原創(chuàng)：陳思煒
編輯：小知（公眾號“知己職彼”編輯）
已委托律師對本賬號發(fā)布的內(nèi)容維權(quán)，從不發(fā)律師函，直接傳票，侵權(quán)必究

老生常談

關(guān)于數(shù)據(jù)分析師這個職業(yè)，我在之前一篇有關(guān)BA（商業(yè)分析）的文章中，就曾涉及過其特點：

雖然就業(yè)率還不錯，起薪也不低；

但就業(yè)率高≠就業(yè)好，

因為就業(yè)率和職業(yè)發(fā)展是兩碼事。

→客觀而殘酷的事實是，

大部分數(shù)據(jù)分析師職業(yè)發(fā)展前景堪憂！

原因在于數(shù)據(jù)分析師及商業(yè)分析師等職業(yè)，它們的高就業(yè)率是和其大部分成長性較低的屬于后臺性質(zhì)的崗位綁定的，而若想要找到具備較高職業(yè)成長潛力的技術(shù)類中臺工作，門檻很高（數(shù)學(xué)、計算機軟件工程或強相關(guān)專業(yè)的博士），得有相當(dāng)強的數(shù)學(xué)和編程方面底子，顯然大部分從業(yè)者并不滿足。

關(guān)于前中后臺的詳細解析，可以參考這篇文章：

此外數(shù)據(jù)分析師的市場需求其實并不大：

因為能產(chǎn)生海量一手數(shù)據(jù)的行業(yè)終究是少數(shù)，如生物（大健康）、金融、部分制造業(yè)、互聯(lián)網(wǎng)......

而有能力搭建一整個獨立數(shù)據(jù)團隊的大型公司更是少數(shù)中的極少數(shù)，因為從成本方面考慮，大部分公司的數(shù)據(jù)收集和分析要么交給第三方，要么干脆把這部分工作拆分給其他部門。

結(jié)合以上兩點就會出現(xiàn)這樣一個尷尬的場景：

數(shù)據(jù)分析師的工作內(nèi)容

關(guān)于大部分數(shù)據(jù)分析師的日常的工作，包括以下內(nèi)容。

先把數(shù)據(jù)從一個個“小池子”搬到“大池子”里，包括數(shù)據(jù)預(yù)處理。

然后找出不同數(shù)據(jù)之間變化的聯(lián)系，線性的最簡單，要么xxx增加ooo減少，要么xxx增加ooo增加：

非線性的復(fù)雜些，一會兒xxx增加ooo減少，一會ooo增加xxx也增加，又一會增加得快，一會增加得慢，或種種指數(shù)型函數(shù)......比如像下圖的種種曲線：

更復(fù)雜的，加個生命周期，搞個不同用戶分層，數(shù)據(jù)量要大些，整個機器學(xué)習(xí)聚類......

95%的數(shù)據(jù)分析師從事的都是這些重復(fù)性、機械性高，思考性、不可替代性低的工作（往往在半年到一年里，就學(xué)不到也接觸不到新鮮的工作內(nèi)容了），而不是更具創(chuàng)造力和深度的算法設(shè)計或決策制定。

說的更直白些，他們的工作只是把數(shù)字“搬”到領(lǐng)導(dǎo)眼前。而數(shù)字背后展現(xiàn)了什么現(xiàn)象，暴露了什么問題，更進一步怎么去利用現(xiàn)象、解決問題，服務(wù)于更大的商業(yè)目標(biāo)，這些更有價值的工作卻極少涉及。

冰冷的數(shù)字體現(xiàn)不出數(shù)據(jù)分析師們的價值與智慧，加之大部分的數(shù)據(jù)分析師只是“指令”的接收者和執(zhí)行者，就更別提進一步建立“人與人”之間的鏈接與信任了。

數(shù)據(jù)分析師會被代替？

既不具備高端的技術(shù)中臺能力，也沒有與人打交道的前臺能力，那么大部分數(shù)據(jù)分析師在職場中的不可替代性便不會很高，這意味著市場上隨時都能找到更高效率、更加穩(wěn)定、更加廉價的勞動力，在過去這被叫做“35歲職場危機”，而隨著AI技術(shù)的發(fā)展，這場危機只會來得更早，甚至替代你的也無需是人。

前段時間，ChatGPT出了一款叫“Code Interpreter”的插件，操作者只需要提供數(shù)據(jù)和所期望的研究方向，它就能自動編程、生成模型、得出統(tǒng)計意義上的結(jié)論甚至圖表。

不客氣的說，就上述的這些功能便已能勝任一位低端數(shù)據(jù)分析師近六成的工作量，而這只是它的alpha測試版。

AI比起學(xué)會你的技能（數(shù)據(jù)分析）并替代你，它甚至?xí)屇阋詾榘恋募寄?strong>變得“廉價”，讓人人都能以極低的學(xué)習(xí)成本成為“數(shù)據(jù)分析師”。

就像算盤被計算器替代，而計算器又被計算機替代一樣，單一維度的技能，隨著科學(xué)技術(shù)的發(fā)展，終會被“自動化”成一個個小的模塊，從而囊括進更大的系統(tǒng)里。

因為只有當(dāng)過去的技術(shù)被優(yōu)化成更簡潔、更易于操作的“工具”，下一代人才能以更低的代價去學(xué)習(xí)和使用這些“工具”，借以提高自己的產(chǎn)出效率，有精力和能力去解決新問題，再在未來創(chuàng)造出新的“工具”，供后人使用，解決更新的問題，這便是人類文明不斷延續(xù)、發(fā)展的底層邏輯。

所以，數(shù)據(jù)分析師的落寞實際上是人類文明發(fā)展的必然結(jié)果，但好在這不會是一個很快的過程，數(shù)據(jù)分析師所辛苦掌握的技能并不會頃刻間就變得一文不值。

可能的未來

在未來，大部分公司不一定會簡單粗暴地采取直接裁員，而是先進行內(nèi)部崗位上的結(jié)構(gòu)調(diào)整。

隨著當(dāng)下AI的發(fā)展，每個數(shù)據(jù)分析師的效率都會大大提升，那么假設(shè)原本100人才能完成的工作量，如今只需60人就能搞定，該職位的總?cè)藬?shù)便會逐步從100人調(diào)整至60人左右。排除個別人主動轉(zhuǎn)崗（而非被淘汰），那這60人大概率會是100人中能力更強的60人，自然該職位的平均薪資也會有所上漲。

另外的40位數(shù)據(jù)分析師們則會面臨以下幾種情況：

1.?發(fā)揮自己的數(shù)據(jù)解讀能力，

調(diào)配到運營崗中的策略運營部門，

可能調(diào)崗降薪。

2.?發(fā)揮自己的編程能力轉(zhuǎn)到開發(fā)崗位，

可能調(diào)崗漲薪。

3.?沒有任何可以勝任的崗位，

無奈吞下被裁員的苦果。

隨著原本數(shù)據(jù)分析師的從業(yè)者去到其他崗位，其他崗位的人員數(shù)量也會受到影響，隨即產(chǎn)生一連串的人員變動連鎖反應(yīng)。

如此看來，這是一個組織牽一發(fā)而動全身的過程，表面看是單一崗位的沒落，實質(zhì)上是全體從業(yè)者“質(zhì)量”的大洗牌，能力弱者被強者優(yōu)化（無關(guān)崗位）。

所以“數(shù)據(jù)分析師”的名稱或許會隨著科技的發(fā)展，逐漸淡出人們的視野，但從業(yè)者所具備的部分通用技能只要能與不同的能力相融合，依然能產(chǎn)生1+1＞2的化學(xué)反應(yīng)，讓你在職場中保有一席之地。

兩條出路

以數(shù)據(jù)分析師為始，在不變更大賽道的情況下，要想提高職業(yè)天花板，要么強化用數(shù)據(jù)去解決問題的能力，成為復(fù)合型人才（如戰(zhàn)略分析師），要么以技術(shù)開發(fā)為核心，成為技術(shù)型人才（如數(shù)據(jù)科學(xué)家）。

再次強調(diào)：

數(shù)據(jù)科學(xué)家的門檻是數(shù)學(xué)、計算機軟件工程或強相關(guān)專業(yè)博士，不滿足這點的，還是另尋出路吧。

下文的討論重點會放在以戰(zhàn)略分析師為代表的復(fù)合型人才。

首先擺在我們面前的一個問題是：

什么是戰(zhàn)略？

戰(zhàn)略是什么

用《孫子兵法》中一句話就是：勝兵先勝而后戰(zhàn)。

這句話的字面意思很容易理解，難點在于如何做到，在解答這個問題之前，我們不妨先來看一個例子：

最初愛迪生在發(fā)明電燈泡時，一戶人家想要點上燈，需要從發(fā)電廠專門接一根電線到家里，其費用約是點蠟燭或者油燈的一百倍。

但直到都通上了電，點上了燈，大家才發(fā)現(xiàn)，原來電不止可以用于電燈。

那些紐約最早的幾百戶寧愿頂著百倍成本，也要接上電線，讓家里點上燈的“冤大頭”，既支持了最早一批發(fā)電站的建成,也提前享受到了電氣時代的福利，而剩下的“聰明人”則要花費更大的成本才能接上電線，用上電器。

從結(jié)果倒推來看，“接上電線”顯然是一次正確的戰(zhàn)略，而“不接電線”則是一次失敗的戰(zhàn)略。

為了找到是什么因素決定了戰(zhàn)略的成敗，我們要對上面兩張簡化的思維模型圖進行“找不同”：

1. 前者以短期的成本角度出發(fā)，而后者考慮到了接電線帶來的工具效率提升；

2. 前者只看到眼前的電可以用來照明，但后者看到了電的更多用途：通信、交通......

由此我們可以得出戰(zhàn)略最重要的兩點要素——受過檢驗的系統(tǒng)化的思維模式（例中除了考慮短期成本維度，還考慮到了長期工具效率維度，而系統(tǒng)化思維模式能幫助我們的思考覆蓋更多的維度，比如麥肯錫7s模型、SWOT分析、六西格瑪管理......）和夠多、夠接近事實的信息（認識到電除了照明還有更多的用處，知道別人所不知道的，辨別出正確和錯誤的信息，就能形成戰(zhàn)略上的先發(fā)優(yōu)勢）。

而這兩點無不需要持續(xù)的積累和不斷的學(xué)習(xí)、練習(xí)，這也是開頭“勝兵先勝而后戰(zhàn)”的含義：能夠在戰(zhàn)爭中取勝的軍隊必然是提前作好了充分的準(zhǔn)備和積累，再開啟戰(zhàn)爭。

由此可見，對于數(shù)據(jù)的抓取、分析、解讀固然很重要，但它只是“戰(zhàn)略”眾多準(zhǔn)備和所需能力中的一環(huán)。只有對于市場調(diào)研、業(yè)務(wù)細節(jié)、產(chǎn)品了解程度、商業(yè)思維......了解得足夠多、足夠精準(zhǔn)，再通過不同的思維模型進行正確的評估（需要反復(fù)的練習(xí)），才能制定出更優(yōu)的戰(zhàn)略，勝任戰(zhàn)略分析師的崗位。

類似要求復(fù)合能力的崗位還有與財務(wù)相結(jié)合的經(jīng)營分析師、與運營相結(jié)合的策略分析師，其共同點都是通過對于復(fù)合能力的掌握，最終提高了自己的職業(yè)發(fā)展天花板。

該如何才能具備這些復(fù)合能力？

我的建議是“把自己的成長當(dāng)成一個項目去運營”，落實起來可以拆解成四點：

1.?不斷“追問”手頭任務(wù)的價值，不需要立刻給出解答，但要及時記錄，定期復(fù)盤，尋找問題之間的聯(lián)系。

2.?明確任務(wù)的導(dǎo)向，包括理解任務(wù)目的、預(yù)期結(jié)果和具體要求。盡可能從大局出發(fā)，合理配置資源，識別任務(wù)與組織的整體戰(zhàn)略目標(biāo)之間的關(guān)聯(lián)。

3. 系統(tǒng)學(xué)習(xí)有價值的知識和技能，通過閱讀、研討、培訓(xùn)等各種途徑提升自我專業(yè)素質(zhì)，拓展思維廣度和深度，勿閉門造車。

4.?建立有效的時間管理策略，理解并明確優(yōu)先級，減少無效工作，提高工作效率。

總結(jié)

數(shù)據(jù)分析師當(dāng)下的境遇就像一艘在洶涌大海中航行的船只，既要面對AI技術(shù)的風(fēng)暴，又要把握商業(yè)戰(zhàn)略的羅盤。

作為數(shù)據(jù)分析師，不能僅僅是數(shù)據(jù)的搬運工或展示者，簡單地堆砌數(shù)字，讓他人眼花繚亂。

而是要成為數(shù)據(jù)的解讀者和利用者，從數(shù)據(jù)中挖掘價值，并提出有分量的見解，制定有效的策略并推動落地的執(zhí)行，為組織創(chuàng)造更多的收益。

其實不只是數(shù)據(jù)分析師，大部分腦力工作者的崗位在AI的沖擊下，都在變得岌岌可危，那么他們又該如何應(yīng)對呢？不妨參考這篇文章：

P.S.

之后會不定期直播，開播通知詳見主頁置頂