我的数据分析的职业规划
经常有一些小伙伴开始对数据分析充满了激情，可是做着做着感觉自己很迷茫，开始灵魂拷问：
为什么同样的工作别人的薪水比自己高那么多？
别人的分析都很高大上，为何我老是倒腾数据？
现在出去找工作，能找到好的吗？
到底我适不适合做数据分析师呢？该拥有什么样的技能呢？
带着大家的这些问题，我们一起来交流一下这里面的玄机，希望以下的几个方法给大家一些启示
数据分析是干什么的
一、假如你是一个建筑工人，平时主要负责物料的管控，突然有一天进来一个新的供应商，给你供应了一批砖，你首先要做的就是要判断这批砖有没有偷工减料，对吧？
那如何做呢？首先会想到我要抽查几个砖，看看质量如何？可如何抽查更科学？质量衡量的标准如何界定？判断的减料的标准是什么呢？
那作为分析师你可能要有一个明确的方案：
1、采用随机抽样或者分层抽样，设定科学合理的抽样方式
2、对质量这个词进行量化。从业务角度出发，比如分别从外观、重量、硬度进行评估，对砖的外观进行评分，对砖的重量进行称重，对砖的硬度进行测试评分
3、设定偷工减料的标准，例如对外观评分、重量、硬度分别做分布曲线，如何曲线符合常态的分布，那说明品质没问题，那如何是偏离的曲线分布，那就可能暗示这是一批偷工减料的砖，要提出整改方案，毕竟项目的工期不等人
二、假如你是一个品类的管理负责人，负责着某个平台的产品选品问题，有一天老板告诉你，我们现在的品类太乱了，那你作为负责人是不是要思考如何对品类进行管理运营呢？
相信你第一时间会想到，一些明星产品、爆款我是要保留的，那如何找出这些产品呢？嗯，28理论，转化成分析师的利器就是直方图，也被称为ABC分析
那你拿着这个图是不是能很好的回答老板的问题呢？有时候能，有时候不能，这个分析只是让你找到你们优先保留的产品，不会让品类管理不当造成对公司造成大的损失。
其实还要考虑平台用户的画像和消费行为，对商品的功能进行细分，比如有些商品是为了引流（早上超市鸡蛋便宜，就是让大妈上钩的），有的是为了利润，等等，
三、假如你和我一样，是一名有情怀的数据分析的教育者，你是不是很想知道那类广告的效果最好？
那你的想法就是我每个都试一下，看看到底哪个好？那就需要给出被测试人群的特征与好不好的评判标准
其实就是随机对照试验，让你的营销术语随机出现在学员面前，观察一段时间内效果类指标表现表现比较好的营销术语，这其实就是AB测试
四、假如你是一个平台运营的负责人，你是不是每时每刻都会关注，我们的那个环节会有问题，这个问题是内部因素导致还是外部因素导致？
那其实就是大家常看到的一些漏斗、AAARRR这样的流程界定分析，但切记这不是一个标准的流程，而是贯穿了整体的流程主线路而已。
那其实不管如何，我们都是用数据来解决问题的，如何能够有效的解决问题，那就是好的分析，不在乎行内人所谓的深与浅，看完了数据分析主要干什么，下来我们看看数据分析要学什么？
数据分析要学什么
上面分享了数据分析是什么，相比大家有了一个较为清晰的认识，那就是解决问题，在实战中解决问题分为几种，我觉得很有必要提出来，这对大家对话自己的要学什么很重要
1、自己解决问题
2、帮助别人解决问题
先看第一种，自己解决问题，如果你的主要工作并非数据分析，而是用数据分析来验证、解答你的问题，那其实主要学好数据分析的方法论、基本的统计学、懂excel的基本操作就够了。
心情好可以学点python，但基本的工作环境99%用不到，没有excel那种操作的爽感，高级点的大型企业都有自己的数据平台，你只要理解数据与业务流程的关系即可，建立一套自己的分析体系即可，记住你的本职工作，是业务。
第二种，帮助别人解决问题，大致分为3个方向
1、给别人提供报告，这种很常见，这种对数据分析的要求最高，从问题的定义、界定的标准、数据提取、数据分析、数据呈现都要学，包含行业分析、业务模式、分析工具、呈现方式等，偏技术类的重点就是代码+算法，偏业务的就是思维体系+报告撰写能力。
2、给别人提供工具支持，这个很容易想到吧，就是大家常见的数据产品，这类主要是要增加数据的思维方式，比如如何抓取数据，如何设置埋点，同时还要做一些前端交互的设计
如数据呈现的方式、系统设计的业务逻辑、权限和功能板块的规划等，其实就是将被帮助人的需求转化为详细的技术需求，再跪着去求程序员帮你去开发优化。
3、还有一种是夹缝中生存，帮助别人（分析师、产品）解决问题，主要解决数据的清洗、建模、技术支持等，就有了数据工程师，平时主要是数据的ETL、各类表格的制作提取，还有了数据建模工程师，常年倒腾各类数据模型，评估模型，从而定期优化或者做新的模型，想不想数据分析师中的程序员？这类很多干久了都会开始迷茫，自己到底是干啥的？
这类没有给大家罗列具体要学的知识要点和学习方式，这类资源太多了，相比大家比我更有办法，接下来我们再一起看看职业的规划：
职业的规划
自己解决问题的这类基本都是沿着业务的线路去走，比如业务总监、市场总监、增长总监、COO，毕竟做业务潜力无限，谁让人家的主线是业务，而非数据分析呢？
帮助别人解决问题的这类，太技术的一般都会走向技术总监、算法专家、科学家、CTO、研发专家等。偏业务多一些的基本会走向数据分析专家、数据运营总监、数据咨询专家、战略分析总监等
有人会说，那是不是做到总监或者专家就到头了，这个取决于你，在职场，干什么职位都有塔顶的，而且越往上走越是夹缝生存，拼杀越激烈，但要是不在职场，也可能会被人秒杀，也可能有无限的想象空间。
其实要是在职场做到总监或者专家，生活质量还是不错的，比如大的互联网公司都是50w+,有的会更高，活的还是很不错的（相对大部分从业者而言），这行业的炮灰很多的。
无论如何一般的企业招聘分析师多数以3年为门槛，3年内主要看你的专业背景，3年后主要看你的行业背景，所以要清楚自己的位置和赛道。
先给自己定一个方向和目标去跑，要是怕定不好，那就简单些，先定个年薪50w+，如何跑需要自己好好去思考，跑多快，有什么捷径需要自己慢慢去感悟交流。
最后我们看看这些分析工种之间的技能交集是什么？所谓的交集就是你要做数据分析是必须要学的，不学就等于把自己以后的规划拍死了。这个就不啰嗦了之前的很多文章都说到了，比如这个：今天扮演一下数据分析面试管