搜索

登录

注册

数据分析职业规划:确定领域和路线
阅读:1219评论:0点赞:1收藏:32019-01-30

数据分析师是一个基础岗位,如果专精于业务,更适合往管理端发展,单纯的工具和技巧很难拉开差距。Title比较常见的有数据运营经理/总监,数据分析经理等。


以前从事的领域属于地理信息行业,主要应用于车、船、飞机等载体,通过传感器等产品确定载体的位置、速度、姿态以及绝对时间等信息。公司是一家私企,主要业务是系统集成类项目,我在公司主要负责项目的策划及部分执行工作,由于团队人员较少,因此在项目中的工作比较繁杂,也因工作内容宽泛,不能很好地体现个人的能力,发挥个人的主观能动性,因此,在工作之余,结合自己的兴趣爱好、能力,学习了数据分析的相关技能。


其实,任何行业随着你深入发展,都分为3个阶段:初级,中级,高级。这根打游戏闯关一样,一级一级网上爬。所以,从总体上我给数据分析这个行业也对应规划为这3个阶段,你按下面各个阶段要求来对号入座。


1、初级数据分析师这类数据分析师分为2类:

1)Excel数据分析师工作内容:要求熟练使用Excel即可,常说的“表哥”就是这个职位。主要是给没有数据部门的产品经理打个下手。针对产品经理提出的需求来做分析。然后用PPT写一些分析报告即可。比如说,之前社群会员面试的一家互联网教育机构,他们的要求就是用Excel整理学生买课的信息,看看哪一门课程最受大家喜欢之类的。需要掌握的核心技能:Excel,统计概率。月薪:这种职位的大概薪资在一线城市的话大概税前有5000-7000块(以下说的薪资范围也都是针对一线城市的)


2)业务部门的数据分析师工作内容:这类数据分析师在业务部门。不需要会编程,但会的话有加分。比如用python写一些报表自动化。常见的职位名称有:数据分析师,数据运营,商业分析,战略分析,经营分析,市场行业分析需要掌握的核心技能:Excel,统计概率,简单的SQL查询。常见的职位名称有:数据分析师,数据运营,月薪:薪水大概是6000-10000。对于初级数据分析师的职业发展,如果喜欢业务方向,可以往管理端发展,常见的有数据运营经理,数据管理经理,数据产品经理。如果喜专研技术,可以往下面聊的中级数据分析师方向发展。


2、中级数据分析师:工作内容:这类数据分析师一般是IT部门的数据分析师。不仅要会技术还要懂业务,通过发现问题,分析问题,得出结论,为公司的决策做支持。主要干的工作是数据提取、报表开发、撰写分析报告。IT部门的数据分析师基本是涵盖了业务部门数据分析师的技能,还要会编程,就这么简单。薪资水平也是两个级别。需要的核心技能:统计概率,精通SQL,编程语言Python或者是R月薪:薪水大概是7000-10000+


3、高级数据分析师通过建立模型,预测,偏重于工程,主要技能是编程和算法。常见的职位名称有:数据开发工程师,数据挖掘工程师,数据仓库工程师,机器学习工程师需要的核心技能:统计概率,数学,精通SQL,编程语言Python或者是R,机器学习月薪:薪水在15000+数据科学家是这个行业的最终奋斗目标之一。你如果理论能力非常强,可以写paper,那么可以担任研究院的一把手。你如果工程技术能力突出,那么可以担任公司数据科学部门的老大。


入门和职业规划应该从两个角度考虑:领域路线

领域是不少新人常忽略的要素,其实数据分析不会脱离业务存在。你进入哪个行业,很大程度会决定你初期的技能树和技能点。譬如金融领域的风控模型、营销领域的生命周期、广告领域的点击率预估等,各有各的特色。如果是一位应届生,不妨多了解自己感兴趣的领域,多积累相关的经验,为面试做准备。如果已经有一定行业履历,只是想要转岗数据分析师,那么跨岗不跨行,尽量避免跳到一个陌生的领域。领域经验我给不了太多的指点,主要也就三点:1.自己感兴趣的,2.自己擅长的,3.有钱途的。成为某领域的数据专家,会是一个更好的筹码。


而路线大致可以划分成四大方向:数据分析,数据挖掘,数据产品,数据工程。


数据分析/数据运营/商业分析,这是业务方向的数据分析师。


数据分析师是一个基础岗位,如果专精于业务,更适合往管理端发展,单纯的工具和技巧很难拉开差距。Title比较常见的有数据运营经理/总监,数据分析经理等。


新人,比较普适的发展路线是先成为一位数据分析师。积累相关的经验,在一两年后,决定往后的发展,是数据挖掘,还是专精数据分析成为管理岗。


都叫数据分析师,其实天差地别。这里更多指代互联网行业,偏业务的数据分析师,一般属于运营部门。不少公司也称数据运营或者商业分析。


这类岗位的职位描述一般是:

  • 负责和支撑各部门相关的报表;
  • 建立和优化指标体系;
  • 监控数据的波动和异常,找出问题;
  • 优化和驱动业务,推动数据化运营;
  • 找出可增长的市场或产品优化空间;
  • 输出专题分析报告;


实际的岗位中,不少业务端的数据分析师,主要工作都是第一点。别管它用汇总、分析、数据支持什么修饰词,基本是跑SQL,做报表。硬生生活成了业务端的表哥。这是很常见的情况,也是入门新人的第一个坑。因为从头到尾,这类分析师,都没有解决问题。业务部门往往更关心,某个指标为什么下跌或者上升。产品的用户是什么样的?怎么能更好的完成自己的KPI。


以活跃指标的下跌举例:

  • 活跃指标下跌了多少?
  • 是属于合理的数据波动,还是突发式?
  • 什么时候开始的下跌?
  • 是整体的活跃用户下跌,还是部分用户?
  • 为什么下跌?
  • 是产品版本,还是运营失误?


怎么解决下跌的问题这是一套标准的解决思维。分别对应what、when、who、why、how,每一部分都不是三言两语可以解释清楚。不要看它很简单,例如你通过多维分析,发现某个地区的活跃下跌了,不要急着把它作为分析的结论,这是不合格的数据分析。某地区的活跃下跌,只是现象,不是原因,把它作为结论提交,肯定会被骂的。你要解决的是,为什么这个地区的活跃下跌了。是该地渠道,是该地竞争对手,是该地市场环境?这些问题都是细化的范畴。并且,它们要能以量化解释,而不是我认为。做好了这点,才是一个真正的业务端的数据分析师。


解决问题是一方面工作,另外一方面,数据分析师的职责是将业务数据体系化,建立一套指标框架。活跃下跌的问题,本质上也是指标问题。什么时候开始下跌,哪部分下跌,都能转化成对应指标,如日活跃用户数,新老用户活跃数,地区活跃数。你不能衡量它,就无法增长它,指的就是指标体系。指标体系可以业务部门建立,但数据分析师也挺合适。


一方面他们比数据挖掘这类技术岗位更贴合业务,一方面不像业务岗位对数据抓瞎。两者结合,这岗位也能称为数据运营。指标体系如果工程化自动化,也就是BI,所以数据分析师可以算半个BI分析师,这里不包括BI报表开发。BI如果采购第三方,数据分析师负责BI没问题,如果自有开发,那么BI岗技术的色彩更浓厚。


数据分析思维和业务的理解,是分析师赖以生存的技能。很多时候,工具是锦上添花的作用。掌握Excel+SQL/hive,了解描述统计学,知道常见的可视化表达,足够完成大部分任务。机器学习这类能力,对此类数据分析师不是必须的,Python也一样,只是加分项。毕竟为什么下跌,你无法用数据挖掘解答。


数据分析师是一个基础岗位,如果专精于业务,更适合往管理端发展,单纯的工具和技巧很难拉开差距。Title比较常见的有数据运营经理/总监,数据分析经理等。商业/市场分析是另外一个方向,更多见于传统行业。你要开一家超市,你得考虑哪里开,这就要考虑居民密度,居民消费能力,竞争对手的多寡,步行交通距离,开车交通距离等。这些数据是宏观的大指标,往往靠搜索和调研完成,这是和互联网数据分析师最大的差异。如果往其他分支发展,比如数据挖掘工程师,则要继续掌握Python和机器学习等。从业务型发展上来的好处是接地气,具备商业洞察力(天天搞报表,怎么可能不熟),这点是直接做数据挖掘,或者程序员转岗,所不具备的。新人,比较普适的发展路线是先成为一位数据分析师。积累相关的经验,在一两年后,决定往后的发展,是数据挖掘,还是专精数据分析成为管理岗。


学习资料:

  • Excel和SQL可以网上搜索,也能买书,不多推荐。
  • 指标体系的建立,可以看精益数据分析。另外有一本数据化决策,讲如何量化,比较宽泛。统计学可以看商务与经济统计,主要是前半部分。
  • 还有一本数据挖掘技术——应用于市场营销、销售与客户关系管理。我推荐它是比较纠结的,这本书的知识点比较丰富,非技术人员也能理解,但是翻译太糟糕了…
  • 学习数据化运营,可以看数据化运营速成手册,对新人比较友好的。
  • 业务和数据分析思维,了解金字塔原理,看看case in point、 crack the case、BCG系列也不错。


数据挖掘/算法专家,这是技术向的数据岗,有些归类在研发部门,有些则单独成立数据部门。


数据挖掘工程师要求更高的统计学能力、数理能力以及编程技巧。


数据产品经理这个岗位比较新兴,它有两种理解,一种是具备强数据分析能力的PM,一种是公司数据产品的规划者。前者,以数据导向优化和改进产品。在产品强势的公司,数据分析也会划归到产品部门,甚至运营也属于产品部。这类产品经理有更多的机会接触业务,属于顺便把分析师的活也干了,一专多能的典型。


从职业发展上看,数据分析师做数据产品经理更合适。普通的产品经理,对前端、后端的技术栈尚未熟悉,何况日新月异的数据栈。这个岗位,适合对数据特别感兴趣,但是数理天赋不高的职场人,那么以沟通、项目管理和需求规划为目标,也不错。


数据工程

数据工程其实更偏技术,从职业道路上看,程序员走这条道路更开阔。数据工程师,可以从数据分析师的SQL技能,往数据的底层收集、存储、计算、运维拓展。往后发展则是数据总监、或者数据架构师。因为数据分析出身,与纯技术栈的程序员比,思考会更全面一些,虽然技术底子的薄弱需要弥补。


结合我自身的兴趣爱好、职业技能,我决定选择营销领域,成为该领域内的数据分析师。我决定先从数据分析/数据运营/商业分析岗位开始做起。


爬取相关领域数据,使用集搜客爬取了拉勾网2018年7月招聘数据,爬取数据以数据分析为关键字,工作经验限定为1-3年、1年以下、不限三类,学历限定为本科及不要求2类,采集数据共计405条。采集数据包括公司名称、所属领域、融资阶段、所属区域、公司福利、职位名称、工作经验、学历要求、公司规模、薪资范围等。


关于后期的实践计划,要注重项目经验的积累,努力丰富简历上项目经验一栏的相关内容,根据招聘要求着手开始完善简历相关模块以及准备面试相关问题。


End

来源:知乎

收藏 | 3点赞 | 1
评论