文章來源： 接地氣學堂

作者:接地氣的陳老師

“我可能干了個假的數據分析師！”經常有同學發出這種感慨，然后到處發《數據分析師是干什么的》《數據分析師、數據工程師、數據運營、數據挖掘工程師、商業數據分析師、我隨便寫個什么分析師之間到底有什么區別》一類的帖子。之所以會這樣，是因為大家看的常常是理想狀態下的數據分析崗位職責與內容。

從本質上講，數據分析是個技能，人人都可以學，人人都可以用?！皵祿治觥彼膫€字拆開，可以細分成偏技術的“數據”部分——采集、存儲、加工、展示數據；偏業務的“分析”部分——定義問題，設計思路、尋找答案、驗證假設、跟蹤結果。技能人人可以學，但在企業中，具體的活是得有人干的。在企業里，員工是按組織架構編排的。數據分析工作，最終還是要分配到某一個部門的某一個崗位。

蛋疼就從崗位開始……

因為數據分析不像銷售、產品、運營一樣是剛性崗位，大部分企業并不依靠數據分析掙錢吃飯。因此，數據分析崗位就不是一個常設崗位或者必須崗位。簡單來說，這是個后娘養的部門。因此組織架構的設置就千奇百怪。導致的后果，就是：理想永遠是美好的，現實只能自求多福。大家在網上看到的各種科學合理的“數據分析流程”“數據驅動業務”，到了現實里就七零八落。

O(╯□╰)o

理論上，在技術端，至少需要數據倉儲，數據分析兩個組，才能扛得住工作。數倉組搞掂數據采集、架構、性能問題，分析組搞掂取數問題?？蓪嶋H上有完整架構的屈指可數，草臺班子滿地都是：

這就是無數做技術的同學苦惱的根源：公司沒有重視數據這回事，指望一個人把數倉到BI到建模全搞了。于是搞得辦事的人各種苦逼。尤其這兩年，人工智能的東風給領導的朋友圈吹來了無數數據分析如何牛逼的文章。搞得能力向下兼容的招聘風氣日盛。領導們想當然的以為“算法那么復雜，那么牛逼，找一個會算法的不就什么問題都能解決了？”

還真搞不掂。因為能力歸能力，工作歸工作。數據分析的工作方式，決定了一個人能做的是很有限的（如下圖）。即使一個人有能力全部做，他也沒精力同時出現在業務部門開會的會議室，跑數的工位，開發的機房三個地方。且不說僅僅是清洗數據，就需要消耗大量精力。過度指望一個人大包大攬的結果，就是丫樣樣都會一點，但樣樣不精通。

2，3，4步是開發的硬活，5，6，7步是數據分析的本質工作，但做算法、做專題、開發報表的工作細節完全不同，而1、8正是數據分析的起點與終點，不考慮業務需求，不跟蹤業務效果，做了分析又有啥用呢？

在業務端，問題恰恰相反，是個人都想搞個分析，結果基層的表哥表姐越養越多（如下圖）。

業務部門需要的是分析結論，不是一個數字。單純告訴業務部門“本月銷量350w，客戶復購率20%”屁用沒用，業務部門需要的是“這到底說明了什么問題”！做技術的同事，往往只能提供數字，而不是分析結論，所以業務部門養“分析專員”的風氣就越演越烈。相當多的領導都喜歡安排一兩個數據XX在組織下邊，這里只列了一點點，實際上的還有更多更多的表哥表姐崗位……

數據磚員們的工作是很辛苦的。雖然名字也帶“數據分析”然而做的工作基本就是在excel里搬數據（常常往返于csv格式與excel工作薄格式之間），做圖表，貼到ppt里，在折線圖下邊寫上：“本月銷量低了，要搞高！”然后就能靜靜等著領導回復：“分析的一點也不深入！”了

鬼愿意過這種日子?。。è?▼メ）

業務端的分析，需要對業務本身有認識和較深的分析能力積累。這樣才能有勇氣和手段從合作部門嘴里了解到業務到底在干什么，才能在經營過程中準確定義問題，才能構建適合自己公司的分析思路。這些都不是花5000雇個表哥表姐能解決的?？蓱z的基層表哥表姐們，往往都是新入職沒兩年，在公司人都不認識幾個。別說分析問題了，連張嘴問別人問題，都會吃一個白眼：“關你什么事，做你的去”。這樣的狀態真的分析不了啥。

我非常能理解業務部門老大們對IT的不滿?！熬椭琅軅€數字，分析啥了？”這種抱怨從我入行第一天一直聽到現在；我也非常能理解業務部門老大們用數據分析當招牌填充人編的做法。問題是這樣大量鋪專員真的不是解決問題的辦法。因為想要分析輸出結論，需要的是做分析報告的人有分析思路和解決問題的能力。正如郭德綱講相聲好笑，那是因為他會講相聲，不是因為他長得胖。以為花5000雇個表哥做個ppt就能分析了，就像以為從街上拉個矮胖子就能把人逗笑一樣……

所以理論上講，最好的結構應該是業務端找有資歷，有經驗的少數人承擔。技術端按需求排架構，多一些人把數據質量、數據處理、BI做起來。這樣數據質量高，數據形式多，方便使用，同時業務上也能解讀出含義，有能力推動數據成果落地——然鵝這又是一個理想。從業那么多年，除了銀行體系和少數大型互聯網公司外。就沒幾個企業真的重視這回事，該招表哥繼續招表哥，該養阿爾法狗繼續養狗。

o(*￣3￣)o那個，開心就好……

正如某位前輩所言：現階段數據分析領域的主要矛盾，是人民群眾日益增長的對大數據人工智能的幻想，與落后的基礎數據開發建設之間的矛盾。

這兩年能清晰數據的角色和地位的企業相對多了一些，早些年情況更混亂。XX分析師的XX甚至都是HR小妹妹現編的，崗位JD里復制一段話出來百度，都能找出來一堆一模一樣的JD。那個年代我接到獵頭電話，往往在丫blabla一堆“分析”“挖掘”“模型”名詞之后。直接來這么一句：來，我們說點實在的，向什么部門的領導匯報？是寫ppt的還是寫代碼的？區分效果群拔！

哈哈(????)?

總之不要被名字框死了思路，不要太糾結名字的文字。要看自己具體的工作內容，自己掛在哪個部門下邊，具體分析，才能看清前途。