到底有多少種“搞數(shù)據(jù)的”，你凌亂過嗎？

2016-04-135854微加互聯(lián)

經(jīng)常有獵頭打電話說，有某數(shù)據(jù)挖掘工程師職位，您是否考慮？有的說，某公司在找一位數(shù)據(jù)產(chǎn)品總監(jiān)、數(shù)據(jù)分析師、數(shù)據(jù)架構(gòu)師、業(yè)務(wù)分析師......有的干脆上來就問，我要找某某數(shù)據(jù)職位，應(yīng)該找什么樣的候選人呢。

其實(shí)有時(shí)候想想，別說獵頭，即使是很多數(shù)據(jù)從業(yè)者，也未必說的清楚到底有多少種數(shù)據(jù)相關(guān)的工種。為什么呢？因?yàn)?，?shù)據(jù)相關(guān)工作往往是交叉學(xué)科，需要很多專業(yè)技能，而不同專業(yè)背景的人切入和成長的軌跡又不近相同。比如，可能同一個(gè)數(shù)據(jù)分析的崗位：

小A是統(tǒng)計(jì)出身的，他可能更擅長各種統(tǒng)計(jì)模型，熟練使用R；
小B是計(jì)算機(jī)背景出身，他可能更多的用Python處理數(shù)據(jù)，會(huì)更擅長定義數(shù)據(jù)模型，編寫數(shù)據(jù)挖掘算法；
小C是MBA出身，可以熟練使用一些統(tǒng)計(jì)軟件，比如SPSS、Excel，不僅可以做出各種數(shù)據(jù)可視化的商業(yè)報(bào)告，更有輔助商業(yè)決策的建議提出。

按這個(gè)邏輯寫下去，估計(jì)要寫到小Z了。

有心的數(shù)據(jù)從業(yè)人員，除了埋頭學(xué)習(xí)、提升以外，更會(huì)希望抬頭看看，明確自己的職業(yè)生涯到底走在一條什么路上，但從上面例子的字面上看，我們更多的感受到的是「凌亂」。

有沒有一種好一點(diǎn)的視角，讓這個(gè)問題更清晰化呢？我自己的個(gè)人看法，從大方向可以這么區(qū)分：

1、純技術(shù)路線

從我身邊接觸的人來看，大致又可以分為以下三類：

A類：包括數(shù)據(jù)架構(gòu)、數(shù)據(jù)存儲、數(shù)據(jù)安全等在內(nèi)的工程數(shù)據(jù)技術(shù)，尤其是涉及到海量數(shù)據(jù)的時(shí)候。

B類：涉及數(shù)據(jù)采集（如海量日志處理、網(wǎng)絡(luò)爬蟲等）、數(shù)據(jù)處理、數(shù)據(jù)模型等原始數(shù)據(jù)再加工過程中涉及到的技術(shù)。

C類：面向應(yīng)用層（或有一定通用性的）算法、建模技術(shù)，包括機(jī)器學(xué)習(xí)領(lǐng)域、自然語言處理、搜索&推薦算法，以及深度學(xué)習(xí)、AI算法領(lǐng)域等從數(shù)據(jù)到知識涉及的技術(shù)環(huán)節(jié)。

關(guān)于這一塊，前一段大數(shù)據(jù)文摘有一篇《機(jī)器學(xué)習(xí)：入門方法與學(xué)習(xí)路徑》推薦大家看一下。

2、行業(yè)路線

這個(gè)路線可能是從初級數(shù)據(jù)分析師，或初級市場研究，或一些管理咨詢顧問出發(fā)，逐漸發(fā)展到更宏觀、更戰(zhàn)略的視角，去把控（或側(cè)面影響）、引導(dǎo)、孵化行業(yè)資源走向。典型的定位有企業(yè)戰(zhàn)略專家、投資領(lǐng)域的行業(yè)分析師、資深管理咨詢顧問，甚至自己走上企業(yè)高管之路。

只不過，這一部分的定位，目前很多環(huán)節(jié)依然依賴的是小數(shù)據(jù)，未來大數(shù)據(jù)與投資、戰(zhàn)略方向或許也會(huì)有更深的結(jié)合。

3、業(yè)務(wù)路線

這里的業(yè)務(wù)與上面的行業(yè)的區(qū)別在于，業(yè)務(wù)更聚焦的某個(gè)行業(yè)或某個(gè)領(lǐng)域。比如，有人專注電商行業(yè)的商戶分析，有人專注基于位置的用戶行為分析，有人專注消費(fèi)金融領(lǐng)域的數(shù)據(jù)分析。

這個(gè)類型的數(shù)據(jù)人才的工作，往往是由某個(gè)業(yè)務(wù)問題驅(qū)動(dòng)，展開基于數(shù)據(jù)的分析，在分析過程中需要不斷積累行業(yè)知識、業(yè)務(wù)產(chǎn)品知識、以及消費(fèi)者心理學(xué)知識，并且有很多的邏輯思維能力和數(shù)據(jù)嗅覺，可以透過數(shù)據(jù)看到用戶更本質(zhì)的東西。

而在具體的分析方法層面，除了掌握一些基礎(chǔ)統(tǒng)計(jì)學(xué)模型外，更多的是需要數(shù)據(jù)分析的思維：發(fā)現(xiàn)問題 ? 維度細(xì)分 ? 對比 ? 回溯。

4、使能路線

數(shù)據(jù)分析工作往往會(huì)涉及三段論——發(fā)現(xiàn)問題 ? 分析問題 ? 解決問題，前面積累更多的是發(fā)現(xiàn)問題和分析問題，但要真正解決問題才算真正發(fā)揮數(shù)據(jù)的價(jià)值。我把定位到解決問題環(huán)節(jié)的數(shù)據(jù)類工作稱之為使能路線，具體來看又可以分為運(yùn)營路線（數(shù)據(jù)化運(yùn)營，或稱精細(xì)化運(yùn)營），以及產(chǎn)品化路線（即數(shù)據(jù)產(chǎn)品）。

數(shù)據(jù)化運(yùn)營工作的起源可能是這樣：有一些數(shù)據(jù)分析師，發(fā)現(xiàn)某日某個(gè)業(yè)務(wù)指標(biāo)有些異常波動(dòng)，比如說總收入下滑30%，于是通過在特定維度下（時(shí)間、地域、流量來源、某些人口特征或其它細(xì)分維度）的細(xì)分 ? 對比 ? 回溯過程，定位了問題。并能基于問題的要害點(diǎn)，分析潛在原因，并基于此展開運(yùn)營工作。這里的運(yùn)營工作細(xì)化可能包括活動(dòng)策劃、渠道選擇、時(shí)機(jī)把握、目標(biāo)細(xì)分和定位、文案等等，而這里面的大部分環(huán)節(jié)，又可以基于以往的數(shù)據(jù)模型計(jì)算出相對優(yōu)化的方案，過程中也往往大量采用A/B Testing。

關(guān)于數(shù)據(jù)產(chǎn)品這塊，之前寫過《數(shù)據(jù)產(chǎn)品的前世今生》，大家可以翻歷史文章看看。

5、綜合路線

一些數(shù)據(jù)行業(yè)從業(yè)者也有全棧化的趨勢，基于某一環(huán)節(jié)的數(shù)據(jù)從業(yè)者，如果基礎(chǔ)知識扎實(shí)，在興趣驅(qū)動(dòng)下，也會(huì)往上下游去拓展，比如說下面幾類：

數(shù)據(jù)科學(xué)家：數(shù)學(xué)、統(tǒng)計(jì)學(xué)、編程、業(yè)務(wù)理解、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化一個(gè)都不能少；

Growth Hacker：數(shù)據(jù)分析、精細(xì)化運(yùn)營、消費(fèi)者洞察、營銷、數(shù)據(jù)挖掘、A/B Testing、產(chǎn)品策劃等都有可能涉及到；

數(shù)據(jù)方向創(chuàng)業(yè)者：一個(gè)數(shù)據(jù)分析師往往是敏感的，如果他再具備主動(dòng)解決問題的激情和推動(dòng)力，有可能會(huì)走上這條路，身邊也不乏這樣的朋友。
......

最后，想說的是，選方向很重要，但更重要的還是踏踏實(shí)實(shí)的練內(nèi)功。

大數(shù)據(jù)

上一條: 1500元的砧板是怎么賣出去的?你也許需要學(xué)習(xí)一下心理喚起

下一條: 喧囂之后，BAT都在車聯(lián)網(wǎng)領(lǐng)域落下了哪些棋子？