数据来源

企业数据有四大常见来源：

• 行业数据：行业情况、宏观数据，一般是第三方提供
• 用户数据：直接发问卷，调研用户/门店/经销商情况
• 外部系统数据：比如经营天猫店、亚马逊等平台，平台数据
• 内部系统数据：企业自身交易系统、ERP、CRM、网站、APP记录数据

行业研究线：行业数据→行业研究→战略/策略方向。一般只有对行业政策敏感的行业，比如银行、证券，大型集团总部才设专职岗位做这个，对应行业研究线。行业研究线完全不需要开发技能，关键是：你对行业懂多少。看似门槛低，实际上这些大企业本身招人条件，都过滤掉很多人了。

市场调研线：问卷/访谈→市场调查→营销/设计方向。市场调研在快消、零售、连锁店、耐用品设计等传统企业非常流行和成熟。在大的互联网企业有可能有用研中心，但小互联网公司估计产品经理和运营自己就稀里糊涂干了。这一条线完全不需要开发技能，关键是：问卷设计、访谈设计、资料总结这些调研相关的经验。

平台运营线：使用平台→整理报表→运营建议。这一类经常叫“淘宝/亚马逊/电商数据分析”或者叫“销售分析”“供应链分析”之类。这些就是我们俗称的“表哥表姐”每天主要的任务就是从某个系统导出excel表，然后整理一个新的excel表。至于看得懂看不懂这个excel，完全看业务能力，跟技术操作没啥关系。

数据开发线：内部系统→数据仓储→数据模型/数据中台→数据产品（BI）。这一条线，才是目前市场上热烈追捧的技术线路。但注意，这里实际上对应的是好几种技术能力，不是一路打通下来的。在稍微有点规模的公司，这里对应的也是好几个岗位，不是一个人通吃。至少数仓一定有专门的人做。然而经常有企业把这些混在一起，都叫“数据分析师/数据工程师”结果自然是搞得新人头晕脑胀。

混乱的原因

中级问题：

• 运营/市场/推广不满IT工作效率慢，想自己招个人取数
• 运营/市场/推广的人没能力解读数据，找个小弟来码Excel表
• IT内部管理混乱，被人要数要着急了，招个人取数
• IT部门投入不足，反正数据相关的，来个人全干了

高级问题：

• 业务部门觉得“大数据好厉害”，我要来个懂“大数据”的人帮我解决引流、卖货、选品、促活等问题
• 业务部门觉得“我们的IT都不会用数据，我要个用数据的高手！”
• IT部门觉得“老板真喜欢数据中台”，我要做个数据中台，管它做了干什么。

面试中问

以下几个关键问题，可以直接问：
先问：部门归属开发、还是业务

如是IT部门，继续问：

1. 是否有独立数据部门
2. 数仓，ETL有没有人做？
3. 是否有明确的数据产品？
4. 数据中台/用户画像/数据模型，有没有明确的应用场景？

如是业务部门，继续问：

1. 分析的数据是（调研、内部系统、平台、第三方）
2. 汇报的领导是（专职的数据领导还是某个业务线领导）
3. 需要自己提数/有IT支持
4. 领导口中的：“深度分析”是什么场景（或者自己举几个例子，看看对方满意不满意）

机遇与挑战

我们都希望能入职一个架构齐全，分工合理，目标清晰的公司，所以可以在了解岗位的时候，多做一些工作。但是，岗位不清晰，也不代表着完全没机会：

• 架构不清晰：自己能做出一片天地
• 目标不明确：想办法结合业务做出成绩
• 岗位很基础：平台大的话能给职业生涯镀金
• 业务领导有期望：做好了就能高升

• 或者干脆，自己想先换个行业/换个岗位，只要不太差就先干着

  
  从来风险都是和机会并存的，成功从来都属于能力强的人，所以也不用因为有风险而胆战心惊。只是，要做好对应的准备。包括技术上准备，心理上准备。很多同学是萌萌哒抱着“学习”的心态，结果进了架构不全，职责不清，目标不明的公司，结果自然被虐的出血了。同样的人，进野外就得凶猛，进庙堂就得谦卑，根据具体场景选择方法，才能走的最长远。

提升-发展

想进一步提升，当然得有一门看家本领！技术经常被淘汰，但产品可以迭代升级。所以想要突破打杂困境，得想办法积累一个属于自己的、产品化的经验。

• 把零散的报表整成数据监控体系
• 把每次拍脑袋的评估整成数据考核体系
• 在推荐、广告等算法上有所突破，而不是自己瞎捣鼓个没人看的聚类分析
• 在推送响应等有业绩的地方产出产品，而不是每次用时间序列法预测个销量走势再被业务喷回来。

编程语言可以换，但如何用数据产出效益、推动业务的经验却沉淀越多，自己就自然越老越值钱。然而想达到这一步，需要的是工作能力，特别是管理能力。要：

• 理解和识别业务需求，找到那些值钱的部分；
• 合理规划分类需求，压缩临时跑数，推动业务用BI产品；
• 控制业务方期望值，正确引导数据分析用法，减少黑锅
• 和业务方谈判，多争取露脸机会，提升老板的价值感。