机遇：内卷下，转行数据分析经验

说得其实太委婉了，数据分析师领域的真正高手，一般不写文章，不出书，不去做演讲，为什么呢？因为，他们组织处理了某些大型企业的核心策略和数字化，并创造了极大的业务价值。他们赚钱来自职场完全足够，不需要额外的利。他们的成就感就是用数字化解决了实际的挑战，不需要额外的名。例如，BI佐罗，其实不算是特别会数据分析的，他只是会讲讲而已，真正如果去深入很多项目，他不一定能行的呢。

所以，请记住：技术根本不是数据分析或数字化过程中最重要的。在方法和思路已经想通的情况下，很多技术可以平行代替。

世界排名第一的商业智能工具在中国举行的可视化大赛，其前三名全部都没有科班背景，尤其是冠军是英语专业，获得商业智能分析可视化大赛冠军；以及最有价值行业奖选手是财务专业；全部榜上获奖人员 80% 都根本不是科班背景，都根本不是程序员。

什么是科班背景？就是在大学四年所学习内容与商业数据分析直接对口。这几乎没有。

来自英语专业的同学转做数据分析后的实践效果：

来自财务专业的同学专做数据分析的效果：

来自销售助理转行数据分析做出的仪表板效果：

以上伙伴背后的故事很有代表意义。

首先，PowerBI可视化大赛的顶级获奖作品选手基本不是程序员。说明：在一个综合性的实际项目中，技术本身，只是一个环节，而很多来自非技术的因素可能占据更大价值。

因此，当您考虑从事商业化的数据分析工作转型时，你并不用担心你不会大数据技术，你的自信应该恰好来自于：自己不是纯技术脑，可以更好地去理解业务，去做沟通，去设计整套数据分析框架。

以商业智能为背景的数据分析师是符合目前的大势的。

大数据，有用。但对于众多的企业来说，因为，大数据太过于技术，用不上。而商业智能已经很多自带了大数据能力，反而脱颖而出，成为真正趋势。

如果你在学习 Excel，那太办公了，毫无竞争力。如果你在学习 SQL，那太技术了，可能会不懂业务。把握这里的分寸，才是精华。

在五年前，一个数据分析师朋友，他对自己的技术非常自信，他精通于 SQL，Python，Tableau，PowerBI，数据库等数据技术，在接到了某付宝体系的一个面试邀请后，去了杭州，他有点担心面试官会问很多某付宝自己的技术，而不会。谁知道面试他的是一位女士，某业务线总负责。很职业的她，开门见山：我并不关心你之前对哪些技术的精通，因为这些技术同学我们有很多；我们也不关心你会不会我们自己的技术，不会也能很快学会。我就问一个问题：对于一套陌生的业务，如何从业务中抽取核心指标体系并根据不同场景构成整套数据分析方案。

他当时一下子懵了，根本和技术一点关系都没有。这个岗位开出了年薪达到100万的高度。而面试官的话，让我们再次明确：技术是为业务服务的，如果不知道怎么把业务体系构成清楚，那么，有好的技术也使不上力气的。

他和我分享了他的故事，他在我们的数据分析师精英课堂上，呐喊：WOW！这是他找了五年的数据分析思维体系：价值驱动树。很可惜，当年并没有这些可以帮助他的资源。

现如今，他已经开始从事数字化咨询业务，利用一堆精通数据技术的伙伴和业务咨询共创能力，为更多企业提供数据分析的定制化方案。

什么是价值驱动树呢？

将企业的大型目标，指标体系化，维度体系化，进而数据化，建立好全映射关系，真正实现面向目标，实现指标驱动。

值得一提的是，由BI佐罗团队创作开发的 Excel BI Pro 就可以构建价值驱动树，如下：

因此，如果你正在考虑用 SQL 或 Power BI 的时候，不妨考虑下这个价值百万的问题，如何将企业目标构成指标体系和维度体系的思维方案。这件事，与用什么技术是没有关系的。

例如，在零售快消行业，你必须得知道：有个核心指标叫连带率，它的定义是什么，它的计算公式是什么，它有什么用途和反应了什么业务问题，在什么场景需要使用。这些问题，没有一个和技术有关。这才是数据分析的真正业务基础。

问题来了，如果我们不是零售快消呢？我们如何面对一个陌生行业或者突如其来的挑战呢？

我们需要一套初始化参考，也就是行业职能的指标大全参考，这个大家可以自己整理下，形成自己的指标智库。我们在为企业做咨询的过程中，整理过，大概可以是这个样子的：

因此，作为业务背景的你，可以按照这样的结构来整理自己的指标体系宝典。每个人都应该有自己的业务指标体系宝典，如果你还没有，你应该拥有它们或者自己按这个格式来进行构建。

回到他的故事，如果他当年在面试时给出这些体系的构建和管理方法，年薪百万啊，不开玩笑啊。

我们常说：99% 的数据分析师认为自己是数据分析师，而根本不会做分析。数据分析师，本质在于：分析。因为数据只是素材，分析才是能力。

还记得她当年花了近两万的学费，业余时间参加了某培训机构的数据分析培训，她学习了 SQL，Python，Excel，Power BI，Tableau 等，而能在小公司用起来的只有 Excel 和 Power BI。还记得她和我总结到：虽然贷款参加数据分析的学习，而且讲得非常表面，没有实用。但毕竟接触了数据分析，并又由于机缘巧合到了正确得地方，学习了正确得模式。这其实就是不甘于只是做一个行政类助理。这似乎也是赌了一把。索性赌对了，虽然她并不知道这个商业智能趋势图。

从小城市到省会城市，正确的学习模式得到得成果，收入从月3k翻倍到月7k。

再从省会城市，积累一年实战，顺利进入魔都，收入从月7k翻倍到月12k。

由于积极主动，探索数据分析更多正确模式的打开，完成百万级数据分析项目，收入从月12k来到月17k。

由于正确合理的规划，学习，实践，整个过程历时3年。

现在，原来的同事还是月3.5k，在家生娃带孩子；而她已经有了完全不同人生模式。

如果你正从事财务，出纳，会计，销售，运营等，虽然你根本不懂复杂的技术，但你可能很聪明，也可能情商很高，其实这些才是数据分析师真正做好的底层关键素质。

随着工业界的发展，工具会变得很厉害。而人性是不变的，作为分析师，理解人性，用更高效的工具在正确的思路方法下就可以创造性地实现所有人认为的不可能。

我们亲历自己的变化；其他伙伴的成长变化；以及业务伙伴在发挥其业务特长后，结合各种资源用超高性价比给企业带来的变化，进而打造了自己的数字化之路。你也可以获得同样的成就，胜出内卷。

经过对以上四大问题的讨论，不难看出客观事实如下：

- 数据分析师高手，往往不是科班出身。说明：技术，不是最重要的。

- 以商业智能为代表的数据分析还是在趋势上，企业缺乏真正的数据分析师，而不是程序员。

- 从年薪百万的面试题，可以看出：数据分析的精华在于业务驱动的分析框架构建，而不是具体的技术和工具。

- 正确的学习路线和长效的投资心态，是构建有效职业生涯的保障。

问题与机遇并存。

- 市面上大多都在分享工具点击的功能点和做出各种技巧的技术流，那么，整套数据分析体系构建的方法在哪里呢？

- 说到分析师，大部分人要学的就是技术，而没有思路的技术是死的，没有灵魂的，那么，数据分析的灵魂在哪里呢？

- 如何从企业目标，老板想法到实实在在的数据分析指标体系构建以及整套落地方案，又该怎么做呢？上述的价值驱动树和指标宝典又该如何构建呢？

- 到底用怎么样的方式才能正确地学习数据分析而不至于让业务伙伴陷入技术坑，陷入计算机专业程序员坑呢？

...

相信每个人都有自己的思考，这些思考可以帮助大家更透彻地理解数据分析。

如果你觉得我们分析得有道理，希望借助我们的思考和总结，站在这些积累上继续前行，欢迎你来我们的精英训练营。

问题也分析了，原因也找到了，那就去解决它们吧。

- 必须有老板思维，必须有经理人思维，而不是技术思维

- 必须可以从业务思维映射到数据思维在到技术实现，且可以被小白业务驾驭

- 必须可以应对百万级以上业务数据挑战

- 必须可以成熟地实现数据获取，数据清理，数据建模，数据分析，图表制作，分析报告，价值解读的复杂广义数据分析

- 必须有一种可以巧妙地庖丁解牛的思路，方法，工具组合

这就是我们不断研究并获得的成果。现在将这些经验和全部秘密分享给有缘之人。

不论是数据分析的老兵还是新人，都应该理解这些问题。

数据分析，尤其是企业数字化建设和其中涉及到的数据分析，它涉及面很广：从老板的需求，领导的需求，同事的配合；到业务的理解，数据的理解，技术的功底；再到工具的使用，流程的设计，规范的制定…

虽然怀着单纯地想做数据分析的朴素想法，但很快就掉进意识不到的坑里，是普遍现状。

要得到真正的帮助，必须具备这样的经验：

而千万不能是 程序员 给 业务 讲 工具和技术，业务会进入到工具和技术的坑里，无法自拔。

这就是找不到合适的课程的本质原因所在。为什么四大咨询公司可以更大概率帮助企业设计整套解决方案，其原因在于：它们满足以上所有条件。而对于我们广大个人来说，我们无法请四大咨询公司来帮助我们，但我们可以有BI佐罗老师。

数据分析师精英之道，核心框架：

单一入口，有清晰的学习路线和方法。其中箭头表示入口和学习的板块以及路线和涉及的内容。

老师，可是，怎么保证我可以学会呢？

好问题，先胜而后求战，给你一个更清楚的框架地图。

虽然你看不太清楚，但能感觉到：

这整体就是一个大的有机系统化思路和套路，可以按照固定的流程和方法做通整套内容。这就够了。至于细节，可以自己来体验了。

为了让你更有体验，来看这个框架：

有没有一种顿时觉得所有业务问题都不再担心的自信感。

大纲都不再保密了，直接给大家参考，让大家信心满满的，从道法术器果五大层面来沉浸式享受这饕餮盛宴。

该大纲具有内在严密的逻辑关系，可以看出之间的联系。

你可能根本不知道自己有多么强大，还记得那些努力的日子，而上天可能根本不眷顾这些。去理解老板，成为他的左膀右臂，在企业推荐数字化进程，从数据分析开始，利用数据时代的红利，用正确而智慧的方法，为自己构建出真正的蓝图，解决了眼前的问题，企业的问题，甚至创造出行业通用问题的解决方案也未尝不可，在我们身边多是这样的朋友，他们都做了一件事：选择从相信开始。当那天来到时，你会感谢自己和数据分析，就像BI佐罗曾感谢多年前的自己，因为相信，所以看见，然后成为。