作者：接地氣的陳老師

=================================================================================

在企業中，數據分析師們往往分為業務和技術兩大類。兩類能力和工作內容有較大區別，但經常企業在招人的時候都叫：數據分析師。這常使想進門的新人感到困惑。今天，我們就來科普一下業務與技術的那些事。

業務 or 技術

業務類分析師，往往在戰略發展部，市場部，會員中心，銷售部，運營部。根據服務的業務部門的不同，他們也可能叫數據運營，經營分析，會員分析，商業分析師等名字。因為各個業務線具體考慮的問題不同，分析思路與體系均有不同，所以會有這種區別。

他們有個共同的特點：他們主要負責寫PPT而不是寫代碼。他們輸出的是分析報告多於零散的數據。他們的主要工作，包括：整理excel，提供各個業務部門看的常規日周月報；針對領導安排的專項議題（如雙十一促銷、年終規劃、新產品設計）做專題分析；支持領導做需要用到數據的測算、規劃、方案等等。

技術類分析師，往往在IT部、數據中心。根據從事的工作環節不同，他們被分成數據庫工程師，ETL工程師，爬蟲工程師，算法工程師等角色。在小企業，往往一個技術小哥通吃這些流程。在大企業，一個標準的數據中心，一般都有數據倉庫、專題分析、建模分析三個小組來完成數據開發工作，再大的公司，還有專門負責數據治理的小組。

之所以有這個區分，是因為生產數據，需要一個多層次的復雜的數據系統。一個數據系統，需要數據采集、數據集成、數據庫管理、數據算法開發、報表設計幾個環節組合。這樣才能把分散在各處的一點一滴的數據集中起來，計算成常用的指標，展示成各種炫酷的圖表。這裏每一個環節都需要對應的技術支持和人員工作，因此有了不同的崗位。

只要你深入了解數據分析師，就會發現大家講的最多的一句是：最好就是技術業務都精通。這讓很多新人感到很辛苦。為什麽我不能安安靜靜的當一個程序員？為什麽我不能勤勤懇懇寫ppt呢？非要學另一個領域，看起來其他部門的人也不需要這麽多才多藝啊！憑什麽做分析的就這麽辛苦？

實際上，但凡是做數據分析的老鳥們，都知道技術業務雙精通的重要。這是他們無數次面試失敗、加班到哭、要求升職被拒、背了黑鍋寫檢討之後的血淚總結。剛起步的菜鳥們，眼前還是一片空白，當然看不到這些痛楚。

不懂技術，最終淪為誇誇其談的廢柴

鄙視技術的新人，往往來自那些校招順風順水，進了大企業，500強的總部，以為自己馬上要成為商業精英的人。戰略發展部往往是重災區。這些哥們姐們每天西裝革履和各種老板交談，寫的ppt動輒5年規劃全局戰略。一種優越感油然而生：我是跟大老板匯報，那我也是個二老板吧！分析思路才是最重要的！技術都是幹臟活累活的！

如果一直這麽優越下去，他們要麽成為靠著“XX企業出身”名頭混吃騙喝的大忽悠，要麽幹了幾年始終在基層崗位徘徊。確實，分析不需要數據，你看歷史上名臣謀士有幾個搞sql，python的？但那是刀耕火種的農業社會的事。分析之所以要加數據二字，就是因為數據能讓分析更精確。而在移動互聯網時代，數據來源復雜，加工過程多，計算方式日新月異。不了解技術原理，不掌握數據來源，就無法真正掌控數據含義。脫離數據，空談思路，就會讓自己越來越浮誇。無法在職業發展上更上一層樓。

有意思的是，這些大忽悠們往往坑的是技術部門。因為他們有著“XX名企”這樣金光閃閃的頭銜，往往能混進領導層。遇到這種業務部門的領導，技術部門就倒了血黴了。每天聽他瞎吹各種思路，沒有一個能落地的。你問他：“到底這個分析要哪些維度，哪些字段？”人家一句：“這不是技術幹的嗎！”你問他：“你預測這個有什麽分析邏輯？”人家一句：“這不是技術幹的嗎！”最後再追殺一句：“我就是要預測，你們去預測！你看人家網上寫了大數據人工智能就能預測！你不能預測一定是你智能不夠！”

搞笑嗎？一點不搞笑！你要是伺候他的技術部門，每天都是上墳心情去上班，好想活埋了丫的。誇張嗎？一點不誇張，反正陳老師見過，連數據指標對應哪個字段都搞不清楚還在大談特談分析，不理數據采集有什麽難度，張口就要數據的所謂營銷專家。讓人哭笑不得。

好在，這種人只在陳老師剛畢業的時候比較多。那時候BAT還沒有崛起，外企500強才是眾星拱月般的存在。現在隨著BATJ華為等一眾公司熱捧算法工程師，使得風氣扭轉，目前熱捧技術忽視業務的占了上風。

不懂業務，最終排在升職加薪的末尾

鄙視業務的，往往來自剛進入IT部工作沒兩天，抱著：“只要會代碼，工資輕松拿！”錯覺的新人。他們還沒有經歷過一個完整的項目，還沒有自己和業務部門開過會。拿著自己主管派來的任務單，兩耳不聽窗外事，一心只會敲鍵盤。於是搭上泰坦尼克駛向kaggle，早辭波士頓，晚賞鳶尾花，沒事就把拉鉤爬。似乎只要把這些網上人人可以抄的代碼自己抄一遍，下一個小龍哥就是自己了。

然鵝，經歷了無數次加班以後，他們開始發現：“為什麽我們的數據質量這麽爛？”“為什麽我們的數據造假這麽多？”“為什麽關鍵的字段缺東少西？”“為什麽系統這麽糟糕天天老牛破車？”那些在書上的完美案例從來就沒有條件實現。然後小哥們想著肯定是公司小，不規範。跳槽到超牛逼大公司，一定是數據完美，基礎強大。幾經努力跳槽以後，才發現：在大公司，只是一頭老老牛，帶著一群年輕的小牛拉著一輛更大的破車而已，哭。

他們又開始發現： “為什麽業務方給的時間限度這麽短！”“為什麽業務方要這麽異想天開！”“為什麽明明不合理的需求還要擡出老板來壓著我們做！”“為什麽做好了就歸功於業務策劃的好！”“為什麽出了問題就是IT的鍋！”。這時候，他們忽然發現隔壁組的組長是如此的機智。每次和業務方開會，都能以子之矛攻子之盾。把那些不合理的需求殺的體無完膚。他們組從來加班少黑鍋小。大部分做技術的小哥，就是從這一刻開始頓悟懂業務的重要性的。

這種抱怨陳老師聽了很多，這種頓悟陳老師也見了很多。因為我就是那個隔壁的組長。稍後會專門分享數據驅動業務的經典案例，讓大家看看如何從一開始就脫離苦海，跳出大坑。

因為本質上，技術是為業務服務的。技術落地的成功，首先從一份高質量的業務需求開始。不能正確的理解業務需求，不能合理的幫助業務方完善需求，不能有效的規避需求中業務陷阱，就不可能有好的產品開發出來。技術開發的成功，需要資金、人力、時間的投入。如果不能為技術找到好的業務場景，就無法從老板那裏獲得足夠的支持。畢竟大部分企業，做開發是為了掙錢，不是為了燒錢的。而最終考核開發的，也不是你用的技術多麽復雜，而是你對業務有多大幫助。新人們要付出相當的加班辛苦，才能理解到這一層。

業務+技術，至少懂這些

術業有專攻，知識要廣泛，是職業發展的基本準則。特別對數據分析師這樣一個多面手型角色。那麽我們應該了解到什麽程度呢？這裏有個建議：

業務方向分析師：數據采集方式、數據字段格式、指標的計算口徑與更新時間這三個是必須必須知道的。因為這三點涉及到數據真實性與可靠性。沒有數據質量做保證，什麽分析都是空談。對基礎數量越了解，越能從細節中找到思路；算法模型的種類與應用場景是必須了解的。因為這涉及到如何選擇分析方法，如何提升分析質量。具體代碼怎麽寫，弄懂就懂。

技術方向分析師：業務部門分工、職責、流程必須要了解。至少職責清晰，知道自己要對接的人到底是幹什麽。自己對應部門常見的業務需求，如銷售分析、經營分析、促銷分析、商品管理的方法要有所了解。在面對業務部門需求的時候，大概知道他們在想什麽，有什麽套路。幫助自己更好的理解需求，規避需求大坑。

之後，陳老師有更詳細的文章，介紹這裏的細節，希望大家能一起努力，成為文武雙全，升職加薪的數據分析師。

文武雙全！為什麽數據分析師需要既懂業務又懂技術