数据分析师求职道路和职业定位是啥?数据分析师面具下的隐藏Buff又是哪5个?!

数据分析师求职道路和职业定位是啥?数据分析师面具下的隐藏Buff又是哪5个?!

哈佛商业评论的一篇文章曾经说:数据科学家是21世纪最性感的工作。这使得好多人都希望到分析行业来发展,主要原因就是,数据相关职位的数量会急剧增长!

IBM也做出了同样的推断,他们说:到2020年,美国数据相关行业的从业者会从现在的364000急速增长到272万人。

跃跃欲试的你有木有也想来分一杯羹呢~

毫无疑问,商业分析师这个职位在未来的需求量会很大。但是,这些工作都需要相同的技能么?我们收到了很多关于分析行业的职业发展轨迹的问题,这些问题通常来自于想进入分析领域的人,还有已经在这个行业里,但是还想往上爬的人。

那么,在这篇文章中,我们会介绍在分析行业里目前常见的职位,还有商业分析师的职业发展框架。

我们先来看麦肯锡公司的一个报告:

也就是说,这个行业需要很多大数据和机器学习的专家,而且更需要大量的可以通过数据分析做决定的人,即使他们对大数据和机器学习了解的不算多。

这些人才主要负责策略制定和产品管理,然后确定新的任务,让专业的分析师来解决。这些战略角色我们之后会讨论。现在,我们先来理解一下行业职位的多样性。

如果你根据与分析相关的文章绘制一个词云图,你会看到图中含有各种各样的词汇,比如统计,计算机工程,策略,规划,报告等等。商业分析师的知识领域是非常广的,有分析能力和商业头脑的人,在很多职业都很受欢迎。现在思考一下你的职业发展,是不是觉得选择太多,不知从何下手?

‘商业分析师’这个词很好地描述了他的日常事务。所谓商业,就是指对商业的理解;所谓分析,就是指对统计,编程,运筹能力的熟练掌握。

一个专业分析师的工作通常是作为商业发展策略的制定者,或者作为一个专业的深度学习科学家。前者需要很强的商业能力,后者则需要很强的分析能力。显然,你的工作通常要在商业和分析之间灵活转换,你所能实现的价值和你所拥有的商业头脑和分析能力成正比。数学上说就是:

根据这个理解,我们将商业分析师的各种角色以一张图表的形式展现给大家。

在这个图中,主要想让大家看的是工作角色和选择的多样性。

让我们先来了解这5个主要的角色。

在2000年到2012年左右,这是商业分析师的主要角色。他们主要负责报告‘发生了什么’,而不是‘为什么发生’。但近年来,随着商业自动化程度的提高,机器学习越来越普遍,越来越多的商业分析师不再负责报告‘发生了什么’,而负责报告‘为什么发生’。

这其实是一个很好的分析师职业生涯的开始。但是从长期来看,你应该主动选择一个工作角色,可以是正在发生什么(比如商业智能),或者是即将发生什么(比如分析预测)。

这是很多经济学、统计、计算机科学的毕业生开始他们职业生涯的切入点,也是一个很好的将商业和分析相结合的职位和了解这两个领域的途径。这个职位所扮演的角色也很多样,一个极端方向是商业智能(BI), 研究‘正在发生什么’,也就是分析商业发展趋势;另一个极端方向则更偏商业一些,比如产品定价,需要你有很多商业策划案,为你们公司销售的产品寻找一个最佳的定价。

当然,这个职位的大多数角色都是以上两者之间的一个平衡,既了解商业知识,又能够使用先进的方式(比如深度学习)去解决决策管理、风险分析和诈骗分析等相关的问题。这些职位很多都需要自动化决策,比如,你可能需要设计一个算法,基于用户档案,选择出那些可能通过公司的交叉销售购买保险的人。所有这些商业的问题,都需要你基于大量的用户档案和商业标准,建立预测模型。

如果你在这个工作组里,那你的选择就很多了。你既可以选择策略性的角色,也可以选择数据科学家的角色。如果你不知道哪一个更适合你,那就先后都尝试一下。不要怕试错,年轻就应该多尝试,不是么~

比如说,如果你喜欢策略性的角色,那你就可以尝试一些产品定价,或者组合分析的职业,从而对这些行业有一定的了解。需要注意的是,这样一来,你就不会再接触深度学习等数据科学相关的技能了。想清楚这是不是你想要的哦~

除了前面两种规划,你还有一个在商业和分析之间的折中方案,那就是技术产品经理的角色。但其实这个职位需求量并没有前两者那么大。技术公司(比如Google、Facebook)的分析师一般都不仅仅要构想策略,还要设计产品。比如Google即时搜索就是这样一个通过机器学习实现的产品。这些公司需要的都是同时拥有商业理解和分析能力的人。如果你想选择产品经理的道路,那你不仅仅需要关注这些技术巨头,也要关注那些实施细分市场战略的小公司。比如 NICE,Aspect,Interactions

你或许听说过这么一句话:在竞争性市场中,没有经济效益。

也就是说,如果所有的企业都存在于一个完美的竞争市场中,他们是无法盈利的。如果你是一个经济学的学生,你会很明白这一点。所有成功的企业都是建立在市场的无效性之上的,所以没有完美的竞争市场。而策略分析师要做的,就是发现市场的缺陷,利用市场存在的问题更好的运营公司。策略分析师需要对数字的敏锐观察和对新技术的深入理解,从而设计最佳的商业规划。对大公司而言,他们往往有公司层面和商业层面的分析师。

公司策略更集中于回答‘公司的投资策略应该是什么?’‘哪些领域我们的投资应该增加/减少?’‘要促进公司的运行效率,最有效的内部结构是什么?’打个比方,如果你在 Well Fargo 工作,那你就要决定在零售银行和信用卡方面的投资数额,以及如何减少全球运营的成本。

相对于公司策略聚焦于公司利润,商业策略就更集中于净利润了,比如怎样在信用卡的使用客户手中获得尽可能多的利润。尽管两方的责任分布有所不同,但是大部分时间是联合工作的。

数据分析师与数据科学家在你入行的时候,需要准备的技能是有很大的区别的。然而,当你在这个领域做久了,你就会对于整个领域都有更深刻的了解,也就可以选择成为数据科学家!这大概是很多从事数据领域的小可爱们最想从事的职位了。这是一个为专家准备的职位,只需要你在语音识别,文字识别,图像处理,音频处理等等方面有深入理解和实战经验。每一种角色都很稀缺,所以他们的行业价值很大,这也是为什么我们看到今天对数据科学家的需求很大的原因。

胜任这个角色,你需要积极学习最新的工具和技术,投资自己,学习相关的计算机语言(比如Python、R、SQL),还要有把你的行内知识解释给其他部门以及客户的能力,同时还需要你对该领域发展趋势的深刻理解。