數據分析師什麼時候能不寫SQL了?
最近因為重新組建團隊,前前後後面了很多人,加上年初的團隊建設,初略算了一下,今年的面試人數已經突破200+。候選人千篇一律的面試簡歷加上戰戰兢兢的面試表現以及語焉不詳的職業規劃,使得大部分時間我都是一邊面試,一邊幫候選人重新梳理career path。在會議室恍惚的時候,也會問自己:BI/數據分析師/數據科學家究竟是不是一個well define的職業賽道?值得為伊消得人憔悴嗎?
國內互聯網公司沒有什麼好的分析土壤,大家跑馬圈地,烈火烹油的日子過慣了,思辨體系都是舶來海外。數據驅動在大部分公司的遭遇是一樣的:大家說的是A,心裡想的是B,做的是C,最後復盤包裝的是D。因此大部分數據分析師的成長環境非常險惡,最終能夠修成正果的寥寥無幾。
在數據剛起步的時候,你會遇到:
- 缺乏標準化的數據
- 業務的數據邏輯關係需要大量時間梳理
- 缺乏足夠的技術人員或者對數據存儲熟悉的同學幫忙寫代碼
- 沒有時間去熟悉業務,很難用簡短語言去概括分析結果
當數據建設告一段落了,問題變成了:
- 在什麼時候成立BI團隊?中心化還是去中心化?
- 數據分析師是不是有足夠的權威?足夠的影響力?
- 業務方是否會主動看數據?怎麼跟業務方怎麼合作?
- 究竟什麼是insight?什麼是impact?怎麼reach?
一切都讓人想起Ben Horowitz的《The hard thing about hard things》:解決這些難題,沒有任何公式和套路可以使用。該踩的坑都會踩的,站起來拍拍土繼續前行就很好。
眼下的環境倘若難以忍受,不如抬眼看看遠方,目力所及可能已經有一些互聯網先鋒企業有所行動,變革朝發夕至,山雨欲來。汽車遲早會替代馬車,馬車夫會去開汽車,重要的是確定自己不是馬。
這次我要為滴滴出行招人了,職位是滴滴出行數據科學部的高級數據分析師/數據科學家,大家不必須從hadoop到spark,也不必須掌握艱深的數學,心理學,哲學,行為經濟學,空氣動力學,甚至不必須從R到python。sql+excel就很好,骨骼驚奇,別的都是皮相。滴滴出行數據科學部歡迎大家
高級數據分析師/數據科學家
- 喜歡的問題是與業務緊密相關,希望通過自己努力直接影響項目成敗。
- 能夠對某些事情或者流程進行優化,或者從頭創造一個東西。
- 對於針對性很強的業務問題,給出的solution涉及到各種商業邏輯的混合,對運行流程的深入思考,以及大量的創造性。
- 對業務邏輯中某個部分的深刻理解,以及對業務過程的縱向深入參與。
- 給業務方輸入,而不是幫業務方輸出
- 數據先於觀點
- 對於數據分析有著超乎尋常的熱愛
懂的人看完我列的能力要求自然就明白了,這是一個極其聚焦的招聘帖子。弱水三千,如果你跟我一樣同樣熱愛數據,熱愛滴滴出行,熱愛無遠弗屆的中國企業出海事業,歡迎你來加我微信或者email聊聊
坐標北京
郵箱:chenhang@didichuxing.com
微信:18810857331
推薦閱讀:
※數據研究所:「妖怪」屬性卡製作手冊——LPL全上單全屬性綜述
※和車品覺聊數據的本質
※Hadoop生態圈:19個讓大象飛起來的工具!
※數據研究番外篇:召喚師峽谷野生生態調查