51Testing软件测试论坛

 找回密码
 (注-册)加入51Testing

QQ登录

只需一步,快速开始

微信登录,快人一步

查看: 1618|回复: 1
打印 上一主题 下一主题

[转贴] 工作十年的数据分析师被炒,没有方向,你根本躲不过中年危机

[复制链接]
  • TA的每日心情
    无聊
    4 分钟前
  • 签到天数: 936 天

    连续签到: 3 天

    [LV.10]测试总司令

    跳转到指定楼层
    1#
    发表于 2021-10-28 14:27:57 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
     很多人都说数据分析是个好饭碗,工作不累薪资高、入门简单又好学。然而今年34的他,却真正尝到了中年危机的滋味,平时也有不少人都会私信问我:
      数据分析师也有中年危机吗?跟程序员一样是吃青春饭的吗?该怎么保证自己不被公司淘汰呢?

    在数据分析行业混迹了接近十年的我,最近也在思考,如何突破数据分析行业的天花板,这个行业究竟如何规划职业发展道路?
      一、数据分析不吃青春饭
      不可否认,数据分析行业是有中年危机的,但是不同于互联网行业的中年危机,此危机非彼危机,为什么呢?且听我慢慢道来。
      1、数据分析行业上限太高
      单纯聚焦于数据分析行业本身来说不是青春饭,或者说这个行业跟年纪大小压根就没关系,但是劝大家也不要太乐观,三百六十行,行行有难处。
      跟程序员很像,数据分析的职业分水岭也在30-35岁左右,因为大多数做数据分析的人,不到十年一定会遇到职业的天花板问题,这个行业的天花板下限太低,很多人都触底之后就会选择转行或者转去做别的,这一点在其他行业中可能也会有。
      我做了接近十年的数据分析,一直也在考虑这个问题,数据行业的天花板其实一眼就能看到,但其实换个角度,数据分析天花板的上限也很高。

    什么意思呢?业务数据分析需要对业务理解有着很高的要求,业务赋能的价值是非常大的:
      技术真的不是最重要的(虽然要说做到头还是比较难的,数据的坑纵深很大),业务要更重要,再牛逼的技术,对业务没有赋能,被砍掉完全有可能,因为企业要靠业务来养,投入是要看回报的,不管是短期还是长期的。
      但要注意,业务分析的价值是要绑定在行业上的,你所在行业的发展越好,你所积累的价值就是越大的,你每一次分析的经验就会不断增值,这可不是那种青春饭能带来的。
      2、数据分析行业下限太低
      说的有点远了,关于数据分析行业不是青春饭的原因,其实还有一个,数据分析行业的门槛太低。
      因为这几年涌进来的人实在是太多了,但是很多人都只是停留在了技术(工具)层面:差一点的变成取数机器,机械性太强;好一点的学个python什么的,往技术岗的方向发展,技术岗最大的问题就是容易被取代抛弃。

    数据分析工具
      3、需要终身学习
      先说加班吧,这个行业的加班情况因人而异、因公司而异,总体来说不会很严重,如果是中层分析管理岗的话会比较忙一些,周六周天无休都有可能;
      再说终身学习,这一点是肯定的,具体学习量大小要看你的发展方向,偏向于业务的话,技术层面不需要深入太多,主要是业务和管理两个方面的提升;
      二、数据分析行业还能进吗?
      想要转行进入数据分析行业的,你知道自媒体运营吗?数据分析的情况跟这个差不多,尤其是偏业务的,也都是火了没几年,门槛又不高,不少人趋之若鹜,挤破头也要挤进这个行业,直到现在,整个数据分析行业(只说国内)表面上供小于求,实则水分特别高。
      水分是什么?
      一是企业,表面上看好像什么企业都想要数据分析,你要明白,你们趋之若鹜的同时国内企业也在盲目随众,现在哪个企业不搞数据化改革、不搞数分平台建设?其实你要问企业真的很需要吗?并不是。
      很多企业就是招了一堆人天天做报表,当取数机器。如果你想做的是业务分析师,情况就更惨一些了,在大多数中小型企业和部分传统企业中,业务分析经常是被老板说没价值的,时间久了你自己都会怀疑自己的工作是否有价值。

    二是求职者,主要是这个行业门槛太低了,换句说话,门槛不明显。
      可能很多人觉得学个r语言、学个python、学个BI就行了,其实用excel做统计都算是数据分析,所以数分的人多而不精。别看行业里人这么多,真正达到分析师高度的人很少很少,大厂企业争得抢的是这样的人。
      三、数据分析行业如何规划职业发展?
      说了这么多,冷水也泼完了——其实也是为了让你能保持清醒——我再接着说点职业发展的:
      如果你想做运营类,数据分析都有前提目标,分析一场营销活动的转化效果、分析用户下载激活注册的转化率、分析某个广告渠道的下载量、每激活成本、用户留存情况等等,这些一般是不设专岗,往往ceo、coo、产品、运营同学把这部分工作各自承担了。当然,如果公司组织结构很大,不排除单独设立,这时候需要你具备熟练操作数据分析工具、如mySQL、spss、python、FineBI,甚至是报表呈现。
      另外一个就是就是研发型数据分析师,一般就是据业务需求做数据埋点、监测,数据处理、报表呈现。高深一点的就是大数据分析、BI工程师、机器学习、个性化推荐了。

    其实造成数据分析师地位不高的主要原因,就是不认同和价值缺失。
      我们总说数据驱动业务,可平时看到的,却总是业务部门追着数据部门屁股要数据,而且数据分析的价值其实很难表现出来,领导不认同,同事不认同,甚至连自己都不认同,甚至会怀疑自己所做的事情是不是真的有价值,这种情况在企业中非常常见,做数据分析的人基本都会转做管理和运营。
      总结
      其实数据分析做到一定程度都会觉得有瓶颈,技术已经做到头了,但是就数据分析来说,技术真的不是最重要的(虽然要说做到头还是比较难的,数据的坑纵深很大),业务要更重要,再牛逼的技术,对业务没有赋能,被砍掉完全有可能,因为企业要靠业务来养,投入是要看回报的,不管是短期还是长期的。

    本帖子中包含更多资源

    您需要 登录 才可以下载或查看,没有帐号?(注-册)加入51Testing

    x
    分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
    收藏收藏
    回复

    使用道具 举报

  • TA的每日心情
    开心
    2021-6-9 14:08
  • 签到天数: 1 天

    连续签到: 1 天

    [LV.1]测试小兵

    2#
    发表于 2021-11-26 09:07:22 | 只看该作者
    越来的要求确实越来越高了,不努力很容易就被替代了
    回复 支持 反对

    使用道具 举报

    本版积分规则

    关闭

    站长推荐上一条 /1 下一条

    小黑屋|手机版|Archiver|51Testing软件测试网 ( 沪ICP备05003035号 关于我们

    GMT+8, 2024-4-24 09:15 , Processed in 0.064906 second(s), 23 queries .

    Powered by Discuz! X3.2

    © 2001-2024 Comsenz Inc.

    快速回复 返回顶部 返回列表