都叫做“数据分析师”，你是哪一类？

作者：陈老师

在企业中，数据分析师们往往分为业务和技术两大类。两类能力和工作内容有较大区别，但经常企业在招人的时候都叫：数据分析师。这常使想进门的新人感到困惑。今天，我们就来科普一下业务与技术的那些事。业务 or 技术业务类分析师，往往在战略发展部，市场部，会员中心，销售部，运营部。根据服务的业务部门的不同，他们也可能叫数据运营，经营分析，会员分析，商业分析师等名字。因为各个业务线具体考虑的问题不同，分析思路与体系均有不同，所以会有这种区别。

他们有个共同的特点：他们主要负责写PPT而不是写代码。他们输出的是分析报告多于零散的数据。他们的主要工作，包括：整理Excel，提供各个业务部门看的常规日周月报；针对领导安排的专项议题（如双十一促销、年终规划、新产品设计）做专题分析；支持领导做需要用到数据的测算、规划、方案等等。

技术类分析师，往往在IT部、数据中心。根据从事的工作环节不同，他们被分成数据库工程师，ETL工程师，爬虫工程师，算法工程师等角色。在小企业，往往一个技术小哥通吃这些流程。在大企业，一个标准的数据中心，一般都有数据仓库、专题分析、建模分析三个小组来完成数据开发工作，再大的公司，还有专门负责数据治理的小组。

之所以有这个区分，是因为生产数据，需要一个多层次的复杂的数据系统。一个数据系统，需要数据采集、数据集成、数据库管理、数据算法开发、报表设计几个环节组合。这样才能把分散在各处的一点一滴的数据集中起来，计算成常用的指标，展示成各种炫酷的图表。这里每一个环节都需要对应的技术支持和人员工作，因此有了不同的岗位。

只要你深入了解数据分析师，就会发现大家讲的最多的一句是：最好就是技术业务都精通。这让很多新人感到很辛苦。为什么我不能安安静静的当一个程序员？为什么我不能勤勤恳恳写ppt呢？非要学另一个领域，看起来其他部门的人也不需要这么多才多艺啊！凭什么做分析的就这么辛苦？

实际上，但凡是做数据分析的老鸟们，都知道技术业务双精通的重要。这是他们无数次面试失败、加班到哭、要求升职被拒、背了黑锅写检讨之后的血泪总结。刚起步的菜鸟们，眼前还是一片空白，当然看不到这些痛楚。

不懂技术，最终沦为夸夸其谈的废柴鄙视技术的新人，往往来自那些校招顺风顺水，进了大企业，500强的总部，以为自己马上要成为商业精英的人。战略发展部往往是重灾区。这些哥们姐们每天西装革履和各种老板交谈，写的ppt动辄5年规划全局战略。一种优越感油然而生：我是跟大老板汇报，那我也是个二老板吧！分析思路才是最重要的！技术都是干脏活累活的！

如果一直这么优越下去，他们要么成为靠着“XX企业出身”名头混吃骗喝的大忽悠，要么干了几年始终在基层岗位徘徊。确实，分析不需要数据，你看历史上名臣谋士有几个搞sql，python的？但那是刀耕火种的农业社会的事。分析之所以要加数据二字，就是因为数据能让分析更精确。而在移动互联网时代，数据来源复杂，加工过程多，计算方式日新月异。不了解技术原理，不掌握数据来源，就无法真正掌控数据含义。脱离数据，空谈思路，就会让自己越来越浮夸。无法在职业发展上更上一层楼。

有意思的是，这些大忽悠们往往坑的是技术部门。因为他们有着“XX名企”这样金光闪闪的头衔，往往能混进领导层。遇到这种业务部门的领导，技术部门就倒了血霉了。每天听他瞎吹各种思路，没有一个能落地的。你问他：“到底这个分析要哪些维度，哪些字段？”人家一句：“这不是技术干的吗！”你问他：“你预测这个有什么分析逻辑？”人家一句：“这不是技术干的吗！”最后再追杀一句：“我就是要预测，你们去预测！你看人家网上写了大数据人工智能就能预测！你不能预测一定是你智能不够！”

搞笑吗？一点不搞笑！你要是伺候他的技术部门，每天都是上坟的心情去上班，好想活埋了丫的。夸张吗？一点不夸张，反正陈老师见过，连数据指标对应哪个字段都搞不清楚还在大谈特谈分析，不理数据采集有什么难度，张口就要数据的所谓营销专家。让人哭笑不得。

好在，这种人只在陈老师刚毕业的时候比较多。那时候BAT还没有崛起，外企500强才是众星拱月般的存在。现在随着BATJ华为等一众公司热捧算法工程师，使得风气扭转，目前热捧技术忽视业务的占了上风。

不懂业务，最终排在升职加薪的末尾鄙视业务的，往往来自刚进入IT部工作没两天，抱着：“只要会代码，工资轻松拿！”错觉的新人。他们还没有经历过一个完整的项目，还没有自己和业务部门开过会。拿着自己主管派来的任务单，两耳不听窗外事，一心只会敲键盘。于是搭上泰坦尼克驶向kaggle，早辞波士顿，晚赏鸢尾花，没事就把拉钩爬。似乎只要把这些网上人人可以抄的代码自己抄一遍，下一个小龙哥就是自己了。

然鹅，经历了无数次加班以后，他们开始发现：“为什么我们的数据质量这么烂？”“为什么我们的数据造假这么多？”“为什么关键的字段缺东少西？”“为什么系统这么糟糕天天老牛破车？”那些在书上的完美案例从来就没有条件实现。然后小哥们想着肯定是公司小，不规范。跳槽到超牛逼大公司，一定是数据完美，基础强大。几经努力跳槽以后，才发现：在大公司，只是一头老老牛，带着一群年轻的小牛拉着一辆更大的破车而已，哭。

他们又开始发现：“为什么业务方给的时间限度这么短！”“为什么业务方要这么异想天开！”“为什么明明不合理的需求还要抬出老板来压着我们做！”“为什么做好了就归功于业务策划的好！”“为什么出了问题就是IT的锅！”。这时候，他们忽然发现隔壁组的组长是如此的机智。每次和业务方开会，都能以子之矛攻子之盾。把那些不合理的需求杀的体无完肤。他们组从来加班少黑锅小。大部分做技术的小哥，就是从这一刻开始顿悟懂业务的重要性的。

这种抱怨陈老师听了很多，这种顿悟陈老师也见了很多。因为我就是那个隔壁的组长。稍后会专门分享数据驱动业务的经典案例，让大家看看如何从一开始就脱离苦海，跳出大坑。

因为本质上，技术是为业务服务的。技术落地的成功，首先从一份高质量的业务需求开始。不能正确的理解业务需求，不能合理的帮助业务方完善需求，不能有效的规避需求中业务陷阱，就不可能有好的产品开发出来。技术开发的成功，需要资金、人力、时间的投入。如果不能为技术找到好的业务场景，就无法从老板那里获得足够的支持。毕竟大部分企业，做开发是为了挣钱，不是为了烧钱的。而最终考核开发的，也不是你用的技术多么复杂，而是你对业务有多大帮助。新人们要付出相当的加班辛苦，才能理解到这一层。

业务+技术，至少懂这些术业有专攻，知识要广泛，是职业发展的基本准则。特别对数据分析师这样一个多面手型角色。那么我们应该了解到什么程度呢？这里有个建议：

业务方向分析师：数据采集方式、数据字段格式、指标的计算口径与更新时间这三个是必须必须知道的。因为这三点涉及到数据真实性与可靠性。没有数据质量做保证，什么分析都是空谈。对基础数量越了解，越能从细节中找到思路；算法模型的种类与应用场景是必须了解的。因为这涉及到如何选择分析方法，如何提升分析质量。具体代码怎么写，弄懂就懂。

技术方向分析师：业务部门分工、职责、流程必须要了解。至少职责清晰，知道自己要对接的人到底是干什么。自己对应部门常见的业务需求，如销售分析、经营分析、促销分析、商品管理的方法要有所了解。在面对业务部门需求的时候，大概知道他们在想什么，有什么套路。帮助自己更好的理解需求，规避需求大坑。