中秋回家，一家人圍着餐桌閑聊。談及工作，我媽問我：“你每天都在公司做些什麼呀？”

我竟一時語塞，不是因為不知做了什麼事；而是因為我們好像做了各種各樣的事（維護指标體系、做專題分析、建數據表、建設數據産品、等等不一而足），但卻很難簡單明了的告訴我媽“我在做什麼？有什麼價值？”。頓時感覺有點沮喪，因為“一件事情如果我沒辦法跟我媽講清楚，說明我自己沒有思考清楚。”。

“‘數據崗的職能是什麼（做什麼工作）？（對公司）貢獻了什麼樣的價值？’是一件非常重要的母題”我說時來不及思索，但思索之後，還是這樣說。

因為一旦思考清楚這個母題，對個人而言，就可以回答個人成長與職業規劃的問題；對組織而言，就可以回答能力發展與組織建設的問題。為什麼這麼說？

圖1：個人與組織待解的問題

因為工作的最小單元是一個個的任務。相似的任務聚合在一起，形成了職能；相關的職能組合起來形成了崗位。相關的崗位組合在一起，形成了部門；所有的部門組合在一起，構成了組織。

圖2：知識技能、職能崗位、部門組織之間的關系

而對個人而言，待完成的任務，決定了所需的知識技能；所以弄清楚數據崗的職能，以及自己想要履行的職能，就可以明白自己要掌握哪些知識與技能。即，解決了個人成長的問題。從承擔單一職能，到承擔多個職能（職責擴大化），到職能豐富化，進而到承擔主要的協作職能（管理職能），就是職業規劃與職業發展的一種路徑圖。

而對組織而言，明确哪些是需履行而目前未履行好的數據職能，就能明确能力發展的方向；對職能的重組和對崗位的重組，使得整體的工作更加順滑、高效，就是一定程度上的組織建設。

PS：這裡以職能為主要的顆粒度，是因為：不同的組織由于實際狀況的不同，對于相同名稱的崗位，會設計不同的崗位職能。

“數據分析崗”在目前階段就是一個非常典型的例子，在有些組織，這個崗位會歸屬與獨立的數據部門，而有些組織内它會歸屬于業務部門（産品/營銷/研發/等等）。在有的組織内部，對産品、運營等等崗位有不低的數據能力要求；而在有些組織内，則并非如此。這些現象的本質是不同的崗位設計，不同的職能組合。

這也是為什麼，有的同學說，在他們公司，數據分析師從不跑SQL；有的同學說，數據分析師要懂數據産品設計；有的同學說，數據分析師要熟悉各類算法；等等。這些同學說的都對，都是實際情況；但這不意味着數據分析師什麼都要會，什麼都要懂，什麼都要做。

一、核心職能：數據崗位的核心職能是什麼？

談到數據崗的工作有哪些，大家的腦海裡肯定會浮現出特别多的詞：ETL、取數、做報表、專題分析、指标體系。績效管理，不一而足…… 但是究竟什麼才是數據崗的核心職能？如何通過一句話總結性地告訴父母，我們在做什麼工作呢？

圖3：數據崗的工作事項

好好認為，數據崗的核心職能有兩個：① 産出數據資産；② 提升信息的價值密度。

• 數據資産：所謂數據資産，是個人/企業所控制的，預期會帶來未來經濟利益的數據資源。這種資源可以是以物理形式存儲，例如文檔資料；也可以是以電子的方式記錄，例如電子文件。
• 價值密度：所謂價值密度，是指一個數據集預期可帶來的經濟收益，與其數據量的比值。這裡的數據集，可以是51字節的一句商業判斷，也可以是3M的數據分析報告，也可能是PB/EP級别的數據庫。

我們不妨一起來檢驗一下這個定義：

圖4：典型數據工作的職能歸屬

“千舉萬變，其道一也。”——《荀子》

現在，我們弄清楚了數據崗的兩個核心職能。那麼這兩個核心職能對于組織（企業）而言，有什麼樣的價值呢？

給大家分享一些最近整理的數據分析資料，全部打包好了，直接領。

二、生産關系：數據職能對于組織而言貢獻了什麼價值？

兩個核心職能，對應了組織的兩個核心能力：

• “産出數據資産”是一個量化業務的過程，對應着組織“業務數據化”的能力。
• “提升信息的價值密度”是一個驅動業務的過程，對應着組織“數據業務化”的能力。

簡而言之，數據職能在組織中貢獻的價值就是：量化業務與驅動業務。

圖5：數據職能的價值

這麼說稍微有點抽象，這裡以問答社區（知乎）為例，簡要說明一下“業務數據化”與“數據業務化”的含義。

大家可以稍微回憶一下：當我們在訪問問答社區（刷知乎）時，都會産生哪些行為？

簡單列舉一下，例如：閱讀、播放、點擊、滑動、跳轉、點贊（雙擊屏幕即刻體驗）等等。這些用戶的行為，都可以歸屬為知乎運營業務中的一部分。

而知乎記錄這些“用戶行為”的過程就是一種“業務的數據化”。但如果僅僅是用一個又一個的分區，記錄這些行為日志，隻是産生了數據，而沒有産生價值。

當知乎加工、分析、利用這些數據進行産品設計，對用戶進行信息推送時，就完成了一個“數據業務化”的過程。

圖6：“業務數據化”與“數據業務化”案例示意

在上述的例子中，相較于數據業務化，業務數據化好像是一個相較而言比較簡單的能力，涉及的主要工作事項就是數據埋點和落庫。

但實際上“業務數據化”并不簡單。僅僅是一個頁面的PV的統計，就要考慮、是否彈窗、用戶是否切換Tab、是否最小化窗口，等等實際操作場景；最終，可能要經過長時間的多次叠代，才能得到一個較好的埋點标準。

通過“業務數據化”和“數據業務化”，組織可以建立起一個正向的閉環數據流。在這個正循環的過程中，數據越用越多、越用越好。

圖7：閉環數據流

三、知識技能：各崗位有哪些數據類工作，需要哪些知識技能？在明确了數據職能在組織中的價值之後，我們最後來回答關于個人職業發展的問題：數據分析如何入門？數據崗需要儲備哪些知識與技能？如何成長？

我們常說，有些事是我們擅長的，有些事是我們熱愛的，有些事是這個世界所需要的。而我們職業發展的目标就是找到這三者的交集。

圖8：職業發展的目标

所以：

• 首先我們要弄清楚組織需要各個崗位做什麼工作。在了解工作内容之後，我們就可以對自己是否感興趣做一個初步的判斷。當然很多時候，還需要通過嘗試的方式，去探索自己的興趣。
• 然後，我們根據工作的内容來補充自己的知識與技能，逐步從入門到精通。

1

數據崗位的工作内容

前文提到， 公司的目标是通過“業務數據化”與“數據業務化”建立起一個正向的、閉環的數據流。

而數據崗的工作内容，抽象而言，就是支撐起整個數據流運轉；具體而言可以分為：生産數據、處理數據和消費數據三大模塊。

下圖簡單示意了，不同崗位在數據流中所處的位置：

圖9：不同崗位在數據流中所處的位置

PS：以上僅為示意，不同企業可根據實際狀況進行調整。

因為很多同學，對數據分析師的工作非常感興趣。這裡以阿裡集團為例，簡單介紹一下中台數據分析師日常的工作内容。

在阿裡巴巴，中台數據分析師的日常工作中，主要的交付物有6類：

1. 開拓新的數據源
2. 産出表資産
3. 沉澱分析方法論
4. 搭建與維護指标體系
5. 建設與維護數據産品
6. 輸出商業洞察

圖10：數據分析師日常工作中的主要交付物

• 開拓新的數據源：例如，信息爬取、競對分析等。
• 産出表資産：例如，在DWD（明細數據層）的基礎上，建立DWM（數據中間層）和DWS（數據服務層）的數據表。
• 沉澱分析方法論：例如，指标拆解、異常監控、因果推斷等。
• 搭建與維護指标體系：例如，指标設計、指标體系建設等。
• 建設與維護數據産品：例如，指标管理系統、數據報表、數據看闆、分析引擎等。

關于“臨時取數需求”，好好将其歸屬與“數據産品”這一個工作分類下。這是因為：找分析師跑SQL取數的根本原因，在于數據産品沒有建設好，或是沒有建立起良性的合作機制。進而導緻了各方需要“繞道”數據分析師這個“産品”來取數。

• 輸出商業洞察：如分析報告等。

這裡再簡單介紹下其他崗位的工作：

○ 數倉工程師的主要工作包括生産與加工數據。

• 生産數據：比如埋點設計，将業務事實轉化為數據落表等。
• 加工數據：比如數據治理，通過ETL的流程，保證數據的質量。或是數據架構設計，使得數據的存儲、加工、調用等有保障的同時，控制成本與風險等。

○ 算法工程師的主要工作包括加工和消費數據。

• 加工數據：比如用戶打标，通過算法對用戶原始的數據信息進行加工，進而給用戶打上标簽，描述TA現在可能的狀态，或是未來可能發生的行為。
• 消費數據：比如算法推薦，基于用戶的曆史數據，給出推薦。或是時序預測，對未來的業務狀況進行預測，進而作為決策的依據。

○ 用戶研究崗的工作内容涉及到生産和消費數據。

• 生産數據：比如調研問卷、焦點訪談等。
• 消費數據：比如消費者洞察報告、UI設計建議等。

其他崗位，好好在此就不一一列舉說明了，因為不同的公司，對相同崗位也會有不同的職能安排。以上介紹也僅為抛磚引玉，還望有不同看法的同學，不吝賜教。但方法是可以複用的。當你在開展工作時，可以分析一下，你所在的公司的數據流情況，以及不同的崗位，在整個數據流中承擔的職責與貢獻的價值。

希望以上的介紹，能讓大家對數據崗的日常工作有一個簡要的了解。

2

數據崗所需的知識與技能

就工作内容而言，這中台數據分析師的工作既涉及到“業務數據化”（開拓數據源、表資産），也涉及“數據業務化”（指标體系、分析方法論、數據産品、商業洞察）。所以說，所需的知識與技能是比較廣域的。

根據這6類工作内容，我們來逐一梳理一下數據分析崗所需的專業知識與技能：

通用的職業技能，如溝通方式與方法、時間管理、預期管理等，好好在此不多贅述。

開拓新的數據源

• 知識方面：學習搜索技能、積累公開數據源的路徑、掌握競對分析的方法論。如有餘力，可以學習一些用戶研究相關的知識，如調研問卷設計、訪談設計等。
• 技能方面：如有餘力，掌握一些初步的爬蟲技能；至少知道什麼信息可以通過網頁爬取的方式獲得。

産出表資産

• 知識方面：學習基礎的數據庫相關知識。有志于更深入了解數據資産管理的同學，可以《數據中台》 與《大數據之路》為切入點。

• 技能方面：掌握SQL。在有基礎編程與數據庫知識打底的情況下，可以直接通過牛客的SQL題庫邊練邊學。搜索引擎是一位很好的老師，何況工作之後也大多數時候是面向Google編程。

如果暫時還沒有基礎的編程知識，可以考慮通過北京理工大學，嵩天教授的《Python語言程序設計》入門。學習曲線非常适中。

沉澱分析方法論

• 知識方面：需要有一些數學/統計學的基礎知識，并且掌握一些通用的邏輯思維方法，如金字塔原理等。如有餘力的，可以學習一些算法模型相關的知識，如回歸、分類、聚類等。

• 技能方面：掌握一些處理數據的工具，如Excel、Python等。

搭建指标體系

• 可參考之前的推文《終于有人把怎麼搭建數據指标體系給講明白了》。
• 當然最重要的，依舊是理解業務。

那麼怎麼理解“理解業務”這件事呢？

好好也沒有想到一個非常好的形式上的定義。這裡好好給一個舉例式的定義：如果你是一個保險從業者，最基本的要求是知道“一張保單是如何流轉的”。如果你是一個電商從業者，最基本的要求是知道“消費者從登陸到交易完成的整個鍊路是怎麼樣的”。

沉澱數據産品

• 知識方面：掌握一定的數據可視化相關的知識，在此推薦電子工業出版社出版的《數據可視化》。對于數據治理相關的知識，可以參照上文提到的《數據中台》 與《大數據之路》；如要更加深入的介入數倉建設，可參閱Kimball的《數據倉庫工具箱》

• 技能方面：掌握至少一樣BI看闆設計工具，如FineBI等。如有餘力可以學習一些産品設計原理，如尼爾森十大可用性原則等。

輸出商業洞察

• 知識方面：可參照《「經營分析報告」怎麼做？》。
• 技能方面：掌握一些基本的PPT制作方法，即保證一定的美觀性、又提升工作的效率，最重要的是保證信息傳遞的有效性與高效性。當然，在實際工作中，直接套用模闆是非常省事的。文末分享PPT模闆，記得領取哦！

四、小結一下

• 數據崗的核心職能：數據崗的核心職能有兩個，第一，産出數據資産；第二， 提升信息的價值密度。
• 數據職能的價值：通過數據量化與驅動業務，幫助組織實現“業務數據化”與“數據業務化”。進而，建立起一個正向的閉環數據流，使得數據越用越多，越用越好。
• 數據分析崗的工作内容：① 開拓新的數據源、② 産出表資産、③ 沉澱分析方法論、④ 搭建與維護指标體系、⑤ 建設與維護數據産品、⑥ 輸出商業洞察。
• 如何積累所需的知識與技能：任務驅動、目标導向。

轉載/好好的數據分析師

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部