分析师的发（xing）展（fu）方（sheng）向（huo）"/>
数据分析师的发（xing）展（fu）方（sheng）向（huo）
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。
作者：陈老师 在咨询行业打拼了10+年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。
个人公众号：接地气学堂
上一篇《
数据分析师的真实绩效是什么
》发出以后，又被大家加入了《陈老师日常劝退套餐》。很多粉丝强烈呼吁，写一篇数据分析师的幸福生活，不然感觉真的要被劝退了。今天就响应群众号召来一篇。其实需要陈老师来写这篇，就说明大家对数据解读的还不够啊。因为数据分析师的幸福生活，早已藏在大家的分析报告里，只是大家太过关注冷冰冰的数字，而不是数字后的含义，所以没有解读出来。
为什么这么说？是因为“收入”是个可量化的名词，收入高低只要看个数就好了。但“幸福”是个不可量化形容词，意味着丫是对比出来的。要谈数据分析师是怎么幸福的，就得对比下其他部门是怎么个苦逼法。要想人前显贵，必须人后受罪。大家在做业务部门绩效分析，ROI分析，活动分析的时候，其实已经暗含了其他部门苦逼的线索。
一提销售，大家最容易联想到奖金，喝酒，洗脚城。先把客户灌醉，洗脚城睡小妹，订单忽悠到手，奖金拿到手累。多好啊，看着舒服吧。自己去做一下试试吧。
第一天，没开单
第二天，没开单
第三天，没开单
……
月底一看工资单：基本工资1350+绩效250
o(╥﹏╥)o哭死
做过销售队伍业绩分析的同学，如果认真研究过业绩分布，就会发现销售队伍不是20/80法则，而是2/80法则。特别在B2B企业，少数Ace销售吃大部分业绩，大量的销售都是苦逼兮兮的拿最低工资，干不了两天走人。况且，我们做数据分析的是做在空调房办公椅上写ppt，人家可以每天在外风吹日晒，被客户给脸色……这么对比下，幸福感高了不？销售的本质就是一将功成万骨枯，羡慕Ace们大把拿奖金？人家是从万人坑里杀出来的。
一提产品，大家最容易联想到乔老爷，雷布斯，张小龙。好威风！于是信心爆棚的从产品助理干起，进入办公室时大喊一声：我要改变世界！
产品经理：你说啥？
产品总监：你说啥？
老板：你说啥？
开发：你说啥？
……
别说改变世界了，你连一次会议纪要都改变不了。一个开了2小时没头没尾的产品开发扯皮会，开完了领导说：写个会议纪要。结果你写完都改到V8了，领导还说不满意。
(╥╯^╰╥)哭死啊！
那不改变世界，改变一下文案算了，嗯！于是做个小运营吧，写写文章，搞搞活动。于是变开始了下边的美好生活
产品和运营的苦逼本质是什么：
基层的永远处于打杂状态。干的都是各种求爷爷告奶奶，扯皮打杂的事，所以我的前途是什么？
基层的永远处于被支配状态。什么决定都是听领导的，那我的存在意义是什么？领导说了让再想想，我想了nnnn版方案还是不可以，那我的价值是什么？
基层的没有硬技能的提升。写文档谁不会啊，每个网站都有页面对着抄也行啊，样样都通一点但样样不精，样样都求着人做。
如果说销售都是打出来的，那产品和运营就是熬出来的，比的是谁命硬。谁能在打杂中打出成长，谁能在呼来喝去中不迷失方向。更重要的是，谁命好，能撞上一个成功的产品。
不信做数据分析的同学们看看，你们做的产品评估分析，一个公司的n条产品线，有几个真的是爆款？有几个真的是指标完成出众的？数据分析师在ppt上写下：“该产品数据未达目标”几个轻飘飘的字的背后，是多少产品和运营苦逼加班熬夜的心血付诸东流。……这么对比下，幸福感高了不？
一提营运，算了还是不提了，懂行的看到营运两字就觉得心累。这么说吧，看看网上那么多“爆笑！调戏移动客服小妹音频曝光，快来听”的段子。设想下，如果你是那个被调戏的小妹，你还笑的出来吗。
总结一下，就是业务部门虽然直接对业务负责，但：不是人人能出业绩；不是事事能出业绩；甚至不是努力就能出业绩。业务部门的起步难，成长慢，赌运气，会劝退一大波新人。相比之下，数据分析作为支持部门的压力就轻松很多，成长也明显很多。所以很多一线部门苦苦挣扎的小弟小妹，想转行进入数据分析。
诶？还没还没有提开发，对不对！从java到IOS开发到hadoop到现在的python到机器学习各种算法，每个年代都有开发的造富神话。从当年“三年java，百万年薪”到“一年前端，月薪五万”，开发被吹的越来越神。当然近两年流行的是《全职妈妈在家带娃3年，老公不思进取欠下20万赌债，21天0基础自学人工智能，入职互联网金融风控月薪3万，半年后跳槽平安成为数据科学家年薪百万》
X健都不敢这么吹……
就问一句。当年吹3三年java的，现在咋不继续吹了？为啥也跟风来教python机器学习了？技术和业务不同，业务类是家有一老如有一宝，而技术类是拳怕少壮。技术迭代更新，本来就是越新的越厉害。所以技术类往往起薪比较高，并且1-5年内跳槽的更吃香。这时候体力还好，人还单身，知识还没淘汰，加班跟玩一样。
可也正因如此，技术类的高端岗位往往被那些出身好、学历好、经验对路的年轻人拿走。相当多人进入BAT最大的障碍不是技能能力，而是毕业证的学校名字。技术类的岗位见顶速度快，往往技术迭代，就落得渣的不剩。就如果当年做数据分析做congos，做BIEE的，现在都面临转型压力。有些小伙还指望公司上市，可一不小心就会落得行业寒冬，开猿节流的结果……这么对比下，幸福感高了不？
总结一下，和业务部门相比，数据分析的优势来自“数据”两个字。数据分析不像业务部门那样过分的重实践，轻理论，依赖好运气。数据分析有统计学、数学、算法理论支持，使用excel，sql，python等工具工作，因此技能积累快，能力成长性好，不靠天吃饭。这对于新人起步是非常有帮助的。
和技术部门相比，数据分析的优势来自“分析”两个字。数据分析最终产出成果，需要和业务结合，需要沉淀分析经验，需要加深对行业的理解，这些使得数据分析不会因为某款工具的淘汰而被淘汰。分析能力会成为数据分析师职业护城河，这对于老人留存是非常有帮助的。
所以如果硬要和每个部门最Top的岗位拼薪酬，数据分析岗位一定会败下阵来。但是如果和每个部门躺在万人坑里的倒霉蛋们比成长，数据分析岗位肯定占得先机。无论是在这个领域持续成长，还是借它做跳板，实现从一线到后台，从基层到管理的转化，都是很不错的。
所以，真的不要把自己混的不如意赖到这个岗位的头上。以大多数人的努力程度之低，还没有到嚷嚷：“这个岗位发展空间有限！”的程度。这句话可能一个数据总监来讲比较合适。至于继续晋级需要哪些技术、业务、能力要求，稍后我们开始正式分享，敬请期待哦。
这是《数据分析师成长手册》连载的一部分（如下）
下边我们开始更新数据分析思维系列
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。
推荐阅读：
强推 | 学习自然语言处理（NLP）的学习方法和资料合集
新恒结衣为什么是中国程序员共同的老婆？
如何构建一个完整的机器学习项目(一)
2018年终精心整理|人工智能爱好者社区历史文章合集（作者篇）
2018年终精心整理 | 人工智能爱好者社区历史文章合集（类型篇）
公众号后台回复关键词学习
回复 免费 获取免费课程
回复 直播 获取系列直播课
回复 Python 1小时破冰入门Python
回复 人工智能 从零入门人工智能
回复 深度学习 手把手教你用Python深度学习
回复 机器学习 小白学数据挖掘与机器学习
回复 贝叶斯算法 贝叶斯与新闻分类实战
回复 数据分析师 数据分析师八大能力培养
回复 自然语言处理 自然语言处理之AI深度学习
更多推荐
数据分析师的发（xing）展（fu）方（sheng）向（huo）
发布评论