师都遇到过这种情况，有心杀敌无力回天才是所有数据分析师心中的痛。
前面就提到过数据分析师所处的组织架构千奇百怪，常见的有三种。
第一种在大部门下设立了一个数据分析组有独立的小组长，组内的数据分析师分别跟进到各个不同的产品线上去有点类似部门的HBBP，所以有时候也**被叫做数据BP。第二种是在一些业务团队里**设有数据分析师的岗位，听从团队leader的指挥不形成独立的团队。第三种类似阿里的模式整个数据分析团队都是独立于业务团队之外的体系。
三种组织架构各有各的尴尬，第一种架构属于给业务线打杂的，业务线上所有跟数据有关的活都**甩给数据分析师来做。基本上数据分析师就**因此沦为数据报表工程师，每天就负责给各位产品、运营老爷们出报表，完全丧失分析职能。
第二种架构不但**包含第一种架构的问题，还**让数据分析师面临没有晋升空间的尴尬，总不能晋升成业务团队的leader吧？
而第三种架构虽然没有第一、二种的问题，但与业务团队又割裂开了，日常我们只能看到数据的变化，不知道业务上究竟发生了什么？做了哪些改动？除非与业务方的同事们关系好否则别人也不**主动同步我们信息，最终导致数据分析师的分析结论只有数据的涨跌没有对于业务的深入探究。
个人认为第三种架构算是最为合理的，但真的非常考验一名数据分析师的人际交往能力（大家都没想到还有这一茬吧~~~~）。
在职业发展方面数据分析师同样很尴尬，往上走最多也就是成为一个数据分析团队的小leader，不承担实际业务职能的话很难再往上升。有听过首席数据官、数据总监（管数据研发的）但谁也没听过数据分析总监吧？从数据分析师到首席数据官这中间的断层用天堑来形容也不为过。
如果选择从专业角度发展同样很尴尬，首先有教材有资料吗？目前市面上绝大部分的数据分析师教材或者培训都是叫你使用工具的。学**了EXCEL，学R，学**了R再去学Python，学这些工具压根和分析一点关系都没有，甚至因为身处业务部门连个堡垒机都不给你，辛辛苦苦写的Python脚本连个运行的地方都没有，这才是真的尴尬。
以上这些尴尬都是我在从事数据分析工作中实际遇到过的，虽然自己很喜欢研究数据但性格上实在不受不了给别人打辅助，特别讨厌那种有心杀敌无力回的感觉。所以我最终我决定自废武功（白瞎了我这一手好Python）转型成为了一名产品经理，希望能将命运要把握在自己手里！！！
下一篇我们继续来聊我是如何从数据分析师转型成产品经理的~~~
本文由 @凡事需景盛 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
