数据分析师发展的五大问题,一次扫清!
马上就是2020年了,新年将至,很多同学都在思考职业发展路径问题。最近咨询陈老师的也很多,一个很普遍被问到的,就是:数据分析师的红旗,到底能打多久?今天集中解答一下。还是陈老师的一贯风格,不吹不黑,客观说事。我们一起来看看,面向2020年,数据分析师们最纠结的五个问题:
▌问题一:数据分析会不会被人工智能取代?
答:不会!
首先,看到提“人工智能”四个字的所有标题,大家都能认为是引发焦虑的伪问题。真正懂行的都说:算法、机器学习,或者干脆直插CV,NLP,推荐等某个具体领域。其次,这俩玩意根本就是两件事。算法的发展不仅不会取代数据分析,反而会让数据分析更轻松。
为啥?
因为本质上,算法对抗的是低效率。通过人工标注-模型训练-预测检验的循环,算法可以大量替代以往需要耗费人力的工作。但是算法实现这个目的是有前提的:第一,需要明确的结果:人工标注的图形、信用违约/未违约记录等等。第二,需要大量的特征数据,用于训练模型。正是因为如此,我们看到算法应用最成功的就是CV领域。比对人脸、比对证件等就是特征丰富,结果明确。传统的风控、推荐等领域,也有相应进步。NLP领域进展相对较慢,就是被复杂的语境折腾的七荤八素。
本质上,数据分析对抗的是不确定性。当我们想要分析问题的时候,更多是:
没有数据:新业务刚上线,过往不重视数据采集
有假数据:业务操控,流程缺失,利益驱动
乱七八糟:口径不统一,流程不规范,使用瞎胡闹
人为扭曲:业务方为了保住KPI睁眼睛说瞎话
不会判断:只知道写同比环比,不会解读意义
主观臆断:做数据只为证明自己是对的,强词夺理
这种时候,就相当于根本没有标注,或者人工瞎几把标,模型压根训练不出来。还摸个屁。
正是如此,我才有了数据分析的五大问题:
是什么(量化结果,获取数据)
是多少(树立标准,评价好坏)
为什么(寻找原因,验证假设)
会怎样(综合评估,做出取舍)
又如何(预测前景,探索可能)
通过不断循环的解答这五个问题
我们量化监控业务走势,把不确定变成确定;
我们做出客观的评估,发现问题,沉淀经验;
我们合理预测前景,探索新可能,发现新道路;
最终推动业务持续进步和改善。
这种摸着石头过河的力量,才是算法不可取代的。当然,石头摸清楚了,数据质量好了,经验总结差不多了,这时候有些传统的工作可以用模型来干。比如在风控、推荐领域,传统业务经验越来越让位给模型。同样的,在新的领域,数据分析继续做着开路先锋。
比如2019年,陈老师主导的项目,就有大量的社交电商、分享裂变、网红带货、私域流量转化的项目,这些项目往往是业务模式创新和数据分析齐头并进的。在这些新领域,各个行业都在摸石头,当然得带着有本事测量深浅的水文师。不然一脚下去踩坑里咋死的都不知道。
有意思的是,所谓的“人工智能会取代数据分析师”,正是来自对数据分析工作的无解。在不懂行的人眼里,数据分析师和算命大师没啥区别,不需要数据采集、不需要数据清洗、不需要数据治理、不需要分析建模、不需要积累经验、不需要你测试验证。只要眉头一皱、掐指一算,咒语一念,符咒一烧,算盘一拨,天上咔嚓一道炸雷掉下一道圣旨:明年业绩1257亿!在不懂行的人眼里,算法、数据分析、算盘、《周易》没啥区别,反正过程他都看不懂,最后咔嚓一声能出个好牛逼的结果。有这种幼稚理念,当然会觉得人工智能会取代数据分析了,毕竟阿尔法狗比算盘听起来屌吗。
当然还有一种论调,来自:以后能自动提数了,数据分析师就要下岗了。这个更幼稚了,谁TM跟你说数据分析师就是人肉跑sql师了!要我说,这种智能BI越早出越好!正好把那些每天2000行sql的小哥们解放出来,正好把那些无穷无尽的临时取数挡掉,正好可以让市场部那些只懂心机不懂技术的妹子们对着机器咆哮去:“这是总监要的,下班必须给!”这话都冲着阿尔法狗喊去,那画面想想都爽。我们就有更多的时间,来分析问题,来设计实验,来挖掘深层因素,以后出的成绩还多一点。
So,时代淘汰的不是数据分析师,而是只会写sql的肉鸡,是只会到处问“有没有模板抄抄”的菜鸡,是只会写同步环比的草鸡。大家大可安心。
▌问题二:数据分析会不会被会写sql的运营取代?
答:不会
这个问题陈老师有专门的分享,想看的可以戳文末的链接。这里不再赘述,只说结论:“运营做数据分析是有原罪的,叫:本位主义”。只要丫的身份还是运营,丫的数据分析结果就是屁股决定脑袋,就是短视且功利的,这一点跳进黄河都洗不清。况且运营也就只会写sql而已,你让他弄数仓,搞ETL,搞数据治理试试,不累死也恶心死。这又是“只见高楼起万丈,不见地基累又脏”所产生的误解。所以做数据的同学们不要嫌弃这些脏活累活,这反而是我们的一个护城河(虽然里边都是泥巴)。
当然,那些只会写“本月比上月少了1000万业绩,连续三个月下跌”的数据分析师,铁定被运营取代呀。这种玩意只要眼睛不瞎,且识字,都能写呀!连我们家小爷coco都会看着爸比画的条形图说:“这根短了”,他再学会一句“要搞高”,就能去很多互联网公司当“数据分析师”了呀。这种不被取代就见鬼了。
▌问题三:数据分析就业难不难?
答:难
第一,因为算法被炒得太热,所以很多人会希望数据分析师懂算法,从而增加了面试难度。是滴就是那些不明真相的吃瓜群众,总想着:“算法这么牛逼的都会了,分析还不会吗?”抓着做分析的往死里问算法,进了公司才发现,他喵子的除了交易流水屁数据没有,算法个蛋蛋。
第二,因为很多运营自己开始sql,导致对分析能力的要求更高。一个矛盾点是:很多领导自己也没见过高级的数据分析长啥样,于是会瞎提要求,把很多业务问题归为数据问题,去问数据分析师怎么卖货。这要是正儿八经的数据分析师可能真的就冤死了。
第三,因为互联网行业寒冬,导致释放出来大量劳动力,于是想转行的,算法(只会调参)失业的,做运营的,根红苗正做分析的,都在找数据分析工作,竞争更激烈,自然找工作更难。
综上,难是肉眼可见的难,大家多多努力,少点冲动是正道。
▌问题四:数据分析想突围,可以准备什么?
严格来说,这篇可以单独写。这里先列个提纲:
连excel,sql,python(速成ESP套餐)都不会的,赶紧学技术,加强能力
吃了ESP套餐的,学点数仓,ETL,数据治理,提升基础能力
和业务走的近的,多补充业务知识,特别是新领域的数据运用
公司数据基础好,本人知识扎实的,挑战一下算法
总之,横行扩宽业务知识面,纵向在数仓方向强化,能力强的看点算法,技多不压身,能力强自然出路多。
▌问题五:数据分析想转行,可以哪里走
严格来说,这篇又可以单独写。这里先列个提纲:
业务能力强的,可以往用户增长、用户运营等策略性强的部门转,这些部门天生就需要很强的分析能力。
技术强的,可以往数据产品方向转,移动BI、大屏、运营助手等产品是很好的出成绩的地方
有两条路吹的很火,可实际上不是特别好的出路:
数据中台。经过一年爆吹,大家发现:这玩意没鸟用呀。少拿阿里的数据产品举例子,人家天生数据多,可以卖给一堆企业,就我们企业那烂兮兮的数据,建中台有毛用,不是在烂泥巴里起高楼吗,不塌才怪。
数据分析转算法。经过泥沙俱下的18,19年,大家也发现只会调参的“算法工程师”有毛线用。真正算法项目,工程的难度是远远高于算法难度的,这使只会数据的人没啥优势。更何况,现在仍然有大量狂热应届生涌进这个领域,和他们比起来半吊子出身的数据分析是没啥竞争力的。所以谨慎选择转行
以上,大致回答了大家最关心的五个问题。除了问题一,问题二,其他分享都少一点,因为篇幅真的已经很长很长了。有兴趣的话,本篇集齐60个在看,我们继续深入探讨数据分析师的发展。
其实同学们最初的问题是:数据分析师发展前景如何?陈老师不喜欢探讨这么虚的话题,正如上边五个问题一样,大家会发现:如果你持续进步,你始终能在时代中找到自己的位子,如果你原地踏步,那啥玩意都能把你淘汰。前景不是看出来的,而是自己努力出来的。能搞掂的具体问题越多,自然越有前途。所以新的一年,我们继续具体问题具体讨论,大家一起进步哦。
继续看陈老师干货:
数据分析、数据挖掘、数据运营有啥区别?【通俗版】
运营都会写分析报告了!数据分析该怎么办?
数据分析报告,就该这么写!超详细攻略奉上
数据分析师,年终述职报告可以这么写(实操版)
扫描关注,更多超棒分析思路及职场经验分享
那么,在面临以上五大问题时,2020年的数据人该如何确定自己的职业生涯?如果你要转行、跳槽,你想升职加薪,《数据人求职宝典》可以全面系统帮助你,加入学员即可犀利的陈老师享受一对一服务。
点击下方“阅读原文”详细了解课程。
数据分析师发展的五大问题,一次扫清!相关推荐
- 怎么才能转入大数据领域 ,成为一名合格的大数据分析师...
2019年的高考很快就要拉开序幕了.而考生和家长除了要面临考试这一难关外,考试之后填报志愿时,选择大学和专业也是一个难题. 最近两年很多高校都开设了互联网相关专业,大数据.机器人等专业成为热点.在20 ...
- 大数据工程师和数据分析师有什么区别
不少朋友都很困惑,大数据工程师和数据分析师有什么区别,哪一个的就业好薪资高? 首先我们来区别下大数据工程师和数据分析师: 1.概念区别 数据分析师,是数据师的一种,专门从事行业数据搜集.整理.分 ...
- 7个秘诀,带你由数据分析师成长为数据科学家
全文共4047字,预计学习时长8分钟 通往数据科学之路 (Aleksandr Barsukov发布于 Unsplash) 数据科学的热浪席卷大多数行业,如<哈佛商业评论>所述,数据科学家已 ...
- 年龄会阻碍数据分析师的发展吗?
互联网的发展为我们的社会和生活带来翻天覆地的变化,同时也为我们提供了更多的工作岗位,数据分析师就是因为互联网和大数据的持续发展而带来的新的岗位.提到互联网行业相关的工作,大家首先想到的就是高薪和加班, ...
- [数据分析师]数据分析看中国展览业的数字化应用发展
作为现代服务业的重要组成部分,中国展览业的运行状态和发展趋势不但与国家经济转型密切相关,更对国家经济的创新驱动转型有着重要意义. 本文通过对以2017年采集统计到的全国32个省.自治区和直辖市,以及香 ...
- 【数据分析师_01_学前】002_数据分析师职业发展路径
数据分析师职业发展路径 1.明确问题 Business Understanding(洞见,领头羊)(管理岗) 2.抓取数据 Data Acquisition(15k初学者) 3.数据清理 Data C ...
- 大数据未来应用的五大发展方向
大数据已不再只是一个流行术语.调研机构Forrester公司的研究人员发现,在2016年,将近40%的企业正在实施和扩展大数据技术的应用,另外30%的企业计划在未来一年内采用大数据. 同样,来自New ...
- 浅析数据分析师的职业发展
最近常常看到关于数据分析师职业发展瓶颈的讨论,观点不一,众说纷纭."要不要选数据分析岗?"."数据分析未来的发展通道是什么?"这类问题也会经常被问到.今天我们就 ...
- 数据分析师的基本素质
数据分析师的基本素质 Mr.林看到小白斗志昂扬的样子非常高兴:别光说不做啊,要成为一名优秀的数据分析 师,并非一件容易的事.虽然所学的专业与数据分析不相关,但你可以通过工作中的实践学习数据分析,需要付 ...
最新文章
- C# Trim 的使用
- 第二课.进一步熟悉Linux
- python 打包exe出现RuntimeError: Could not find the matplotlib data files 的解决方法
- php dom手册,DOM 元素 - JavaScript中文参考手册 - php中文网手册
- 输入输出挂,手动扩栈。
- git修改commit注释_【Slog】Git之多人同feature的同分支开发
- Android数据存储——SharedPreferences
- django和mysql
- MATLAB 数据拟合方法
- 怎么远程传输大文件?
- css3D旋转立方体
- 欢迎使用CSDN-markdown编辑器大范甘迪
- Windows Server 2012 R2 Backup 裸机恢复
- 计算机信息管理基础考试试题及答案,计算机信息管理基础复习题A及答案
- 互联网产品运营管理知识一网打尽
- paired-end reads的拼接
- 囚徒困境(进化优化算法)
- 如何获客:3招做好触客营销实现高效获
- 神经痛分类图片大全,神经病理性疼痛分类
- php正则匹配汉字!
热门文章
- linux 安装mysql客户端
- bing查询参数PC
- 机器视觉丨LED点光源的检测范围和打光案例
- python学习005-----%d的各种用法
- java程序shell脚本制作
- NeurIPS 2022 | FCOS-LiDAR:全卷积单阶段3D目标检测(沈春华团队)
- 怎么查看电脑是不是禁ping_Win7如何查看电脑上网情况?教你使用Ping命令查看
- [230]连接Redis后执行命令错误 MISCONF Redis is configured to save RDB snapshots
- 禁用计算机的某一端口,win10系统设置防火墙以禁止其他主机访问本机某端口的处理教程...
- linux d path失败返回,linux – elasticsearch systemd服务失败