作为一名曾经的数据分析师，后来也一直瞎倒腾数据的互联网从业者，最近有感于职业生涯的波折，觉得有必要结合自身经历，思考一些问题并期待同行讨论
履历背景：
为便于对下文所述的问题和困惑有一个大致的基础共识，先简单描述下从业经历：
校招进入某互联网公司（市值100亿美元+的那种）做数据分析师，1年
跳槽去某互联网公司（市值500亿美元+的那种）做策略产品经理，2年
跳槽去某互联网公司（市值1000亿美元+的那种）做策略产品经理，1年
目前在某互联网公司（市值1000亿美元+的那种）做数据产品经理，ing
数据分析有什么门槛：
先简单描述下在该岗位的工作内容，便于更好的理解门槛在哪儿：
（1）业务数据日常监控报表开发+维护（美其名曰BI）
（2）应急突发事件数据反馈（比如高管突然问了句，为啥这个指标波动了？就要调动数据解释问题）
（3）具体业务线产品/运营的数据分析（比如产品上了个新功能，运营搞了个新活动，要评估下效果）
（4）专项课题研究性数据报告（比如90后到底喜欢什么呀，大家对哪个手机品牌更忠诚啊）
为了应付以上工作，需要会SQL（数据提取）、EXCEL（简单的数据处理）、R或Python（简单的机器学习）、PPT（把结果包装成一个好故事），但这些都是外在，不是核心能力。
个人理解，数据分析的主要流程是理解问题、拆解问题、提出问题、解答问题，相应的也就需要懂业务、有逻辑、具备一定大局观、会包装讲故事。当分析师能用产品经理的视角来思考问题的时候，他的产出就不会是那种四平八稳的、无聊的数据堆砌了
数据分析师的野望与尴尬：
作为数据分析师，期待的是能够指点江山激扬数据，从业务中发现问题、总结规律、洞察本质、提出建议、指导业务发展。然而现实是，这个岗位的特殊性有时候会限制个人的职业发展
随着越来越多的公司认识到数据的重要性，有一种倾向就是会在所有业务线之外单独成立一个数据分析部门，这样做可以在某种程度上避免业务部门既当运动员又当裁判员的情况，也就是自卖自夸伪造效果。但问题也随之而来，既然不是自家人，那么肥水就不想流入外人田，高价值的工作内容（如决策建议）自然就不想让独立的数据分析部门染指。在这种情况下，数据分析师们更多的精力只能发泄在日常数据监控、效果评估和自娱自乐的研究性分析上，时间长了，人也就废了。
即便如此，也会经常有突发事件打断正常的工作，比如大老板突然想看某个数据，那我们就要旁征博引的数据分析出一个结论，邮件发送出去的时候，一般已经过了大半天了。
所以在这点上，比较羡慕绑定在业务部门里的分析师，或许他们的日子会更爽些，至少不被当成外人看
从分析到策略：
其实理想的数据分析师是能产出指导实践的策略，但苦于公司架构定位、或者距离决策者链路较长，往往分析的成果都无法落地。基于这种现状和期待，我尝试了策略产品经理这个岗位，平心而论，比数据分析师要爽一些。
策略产品经理的产出都是策略，而策略其实就是数据分析的结论，常见的作用场景比如信息流的推荐策略、搜索和广告的反作弊、风控、复杂数据产品的功能模块等。举个简单的例子，在搜索场景下，通过大家搜索的词，来判断在消费者眼中哪些产品相互之间是竞品。把解决这个问题的计算逻辑落地到数据产品上，也是策略产品经理的一种发挥场景。
有时候我们会将策略和算法分不清，其实简单打个比方就好了。算法好比种菜的，策略好比炒菜的。算法需要从基础细节开始构建一套逻辑，而策略只需要知道这套逻辑的特点、应用场景等，将之组合起来发挥最大功效就好。一般算法往往会离业务更远，而策略多是连接前后的部分。
策略的工作往往更能看到落地效果，相比数据分析也更偏向统计分析之上的业务建模，所以很容易沉迷投入享受
从策略到产品：
虽然策略产品经理很爽，但越来越发现还是有一些局限性。这个局限就在于很像初阶的算法工程师，在工作中思考大多聚焦在如何理解问题、解决问题，但缺乏更高的视角来自己提出问题。
目前尝试的数据产品经理或许可以解决这个局限，将数据和产品比较好的调和在一起，避免个人沉迷在功能和策略的堆砌上，更结合实际场景，尤其是跟变现挂钩。
| 留言与评论（共有 0 条评论） |
