商业分析领域的职业路径：规划你在数据科学领域的下一个最佳角色

写在前面

之前哈佛商业评论一篇很火的文章《数据科学家，21世纪最性感的工作》，激励了大量从事数据分析工作的人员。

根据IBM最近的预测：说到2020年，美国数据从业人员的数量将从36.4万增加到272万！

在各个行业，我们看到业务数据的分析职位空缺激增，但是所有这些职位都需要完全相同的技能组合吗？我收到了许多关于数据分析行业职业发展的问题。这些问题通常来自那些在数据分析领域寻求突破、寻求向上发展的人，或者那些已经在该行业工作并正在寻找更深层发展的人。

在本文中，我们将看看分析行业中可用的主要角色。我还会提出一个框架，在业务分析领域思考你的职业生涯。

关于分析市场

让我从在麦肯锡关于大数据的报告 （2011年5月）中发布的几行/数据点开始 ：仅美国就有140,000到190,000人的短缺，拥有分析专业知识，150万经理和分析师具备基于大数据分析理解和做出决策的技能。

注意“具备基于大数据分析理解和做出决策的技能”。该行业将需要大量的大数据和机器学习专家，甚至需要更多（大约10x）可以基于分析做出决策的人员，即使他们可能不是大数据或机器学习方面的专家。

这些角色主要是战略角色和产品管理角色，可以为他们的分析专家解决新的挑战。我们将在本文后面将这些战略角色与数据科学家角色进行对比。首先，让我们试着了解这个行业真的有多么多样化。

如果您绘制了所有与分析相关的文章（如下图所示的样本）的文字云，您将看到所有类型的词汇出现，包括统计数据，计算机编程，策略，计划，报告等。业务领域分析非常多元化，具有分析技能和商业头脑的人员在所有行业中担任众多不同角色。考虑到你的职业生涯有很多可能的选择，你可能会觉得你失去了你是否在职业生涯中取得进步的感觉。

业务分析专业人员做什么？

“业务分析”一词完美地总结了我们在业务分析下分类的每种类型的工作。“业务”强调业务理解的重要性，“分析”指的是统计，计算机工程和运营研究在这类角色中的重要性。

分析专业人员最终可以以非常具有战略眼光的角色工作，也可以作为非常专业的深度学习科学家工作。前者角色具有较强的业务组成部分，而后者则具有更强大的分析功能。显然，您的角色通常在这两个组件之间进行权衡，您可以在两个组件的比例不同的角色之间切换。您为自己创造的价值是商业理解和分析的正相关函数。从数学上讲，价值=功能（商业理解，分析）有了这个理解，我在下面的交叉表中绘制了我们行业中的各种角色：

显然，上图是我对这个行业的个人理解，这个图中每个角色的位置当然是可以辩论的。我希望您关注的主要想法是可以在业务分析行业中扮演的角色多样性，以及您可以从当前角色获得的路径变化。让我们首先尝试理解上面关于角色类别的5个突出显示的框中的每一个。

1、报告角色

从2000年到2012年，这是业务分析专业人员的主要角色类别。角色主要关注“发生了什么（事件）”，而不是“为什么（事件）发生”。然而，近几年来，这些角色中的大多数都是在公司实现了大量这些流程的自动化之后发展起来的，机器学习越来越流行 然而，仍然有很多角色会有超过50％的报告工作，其余的角色回答这个问题 – “事件为什么会发生？”。

这对于开始分析行业的职业生涯是一个很好的角色。但从长远来看，您应该采取主动，并转而专注于“现在发生了什么？”（即商业智能/仪表板）或侧重于“接下来会发生什么？”（即预测分析）的角色。

2、中级分析角色

这是我开始职业生涯的角色类型。大多数经济学/统计学/计算机科学毕业生将开始他们的这些角色的旅程。这是业务和分析的最佳组合。它是了解这两个世界最好的伟大方式。

中间分析领域的角色也很多样化。这个类别中的一个极端角色将集中在商业智能上，试图解决“现在发生了什么？”。这一类别的另一个极端是高度关注业务的角色，例如产品定价，您需要创建大量业务场景并为您的公司销售的产品找到最佳价格。

大多数角色在了解业务和使用诸如决策管理/风险分析/欺诈分析中的深度学习等尖端工具之间达到更为理想的平衡。大多数这些角色都涉及自动决策。例如，您可能会负责创建一种算法，该算法可以根据客户风险状况接受或拒绝信用卡应用程序，也可以选择那些倾向于选择交叉销售保险产品的客户。所有这些业务问题都要求您创建批量客户配置文件的预测模型，并根据某些业务指标对其进行排名。

如果你在这个团队中，几乎所有的选择都将被打开。您现在可以选择转向更具战略性的角色，或者您可以选择成为数据科学家。如果你不知道下一步该去哪里，找一个合适的好方法就是在两个盒子的边界上扮演一个角色。例如，如果您希望在未来发挥战略作用，您可以通过在基于P＆L的中间分析角色（如产品定价）中发挥作用来测试您的适应性。还有一些角色可以选择组合分析，以便获得一系列战略角色。请注意，如果您选择在策略角色的路径上前进，您可能必须没有深度学习等数据科学技术。

另一方面，如果你想测试自己作为数据科学家的身材，你可以从事嵌入式数据科学家的工作，而不是纯粹的数据科学家角色。这样，您在进入研究型角色之前不需要失去对业务的掌控。

除了上述两条路径之外，您还有另外一种方法可以在业务与分析之间寻找一个良好的平衡点 – Tech Product Manager角色。但这种角色在行业中并不容易获得。数据科学主要用于公司通过构建数据支持策略来发现其他公司的竞争优势。

像Google和Facebook这样的技术公司不仅使用分析来制定战略，而且还使用分析来创建产品。例如，Google即搜即搜是一种科技产品，它使用机器学习来提供搜索结果。这些科技公司寻找具有商业损益和机器学习技能的人来设计这些产品。如果你选择在这条道路上前进，你不仅应该适用于大型科技巨头，还应该寻找产品经理在NICE，Aspect或Interactions等技能公司中的角色。

3、战略角色

你可能听说过一个重要的经济原则 – “竞争市场中没有经济利润”：经济利润的存在吸引了进入，经济损失导致退出，并且在长期均衡中，完全竞争行业的企业将获得零经济利润。

如果所有的企业都处于完全竞争的市场，他们如何赚钱？如果你是一名经济学学生，你会很好地知道答案。所有成功的企业都是建立在市场低效的基础之上，因此没有“完美的竞争”。战略家的角色是识别这些不完善之处，并培育他们以成功经营业务。对于大公司，我们在企业层面和业务层面都有策略师。

企业战略是当你在企业层面上回答诸如“什么是你的公司的正确业务组合？”，“为了达成这个组合，你需要什么新的业务来获得/投资/增长/关闭？”等问题。 “什么是适当的组织结构为您的企业，将促进运营和其他领域的协同作用？”。例如，如果您为富国银行的企业战略工作，您将制定收购或关闭投资/零售银行/信用卡等业务的战略; 您还将致力于创建全球运营以消除个体业务的运营成本等。

业务战略更多地与特定业务相关联。虽然企业战略可能更侧重于公司层面的事物费用方面，但业务战略更侧重于最大化净收入。例如，富国银行信用卡策略师可能会专注于最大限度地提高其卡片客户的收入。许多运营可能是富国银行所有业务领域的共享资产，例如呼叫中心，聊天中心，分支机构等。因此，这些费用负责人在企业级而不是业务级别上得到了更好的优化。各公司的责任分配可能有所不同，但大多数企业和公司战略家都携手合作。

这两种角色都需要您通过创建各种业务场景和计算不同投资的净现值来估计产品功能变更，流程变更和技术投资的收益。分析专业人员非常适合担任此类角色，因为他们掌握了大量数据并深入了解将用于创造竞争优势的最新技术。在2010年之前开始职业生涯的分析专业人士目前在战略角色中占有很大的比例。

4、数据科学家的角色

对于大多数希望进入数据科学领域的人来说，这是最令人着迷的角色。数据科学家的角色是专家的职位。您可以专注于不同类型的技能，如语音分析，文本分析（NLP），图像处理，视频处理，医学模拟，材料模拟等。这些专家角色的数量非常有限，因此这类专家的价值是巨大的。这就是为什么我们现在看到如此高的数据科学家需求。

为了在这些角色中脱颖而出，您需要随时了解最新的工具和技术。您还应该投资于使用相关语言进行自我培训，并有能力以简单的方式向客户和企业解释您的复杂模型。如果您觉得需要掌握业务概念，您可以随时回到战略方面。

写在最后

本文中提到的职业道路是基于我个人的经验以及我与各种分析领域的成功专业人士进行的一些讨论。通过免费在线提供所有资源，您可以使用正确的策略轻松迁移到任何期望的角色。我希望这篇文章能帮助你确定你的职业生涯轨迹。

原文作者：Tavish Srivastava

原文链接：https://www.analyticsvidhya.com/blog/2018/05/career-paths-business-analytics-role-data-science/