数据分析师如何构建自己的网气 IP

Posted 2021-03-19 zwt20120701

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据分析师如何构建自己的网气 IP相关的知识，希望对你有一定的参考价值。

说明：以下经验来自爱数圈老大邓凯的2019年年会分享，总结的很好。很多地方深有共鸣，保留下来也借以时刻提醒自己前行的路上不要走偏。

12月28日，咱们圈子在上海举行了一次年底聚会，有山西来的、有厦门来的，还有一些杭州、江苏来的小伙伴，本来聚会后本想请外地的圈友一起来吃饭，结果小雪忘记了是哪些人，所以只通知了几个外地的小伙伴，这里非常感谢大家的信任和支持。

聚会结束后，也邀请了现场帮忙的圈友们一起吃了饭，又畅聊了一番，大家纷纷表示与我结缘的故事，让我很有成就感，所以当天又喝了几杯（连续三天喝），我们就是这么一伙人在一起做了一些行业鲜为人知的事情（让人人都成为数据分析师）

2020年我要把我们的口号：让人人都成为数据分析师改为让让人人都懂数据分析，为什么？

以下本来是我本次上海聚会要说的几个事情，但无奈时间太紧，我故意把自己排在最后一位，怕我收不住，去年北京我开始就是2个小时....

我先说自己的观点：

1、数据分析并非红利期

2、认清形势比认清自己更重要

3、让自己变的有价值，构建护城河

4、未来数据分析师的几大趋势

其实这是第一部分，我叫行业的发展趋势（其实我第一部分都没讲完），所以我写出来写第一部分，还有第二部分逆境中升职加薪，我先来说说第一部分：

数据分析并非红利期

先说说什么是红利，这里说的红利是对个人而言，换而言之就是如果是个人红利期，那么我们可以轻松、靠个人能力赚到更多的财富一方面是工作带来的财务、另一方面是业余财富

个人红利有2个核心的特点：第一行业的发展趋势或者规模很大，由数据来看就是增长率一直高速上升（市场规模一直往前冲），第二个是在这个环境下个人能不能独立战斗创造收入

举个例子，在早些年，互联网高速发展时代（符合第一个特点），很多个人站的站长依靠自己的实力，注意这里说的是一个人不是一个团队，实现了财务自由（符合第二个特点）

1、做个网站有了流量最后卖掉

2、帮别人开发网站赚钱

3、有流量后接广告为生

4、域名买卖

等等，那个时代，对个人来讲，绝对是红利期，就看你要不要做，用没用心去做，职场的钱用来生存，业余收入用来消费，再比如移动互联网时代、自媒体时代不都符合这个特点吗？

那我们的ABC时代符合这个特点吗？

ABC时代是指：人工智能(AI)、大数据(Big Data)、云计算(Cloud Computing)三个词语的英文首字母缩写

那这些符合这样的特点吗？假如都是高速增长，符合第一特点，那第二特点符合吗？显然不符合

AI是一个人能做的吗？做不了，你可以解决场景、可以解决技术和算法，但个人很难解决数据的问题，海量数据需要人工进行标注的，财力物力上你做不起

云计算呢？光服务器、宽带、数据中心的建设成本都是一个人难以承受的

大数据呢？也不是，我们在大数据的浪潮中学会的只是数据建设或者分析的技能，但你有数据吗？你可以通过爬虫得到，但看得见的数据就是有价值的吗？

这里提一下数据运营和运营数据的区别，数据运营是用数据来指导运营，运营数据就是用数据卖钱，这类机构在大数据浪潮下赚的盆盆香

所以ABC时代都不是个人红利，慎重选择成为专业数据分析师

有人会说，那我到底要学？这就是我接下来要说的第二个观点：

认清形势比认清自己更重要

大数据时代人们很大的转变不是数据而是决策方式的变化，以前老板要做一件事情，是下面一级一级的向上传达，一级一级的汇报，就好比古代的皇帝一样，下面说自己苦，上面的决策是你们甜，下面甜，上面的决策是苦，这种决策方式的失误率太大了。

从执行的层面来讲，见效的回流数据太难响应了，在组织里面执行老板的决策难免会受2个因素的影响，一个人人情，一个是利益，康熙微服私访很多人看过吧，赈灾的钱很多，到下面就没了，康熙做了好事情但还背了锅，他自己都百思不得其解，所以去一线采集“数据”去了，发现了一串串令自己都无法现象的事情

虽然大数据时代对个人的红利可能有限，但对于企业来讲价值是很大的，所以很多企业从此走上了数据变革的道路，这是大趋势，当你有一天成为老板时，你会深刻理解，那为什么对企业价值很大呢？

1、决策方式不用以前的层层转述去了解一线了，直接看数据系统出来的结果，是不是立马决策可以立马看到回流效果呢，这也就是国家为啥要做大数据战略的原因之一

2、让组织中的人情、利益的模糊，执行更高效，结果导向

所以我们要站在老板的角度去思考，很容易判断，企业需要的是需要拥有数据分析能力的人才，而不是数据分析师，这才是让自己生存的根本，而不要妄想成为数据分析师就能高枕无忧的活下去，数据分析是技能，数据分析师是职业，这是不同的方向。

所以一定要学习数据分析，但方向不一定是数据分析师，下来我们看看是数据分析师的护城河更高，还是懂数据分析护城河更高？

让自己变的有价值，构建护城河

我判断是不是护城河的指标只有一个：赚钱指数，理论上你拥有了这个能力，无论上班还是自由职业你都有自己的养家糊口的收入，在职场上你可能顺水顺舟，在职外你也是一把利剑。

每一个行业都是自己的生命周期，职场也是一样的，多年前你要裁掉一个程序员，他们很高兴，为啥？职场的红利期

你现在裁掉我，我马上能够找到一个薪资更高的企业，所以那时候程序员不怕，希望你裁掉我，那现在呢？

大部分人怕，还有一部分人不怕，他们拥有很强的可迁移能力，什么是可迁移能力呢？简而言之就是生存能力，干程序员我可以继续干，干产品经理我也能干，干数据分析我也能干，干市场我也能干....

那我们回到数据分析师这个行业，其实数据分析师也有红利期，我们想一想垃圾为什么要分类？是为了更好的回收利用减少资源浪费，变废为宝，更重要的是垃圾的二次污染太严重了，那高速增长的互联网、移动互联网同样创造了很多的数据垃圾，这时候就需要处理这些“数据垃圾”

一种人负责处理垃圾

比如：数据开发工程师、大数据开发、数据库工程师、数据架构师等等

一种人负责变废为宝

数据分析师、战略分析师、商业分析师、业务分析师、算法工程师等等

而这两种人的产生导致了要掌握不同的技能，负责垃圾处理的更多是技术方向，做效率的事情，所以企业内部诞生了很多数据产品，这部分人会随着产品、技术的成熟度慢慢消失掉一部分，其实已经开始消失了

那负责变废为宝的是不是好一点呢？非也

我们都知道第二类人的核心是以业务为出发点，但是我们的存在却常常与业务在肉搏，老板没有一个指标来衡量分析师的价值，很多的分析都是以解决业务为核心，很多人忽略了企业生存衡量的标准：利润

比如我们常常做流失率预警、活跃用户分析，却无法得知这些分析对利润来讲到底影响程度如何？只是觉得存在相关关系，而无法解决他们之间的因果关系

那数据分析师有职场瓶颈期吗？有，而且很大

程序员可以走向CTO，市场运营可以走向COO、会计可以走向CFO，那数据分析师走向什么O？好些除了几大互联网公司有数据分析的O，其他公司根本没有，天花板就是数据分析的负责人，之后你也没有了方向，反正我身边10年左右的不是管理岗，就是转了业务岗、还有一些自己做小项目的

其实数据分析师也有O，请不要用拼音读出来，叫c a o！首席分析官(Chief Analyse Officer)。

既然有瓶颈，那护城河的建设对我们至关重要，因此我们要站在企业生存的角度建立自己的护城河：

1、一切分析结果要有衡量的标准，试着从财务的角度去贯穿整个业务分析的框架和视角，让你的分析变的可衡量

2、想老板所想，不仅仅是专注产品或者市场，而是要从广度上去理解数据分析应用的价值，做好跨领域的知识储备，成为多领域人才

3、学会主动寻找问题，其实大部分分析师都是业务引领，业务提出问题，我们分析问题，能力更多的体现在分析问题方向，从而丧失了一定的主动性，要从三个方向学会寻找问题：1、重要性；2、紧急性；3、趋势性

4、掌握职场通用技能，比如沟通、需求分析、协作管理等，让自己成为战斗机中的王牌，啥都能干，什么都不惧

题外话，职业进阶的认识和能力储备是为了升职加薪，但还有另外一个能力，叫业余能力，比如运营一个自己的公众号，建立私域，厚积薄发，建立自己的圈子，增强人脉，树立自己的IP，提高身价等等，都值得大家去做，而且建议先做！

未来数据分析师的几大趋势

从以上的分享和解读中想必你也有所体会，有几大趋势势在必行，我独胆说几点：

1、职场化：

不要为了成为数据分析师而过度努力，而是要学会用数据分析的技能去解决、寻找问题。这也是我2020年我要把我们的口号：让人人都成为数据分析师改为让让人人都懂数据分析的原因

2、智能化

始终记住，工具和产品最终的目的是为了解决效率问题。太技术的分析师会慢慢被自己的所做出来的产品干掉，从人工整理数据、工具整理、产品整理慢慢会向智能的方向去发展

3、多元化

以前多数数据分析师在信息部，现在也是，难免和各个业务线出现肉搏的现象，称之为中心化的后遗症，以后分析师将向各个业务线去转变，那对我们自己的要求会更高，你不在是一位专业分析师，而是成为善于用数据分析的人才。

4、理性化

不要过度相信定量分析，要善于融合定性分析去解决为什么的问题。

定量分析更多解决2类问题

问题1：程度和多少：HOW muchmany

问题2：细分认知（who、which、when、where）

而不能解决WHY、HOW的问题，这就是大多数分析师都集中在描述问题的原因

5、老板化

我们之前做的分析更多是TO C的分析，也要做好TO B分析框架的思考，毕竟2019年很多投资走向了企业服务，另外一个很大的好处是，你懂的了TO B的分析框架，你也就深刻理解老板心中的分析师到底什么样子，不是吗？

6、财富化

做一行爱一行，没有错，把兴趣做成职业经理人是多数人的方向，只有少数人把兴趣做成了事业，让自己尝试走出职业经理人的视角，用自己的兴趣赚外快、赚私房钱。

第一部分就到此结束，相信大家对自己现在的处境有了初步的判断和了解，接下来我分享第二部分，从我们个人生存和发展的角度去看，希望和大家有个交流，分成3个模块（其实上海我第一部分都没讲完）

1、如何找一份数据分析相关的工作

2、制定适合自己的学习计划

3、获得认可

如何找一份数据分析相关的工作

关于职位的描述大致分为2类，技术类、业务类，技术类更偏重的是硬核技能，比如工具使用程度、算法掌握程度、编程能力等，但并不是不要求思维，而是说更侧重硬核而已。

那业务类与技术类相反，更看重个人的软实力，比如思维、方法论、沟通、自我管理等，同样并不是不要求技术、工具、算法，而是这些可以作为你面试时的加分项

站在用人的角度肯定希望找最好的那个，能文能武

那从一个人的求职流程来看，首先准备一份简历，其次投递简历，最后冲过层层障碍

投递简历阶段称为需求匹配，其实和做数据分析一样，要清楚用人企业的职位需求是什么，你才能更好的梳理自己的简历，比如招业务分析师，那么你的简历就要侧重你做的一些项目，而非工具类技能的炫技

例如经常看到一个面试偏业务的分析师简历上写

通过python的pandans对数据进行清洗、统计

通过tableau、PBI 对数据进程呈现

通过聚类、回归对市场用户进行分类、预测

太虚了！你没有抓住核心的需求，一般来讲，业务侧重的不会过分要求工具，更不希望你写通过什么工具完成了什么项目，而更想看到的是：

1、你独立做过什么分析项目

2、你做过的这些项目能否给企业带来一些思考或创新

3、你是如何开展和完成的

对吧，那这时候你要能拿出一份报告或者对目标企业的业务梳理一套分析框架是不是成功率更大？带着自己的认识和成果去，我想企业不会排挤你，而是觉得你很用心，这类人很难得，都喜欢这类人，然而90%的人都是纸上谈，一方面解决你没经验的问题，另一方面让企业看到你的思维框架和认知，一箭双雕。

那技术类的呢？有一个自己的博客，比如CSDN、GitHub、公号等有一些自己的代码、工具操作的展示会不会更接地气？

又或者你参加一些比赛，拿名次更好，没拿的话也能从一定程度上体现你的技术能力，至少你敢于挑战。

我的第一份工作是靠大学、专业，我的第二份工作靠的是博客，我的第三份工作靠的是微博，换句话讲，我只有第一份工作是自己投简历，其他的都是被挖的，企业找我要简历，他们为什么挖我？是网气>能力

这是一个海量信息、高压的时代，常言道，酒香也怕巷子深，以前我们应聘靠经验、靠学历、靠学校知名度，但现在其实不是，靠网气、靠行业人脉、靠实力，要有思维的转变，这很重要。

所以没有找到工作不是你没有能力，而是我们的方式不对，要有主动的方式和态度，不能大海钓鱼，一定要做好岗位的需求分析，做到千岗千面。

制定适合自己的学习计划

关于学习，我想说的是一定要一群人一起学，有人会说，数据分析入门很简单，我一个人网上找些资料、买点课程就可以，其实你错了，你做的更多是输入，但你输出的地方有那些呢？一群人学习可以交流，交流中可以结识好友，人脉比学习更重要，你自己可以走的快，但你绝对走不远。

要做好学习计划，首先要对自己有定位，这个定位可以不清晰，但必须要有。

比如你是刚毕业的学习，那你就要看各类招聘信息，锁定自己喜欢的岗位，先搭建自己需要的知识框架，理科生最好深入研究一下算法，选择一种或者多种编程工具，熟练去掌握，开始为成为技术类的分析师去储备，入行后再慢慢去拓展思维、业务。

那相反，文科生一定要选择业务类分析师，工具要求不高、算法知道如何用软件操作、解读，不要浪费太多的时间深入研究编程、算法，得不偿失，先找一个快速有效的学习路径先就业

比如有的人是运营、产品、市场出身，那么你只需要找掌握数据分析的方法体系和一些常用模型的利弊，应用的场景即可，再根据自己接触的数据量和数据结构去选择工具，数据量少excel足以解决，你的重心就是数据如何能够指导你的运营，如何建立有效的运营分析体系，如何落实到自己的运营中，而不是纠结具体的算法，去来回折腾那些python、R的代码，你根本用不上。

再如果你是程序员，一直折腾数据，与数据打交道，但一直处在数据采集、ETL、表帝时代，那你注重要学的就是方法论和麦肯锡的那些思维方式，这样有助于你更深层次的理解数据，理解这些数据对业务将带来什么帮助。

其次学习路径一定要有

一定要清楚先学什么再学什么，有些课可以并行学习，比如工具类，但有的课程一定不能并行，也不能颠倒顺序，学分析师不是上来就学工具的，你以为学了SQL就是分析师，你以为学了python就能成为优秀分析师？

有圈子曾经给我学感觉学python很吃力，说自己不会编程，不知道学什么？我就说，你先把如何用excel做好数据分析学好，excel如何做数据的流程搞清楚，再有针对性的对照去学python的功能，事半功倍，你知道你要学什么，而不是像以前不一样盲学

这是之前对外做的路径，所以大家按照咱们圈子的路径就对了，有问题随时可以找我们交流

技术图片

最后，学习不是纯输入，一定要有输出

如果你在职场，你就主动去承担一些有意思，大众化的分析，尝试建立分析体系，组建交叉部门的团队来一起完成一些专题，我相信老板会很喜欢你，要相信付出肯定有回报，站在领导的层面，他们都喜欢爱折腾，有想法的员工。

变被动为主动，职场的存在感都是自己做出来的，而不是刷抖音、微博刷出的

职场外参加一些竞赛，组织一批有兴趣的人一起完成一些有意思的分析，现在的爬虫技术基本能满足你的分析思路，不在乎数据量的多少，更在乎你分析问题的流程和思路，也可以做一些类似新闻数据可视化那种来梳理自己的分析思路，然而这种方式可能无法得到实质性的验证，但我们可以通过网络传播自己的思路，这样看看大家的舆情，其实你也在打击中进步。

我和很多人一样来自农村，父母靠种地为生，上大学前吃肉的次数都可以数清，他们教会我的只有做人，职场上全靠自己，因为上面的做法我从中得到很大的受益，没有捷径，只有坚持。也是我鼓励圈友们用脑图、写作的目的。

获得认可

这里所说的认可一方面是工作认可，另一方面是未来预期的认可，我们努力工作的目的其实是为了自己的成功，成功买房、成功有钱、成功生活，而多数人认为获得领导的认可就是努力，努力工作、努力学习、对不起，努力不等于认可，所以你不要假装自己很努力，但不努力你连认可的资格都没有！

既然努力不是认可，那如何做可以被认可？我从数据分析师做事的流程上来讲，数据分析师最重要的2个能力，需求分析、结果解读，但实际上我们的大部分时间集中在哪？数据整合、处理、探索中，对不对？而恰恰这些是领导看不见、摸不着的，不是吗？

领导知道你加班是为了验证数据准确性吗？

领导知道你加班是做模型调优吗？

领导知道你加班是写ETL代码吗？

他不知道！

那他知道什么?

1、知道你分析的体系够不够全（宏观、中观、微观）？

2、知道你呈现的报告是不是思维结构清晰？

3、知道你解决问题的思维方式是不是经得起推敲？