最近幾年，大數(shù)據(jù)行業(yè)的迅猛發(fā)展帶動了數(shù)據(jù)分析師需求量的增加。數(shù)據(jù)分析師迅速成為了求職市場上的香饃饃。

造成一些圈外人認(rèn)為數(shù)據(jù)分析就是企業(yè)的靈丹妙藥，通過數(shù)據(jù)分析能解決一切問題。產(chǎn)品改版，營銷策略，市場定位，戰(zhàn)略決策，哪一項(xiàng)不需要數(shù)據(jù)分析。連戰(zhàn)略決策都要靠分析師，能不重要么?

但理想很豐滿，現(xiàn)實(shí)很骨感。真正做過數(shù)據(jù)分析的同學(xué)一定能體會到，同其他行業(yè)一樣，分析師在工作中會遇到各種的窘境，導(dǎo)致自己寸步難行，郁悶迷茫。其中有些問題甚至難以改變。

[[346308]]

手里沒有數(shù)據(jù)

很多人很奇怪，數(shù)據(jù)分析師怎么可能沒數(shù)據(jù)呢?全公司的數(shù)據(jù)都在這個部門啊。實(shí)際情況可真不是這樣

沒有數(shù)據(jù)主要有三個原因：

一是公司數(shù)據(jù)體系不健全，缺失很多關(guān)鍵數(shù)據(jù)。比如某些互聯(lián)網(wǎng)行業(yè)公司，埋點(diǎn)系統(tǒng)有缺陷，很多關(guān)鍵數(shù)據(jù)抓不到;又比如某些傳統(tǒng)行業(yè)公司，由于內(nèi)部系統(tǒng)斷層，造成數(shù)據(jù)孤島。我就經(jīng)歷過一家公司，CRM系統(tǒng)、財(cái)務(wù)系統(tǒng)、業(yè)務(wù)系統(tǒng)各自一灘，數(shù)據(jù)沒有打通，沒有形成數(shù)據(jù)鏈條，根本沒有辦法串聯(lián)起來做分析。

針對這種情況，數(shù)據(jù)分析師首先要正視現(xiàn)狀。數(shù)據(jù)體系建設(shè)，內(nèi)部系統(tǒng)打通向來是公司的大難題，需要投入大量的資源才能有明顯的改善。不要指望很快完成。二是在數(shù)據(jù)有限的情況下，還是要盡量的提供分析價(jià)值，這也是區(qū)別分析師段位的地方(你想想，如果所有的數(shù)據(jù)全到位的的情況，分析師的價(jià)值就弱化了)。同時能夠清晰說明，由于數(shù)據(jù)的缺陷導(dǎo)致哪些分析陷入瓶頸。通過有效的反應(yīng)，推動底層數(shù)據(jù)逐步完善。

二是組織結(jié)構(gòu)問題，數(shù)據(jù)散落在不同的業(yè)務(wù)部門手中。業(yè)務(wù)部門不愿意合作，不提供數(shù)據(jù)。這種問題分兩種情況處理。如果分析師在公司層面的分析團(tuán)隊(duì)，還是要靠公司層面去建立統(tǒng)一的底層數(shù)據(jù)平臺;如果分析師在業(yè)務(wù)團(tuán)隊(duì)，則需要通過部門之間的配合來解決這個問題，在局部范圍做數(shù)據(jù)共享。

三是沒有數(shù)據(jù)工程團(tuán)隊(duì)支持，分析師團(tuán)隊(duì)的底層數(shù)據(jù)建設(shè)不完善。這種情況，最好的辦法就是組建支持分析師團(tuán)隊(duì)的工程團(tuán)隊(duì)。術(shù)業(yè)有專攻，分析師和工程師這兩個工種還是有區(qū)別的。僅從使用的工具方面來說，分析師擅長的是SQL，Python，Excel，BI;工程師擅長的是Hadoop各種組件。所以說專門支持分析師團(tuán)隊(duì)的工程人員還是很有必要的。關(guān)于這個團(tuán)隊(duì)的規(guī)模，可視具體情況而定。最不濟(jì)的情況，分析師就自身提高能力，承擔(dān)數(shù)據(jù)工程建設(shè)任務(wù)，這對于分析師自身的發(fā)展也是一件好事。

分析的結(jié)果，業(yè)務(wù)不買賬

這也是常遇到的問題。分析師費(fèi)好大勁做的分析結(jié)果，業(yè)務(wù)卻不買賬。要不覺得分析結(jié)論都是大家知道的常識，沒有任何建設(shè)性意見;要不覺得分析結(jié)論違背常識，分析師只是紙上談兵，根本不懂業(yè)務(wù)。

造成這種情況，主要有兩個原因，一是分析師確實(shí)不懂業(yè)務(wù)，只是對著數(shù)據(jù)做各種計(jì)算。不懂業(yè)務(wù)，就難以判斷手里的數(shù)據(jù)是否能夠分析問題。并且對于分析結(jié)論沒有判斷力。好不容易找到數(shù)據(jù)，拿到數(shù)據(jù)就用，由于對業(yè)務(wù)不理解，導(dǎo)致對錯誤結(jié)論不敏感，這也是在給自己挖坑。最好的辦法，就是和業(yè)務(wù)“混熟”。先把自己定位為服務(wù)，而不是管理。服務(wù)前先學(xué)習(xí)，學(xué)習(xí)也是為了更好的服務(wù)

第二是雖然懂業(yè)務(wù)，分析結(jié)論也還不錯，但由于展示方式有問題，導(dǎo)致對于業(yè)務(wù)的影響力不夠。比如分析出廣東省銷售額不好的主要原因在于沒有標(biāo)桿企業(yè)。但對于這個結(jié)論的論證邏輯不夠清晰，展示不夠醒目，給人一種不疼不癢的感覺，這就很難推動業(yè)務(wù)做出動作。這就涉及到了另一個問題，有結(jié)論但并沒有把結(jié)果”曬“出來。雖然我不贊成PPT文化，但有效的利用PPT把結(jié)論展示出來，確實(shí)也是區(qū)分?jǐn)?shù)據(jù)分析師的段位的一個標(biāo)準(zhǔn)。

職業(yè)發(fā)展受限

分析師的另一個窘境就是職業(yè)發(fā)展。雖然現(xiàn)在數(shù)據(jù)分析師這個職業(yè)很火，各公司都在招聘數(shù)據(jù)分析師，且薪酬不菲。但數(shù)據(jù)分析師是一個典型的入門容易精進(jìn)難的職業(yè)。所以長江后浪推前浪的感覺很強(qiáng)，35歲危機(jī)感也會存在，尤其是在互聯(lián)網(wǎng)行業(yè)。這里有兩個建議，第一是技術(shù)和業(yè)務(wù)兩手都要抓，哪門都不要荒廢。分析師基本的工具，Excel，SQL，Python，BI要熟練掌握，這是一個保障。

當(dāng)然如果對于Hadoop和算法有涉獵，就可以做為加分項(xiàng)了。業(yè)務(wù)要精通，不懂業(yè)務(wù)的分析師一定不是好的分析師。并且對于業(yè)務(wù)的掌握盡量全面。比如從業(yè)務(wù)場景分為為B端業(yè)務(wù)，C端業(yè)務(wù)，從分析模型角度看，比如AARRR，RFM等等。

另一個建議是在一個行業(yè)深耕，做這個行業(yè)的數(shù)據(jù)專家。比如金融行業(yè)，K12行業(yè)，視頻行業(yè)。做這個行業(yè)中最懂?dāng)?shù)據(jù)的，做數(shù)據(jù)中最懂這個行業(yè)的。兩方面的雙重加成會讓路走的更遠(yuǎn)。