如何做好數據分析師的職業規劃？

01-05

數據分析作為最近火熱的細分行業，越來越受到大家的關注。但最近和一些數據分析師溝通時，大家都對自己的未來發展感到有些困惑。除了一路從初級數據分析師做到高級，最終走向團隊管理外，未來數據分析師還有哪些職業成長空間，又需要提前做哪些方面的準備呢？希望大家能夠結合自己的經驗，給出好的建議和需要做的準備。

謝邀。

拋磚引玉，強答一發。

這個問題不簡單，首先不同行業差別會很大，其次隨著行業的發展，變化也會很大。

真要認真討論起來的話，能說一整天。

團隊管理這方面，其實是相對比較明確的，因為這方面數據分析師跟別的行業是想通的，如何給團隊成員提供支持，如何給團隊成員提供成長空間，如何解決合作的關係，如何增長團隊等等。

而數據分析師本身（即不考慮團隊管理這個維度）的成長空間，相對沒那麼明確，但是有很多可以做的。

以互聯網行業為例，稍微總結一下是這麼幾個方面，權作拋磚引玉。

一、如何通過數據分析尋找新的方向，並且影響業務/產品

大到一個公司，小到一個產品，都會有很多可以做的方向。具體哪些方向對公司的發展更有推動作用，不同人有不同的看法。比如知乎重度用戶可能會覺得需要解決時間線排序的問題，怎麼讓自己的答案能夠讓更多的人看到，或者答題編輯器實在是不好用，需要很大的改進。而對於絕大多數用戶來說，可能從來都沒有用過答題編輯器。

這些決定有時候可能是產品經理決定的，提出了某個需求。也有可能是工程師決定的，有技術任性。也有可能是設計師決定的，哪些設計應該怎麼改。而數據分析可以提供的獨一無二的價值在於，如何從統計意義找出問題所在，哪些是 90% 的用戶都會遇到的問題，哪些是 1% 的用戶才會遇到的問題，這些問題對產品短期、長期的發展又會有什麼樣的影響。

通過數據找出這些方向是第一步，接下來需要考慮如何落地，影響業務/產品，產生切實的改變。

二、改變之後，如何決定好壞

這幾年來，做 A/B 測試可能對大多數數據分析師都不陌生了。這裡面具體統計、技術細節是其中一部分，的確是需要解決的，但並不是真正難點所在。比如如何計算 p value，置信區間、實驗時長等等，都有很多可以參考的。更大的難點在於需要衡量哪些指標，又如何分析。比如改變時間線排序的演算法之後，10 萬粉以上大 V 的贊數減少了，10 萬粉以下大 V 的贊數增加了，用戶總體使用時長增加了，廣告減少了，到底哪個重要？

再或者，產品做了某個改變，A/B 測試結果發現，總回答數少了，但是贊數增加了，這是好還是壞？如此種種，都不是簡單的讀一下 A/B 測試的結果就能做出結果的，需要長期、深入的數據分析，不斷嘗試，不斷迭代。

三、如何給產品定目標

給產品找到重要的發展方向，也能決定好壞，那麼如何衡量中長期的效果。各種融資新聞或者財報里可以發現，很多產品都會說日活用戶有多少，比如 muscia.ly 出售給今日頭條，會說前者的日活是多少；知乎 D 輪融資，會說日活多少；騰訊出財報，也會說日活多少。那麼對於不同的產品，衡量中長期目標很可能是不一樣的。比如說，滴滴 app 的日活用戶可能不是一個特別好的指標，更恰當的可能是有多少人真正打車了。再具體到再細一點的產品，或者在不同的發展階段，這些可能又是不一樣的。

四、如何從技術角度更好的解決問題

說到技術，不一定非得是需要做得多麼高深，更多的是針對需求如何有效的解決問題。

在數據量比較小的時候，需要考慮的是如何保證數據的可靠性、真實性。

在數據量大、複雜的時候，需要考慮如何快速的提取數據。

在產品、業務方面對數據需要比較多比較雜的時候，需要考慮如何把一些簡單的需求自動化，比如自動生成報表，或者把稍複雜的需求做成簡單一點，讓不是數據分析出身的人也能方便提取的，從而讓數據分析師從日常的繁瑣工作解放出來，把時間和精力投放到更重要的領域。

五、如何增加影響力

這個維度跟團隊管理會有一些重合，但又是不太一樣的。團隊管理方面，增加影響力可以通過給團隊成員提供支持，讓大家幹活更有效率；或者擴展團隊；或者找到更重要的方向。

對於個人來說，上面這幾點有些適用有些不適合，比如說找到更重要的方向，仍然是適用的。

一些別的方面包括如何把自己的能力傳授給公司新人，如何更有效的協調不同組之間的活，如何推動數據分析這一職能在公司的定位等等。

總體來說，數據分析這一職業，尤其是在互聯網相關行業，還處在一個不斷變化不斷發展的階段。通常來說，大部分公司都能認識到產品和工程師的重要性，並且體現在各個方面；而對於數據分析來說，至少大一點的公司都能認識到它的重要性，但具體能發揮什麼樣的作用、如何發揮這些作用、跟不同的部門之間如何合作，都還算在一個不斷探索向前的階段。

對於個人來說也是如此，有點摸著石頭過河的感覺，兩年前的需求跟現在可能就很不一樣，可以想像，兩年之後的需求跟現在相比，也可能會有很大的變化。不過總體來說，多多考慮數據分析如何助力、引導、決定產品/業務的發展，暫時來看是個大概正確的方向。

這一篇寫給已經是數據分析師的你

對於任何一個行業的從業人員來說，都存在職業路徑的問題，畢竟任何一個行業的從業人員都是金字塔式的，初級的人員最多，越能夠到頂層的人越少。這時，職場中的你就必須了解自己所從事的行業經驗，允許自己未來有何種職業的發展，對於數據分析師來說，也是如此。作為一個一直在數據分析行業中工作的職場人士，

我總結數據分析師未來可以的有以下四種發展路線：

繼續從事數據分析工作，進而帶團隊，成為一名管理者。

走這條路線是最簡單也是最艱難的一條路。說它簡單是因為走這條路線比較單純，你只需要在做好當前本職工作的同時，多培養自己管理方面的技能，然後等待機會即可；說它難，是因為這條路走起來真的是千軍萬馬過獨木橋，有的時候甚至要按資排輩。究其原因，主要是因為公司往往比較喜歡內部提拔管理者，而往往走到管理崗位的人都不太願意換工作，所以熬著等位置就成為必然了。 當然，如果你能夠從零搭建一隻團隊就另當它說；

數據諮詢顧問

諮詢行業雖然辛苦，但薪資很高，出行西裝革履、飛機酒店的也比較有檔次。諮詢行業作為一種服務輸出型的行業，其對於數據的要求還是很高的，這就以為著機會本身也很多。所以如果你帶有數據分析和行業背景的經驗，很多諮詢公司是願意敞開大門的。如果你想要未來進入諮詢行業，那麼除了對行業和數據分析比較了解外，還需要做好其它的一些準備：比如PPT的編寫能力、良好的溝通能力、編寫文檔的能力、彙報能力等。畢竟一個諮詢項目，最出彩的部分還是在提交的文檔和給領導的彙報中。如果你缺少這樣的軟實力，那麼你在諮詢行業只能作為一個螺絲釘。在逆水行舟，不進則退的諮詢行業，穩步不前是非常危險的；

進入業務部門，成為一名業務專家/總經理。

很多時候，一些業務部門的專家需要有很強的數據分析意識甚至是動手能力。特別是運營、銷售、督查等可以通過數據分析產生巨大價值的部門。而作為數據分析師出身的你，先天具備有這樣的優勢。如果後續能夠加強對公司業務的了解，並培養自己的業務能力，那麼轉入業務部門無疑能讓你產生巨大的價值。

成為公司的首席增長官乃至於COO。這是一條最好的路，也是一條最難的路。因為要走上這條路，除了需要機遇外，還需要你同時具備以上三個發展方向都需要的能力。對數據的敏感，技術的駕馭，業務的了解，溝通演講的能力、人脈關係等等，都是你成為COO不可或缺的能力。

當然，每條路的選擇需要結合你當前的狀態，你自己的意願以及所在公司和行業的特性。最後，不管你選擇了哪條路，都要做好計劃，一步一步的向目標努力。也許你最終沒有能夠達到自己的目標，但沿途的風景也一定不會讓你感到失望。

入門篇

入數據分析這個行業有兩個方向：業務與技術，可以選一個方向入門並逐步深入。

技術方向

專註於如何提高數據採集及運算速度，如何更有效的編寫統計代碼。這個崗位一般適合喜愛做編程開發的同學，供職於各企業的IT部數據分析/數據產品/數據倉儲組。需要資料庫，分析語言，建模演算法等開放方面的技能支持。近幾年隨著很多大公司ERP，CRM建設的完成，在BI與大數據方面投入資金加大，使得數據開發的薪資水漲船高，發展值得期待。

業務方向

專註於如何用數據分析問題，如何從提煉出策略彙報給老闆。這個崗位一般在市場部/運營部/戰略發展部，供職於商業分析，數據運營，戰略決策等崗位。需要懂得市場營銷/運營的理論，對數據技術，數據來源有一定認識，有較強的邏輯能力，還得有一些業務實戰經驗。業務分析更適合有一定經驗積累的老鳥進階，新人直接走業務方向，容易論為表哥表姐。但術業有專攻，兩邊都會有最高境界，但大部分人起步還是要有個方向的。

總結：零基礎的新人建議從技術方向入手，起薪高，容易入職。有一定工作經驗的可以考慮業務方向，畢竟程序猿不是一個一輩子的工作，技術+業務才能混管理拿高薪。

向上篇（公司層面）

1、技能上成為專家，職能上成為部門領導

2、成為各業務部門的好搭檔助攻

怎麼做？

首先本身自己技術過硬就不說了，還要具備管理能力，帶好團隊，這是你披荊斬棘的好戰友。核心——項目制，高層溝通，業務部門溝通，創造新數據產品！

手上有一堆項目成果是成為數據分析部門leader的必備條件，因為有獨立項目經驗，述職時才有談資，跳槽面試時才能在脫穎而出。

把自己的工作產品化，從常規工作中打造出產品。數據產品是數據工作價值的直觀體現，能被業務拿來用，能受到業務部門認同。在積極配和其他部門參與到重大的項目，提供產品/工具（而不是虛頭巴腦的人肉報表）支持，能很好的顯示成績。

和高層溝通，從上至下，推動數據分析工作並得到老闆重視，不過這往往是最難的。這裡提供一些推進的建議：多關注企業的痛點，對於那些高品、剛需的痛點，首先要去滿足；嘗試用數據分析的過程去優化管理決策學會告訴老闆數據分析帶給企業的效益；細節著手，潛移默化地培養領導和老闆的數據化意識。

向上篇（行業層面）

站在行業層面，還是有很多機遇的。隨著近幾年企業對數據管理意識的重視，一些傳統企業也在推動數據化轉型，去一些有價值有潛力的傳統行業做數據工作也不失為好機會。

又或者你自己成為這個行業的推動者，比如像 @空白白白白所說，成為諮詢顧問，幫助企業做數據治理，輔助並指導企業的數字化轉型，提供知識體系搭建的過程。進而也可以成為職業培訓師，為企業提供從體系化解決方案到數據人才培養的綜合服務，兩者都是高薪的好渠道。

其他想得更大一些，可以混管理圈，尤其是傳統行業，期待遇到認同數據價值的伯樂老闆，邀請你當COO吧。

最後，大多數企業並沒有給數據人設置特定的崗位和職業晉陞通道，有些崗位有些價值需要自己開拓，不給自己設限。

-----------------

最後，借路打個廣告！

我們最近辦了一場Live ——「如何成為企業需要的數據分析人才？」，教大家審時度勢，如何藉助企業數據變革的機遇，找到屬於自己的位置。

大家可私信小編，小編會免費給有誠意聽課的同學奉上「live禮券」！

我談下自己的個人看法。數據分析師有兩種方向，一種是偏業務的，稱之為業務數據分析師或商業數據分析師，另一種是偏技術的，比如大數據工程師、數據挖掘工程師等。前者從初級入門到中級、高級、資深、專家，最終的方向可定位於公司諮詢顧問。後者的最終定位可以是大數據VP等。