能做一辈子吗 数据剖析任务

很多同窗都在思索职业开展门路疑问。最近咨询陈教员的也很多，一个很广泛被问到的，就是：数据剖析师的红旗，究竟能打多久？当天集中解答一下。还是陈教员的一向格调，不吹不黑，客观说事。咱们一同来看看，数据剖析师们最纠结的五个疑问：

▌疑问一：数据剖析会不会被AI取代？

答：不会！

所谓的“AI/人工智能/智能BI/ChatGPT会取代数据剖析师”，正是来自对数据剖析任务的不了解。在疑问行的人眼里，数据剖析师和算命巨匠没啥区别，不须要数据采集、不须要数据荡涤、不须要数据控制、不须要剖析建模、不须要积攒阅历、不须要你测实验证。

只需眉头一皱、掐指一算，咒语一念，符咒一烧，算盘一拨，天上咔嚓一道炸雷掉下一道圣旨：明年业绩1257亿！这就算剖析完了。

在疑问行的人眼里，ChatGPT、人工智能、数据剖析、算盘、《周易》没啥区别，反正环节他都看疑问，最后咔嚓一声能出个好牛逼的结果。有这种童稚理念，当然会觉得人工智能会取代数据剖析了。

而实践企业面临的数据疑问是：

1、没有数据：新业务急匆匆上线，压根没采集数据

2、有假数据：业务操控，流程缺失，利益驱动

3、乌七八糟：口径不一致，流程不规范，经常使用瞎胡闹

4、人为歪曲：业务方为了保住KPI睁眼睛说假话

5、不会判别：只知道写同比环比，不会解读意义

6、客观臆断：做数据只为证实自己是对的，强词夺理

只需ChatGPT无法衣着西装打着领带出如今会议现场，它就没法处置基础数据疑问，连数据都没有，还剖析啥呀剖析。

无论哪朝那代，数据剖析一直围绕五大疑问：

1、是什么（量化结果，失掉数据）

2、是多少（建立规范，评价好坏）

3、为什么（寻觅要素，验证假定）

4、会怎样（预测前景，探求或者）

5、又如何（综合评价，做出取舍）

经过一直循环的解答这五个疑问

这种摸着石头过河的力气，是任何算法无法取代的。当然，石头摸分明了，数据品质好了，阅历总结差不多了，这时刻有些传统的任务可以用模型来干。比如在风控、介绍畛域，传统业务阅历越来越让位给模型。雷同的，在新的畛域，数据剖析继续做着开路先锋。

比如这两年，陈教员主导的名目，就有少量的社交电商、分享裂变、网红带货、私域流量转化的名目，这些名目往往是业务形式翻新和数据剖析齐头并进的。在这些新畛域，各个行业都在摸石头，当然得带着有身手测量深浅的水文师。不然一脚下去踩坑里咋死的都不知道。

当然还有一种论调，来自：有智能BI，智能生成SQL代码了，数据剖析师就要下岗了。这个更童稚了，谁TM跟你说数据剖析师就是人肉SQL机了！

要我说，这种智能BI越早出越好！正好把那些每天2000行sql的小哥们束缚进去，正好把那些无量无尽的暂时取数挡掉，正好可以让市场部那些只懂神思疑问技术的妹子们对着ChatGPT咆哮：“这是总监要的，任务必需给！”——这话都冲着ChatGPT喊去，那画面想想都爽。咱们就有更多的期间，来剖析疑问，来设计实验，来开掘深层要素，出的效果还多一点。

So，时代淘汰的不是数据剖析师，而是只会写SQL的肉鸡，是只会四处问“有没有模板抄抄”的菜鸡，是只会写同步环比的草鸡。大家大可忧心。

▌疑问二：数据剖析会不会被会写sql的运营取代？

答：不会

这个疑问陈教员有经常分享，这里不再赘述，只说论断：“运营做数据剖析是有原罪的，叫：本位主义”。

只需丫的身份还是运营，丫的数据剖析结果就是屁股选择脑袋，就是短视且功利的，这一点跳进黄河都洗不清。

况且运营也就只会写sql而已，你让他弄数仓，搞ETL，搞数据控制试试，不累死也恶心死。这又是“只见高楼起万丈，不见解基累又脏”所发生的曲解。所以做数据的同窗们不要厌弃这些脏活累活，这反而是咱们的一个护城河（只管里边都是泥巴）。

当然，那些只会写“本月比上月少了1000万业绩，延续三个月上涨”的数据剖析师，铁定被运营取代呀。这种玩意只需眼睛不瞎，且识字，都能写呀！连咱们家小爷coco都会看着爸比画的条形图说：“这根短了”，他再学会一句“要搞高”，就能去很多互联网公司当“数据剖析师”了呀。这种不被取代就见鬼了。

▌疑问三：数据剖析务工难不难？

答：难

第一，由于算法被炒得太热，所以很多人会宿愿数据剖析师懂算法，从而参与了面试难度。是滴就是那些不明假相的吃瓜群众，总想着：“算法这么牛逼的都会了，剖析还不会吗？”抓着做剖析的往死里问算法，进了公司才发现，他喵子的除了买卖流水屁数据没有，算法个蛋蛋。

第二，由于很多运营自己开局sql，造成对剖析才干的要求更高。一个矛盾点是：很多指导自己也没见过初级的数据剖析长啥样，于是会瞎提要求，把很多业务疑问归为数据疑问，去问数据剖析师怎样卖货。这要是正儿八经的数据剖析师或者真的就冤死了。

第三，由于互联网行业寒冬，造成监禁进去少量劳能源，于是想转行的，算法（只会调参）失业的，做运营的，根红苗正做剖析的，都在找数据剖析任务，竞争更强烈，人造找任务更难。

综上，难是肉眼可见的难，大家多多努力，少点激动是正道。

▌疑问四：数据剖析想包围，可以预备什么？

严厉来说，这篇可以独自写。这里先列个提纲：

1、连excel，sql，python（速成ESP套餐）都不会的，连忙学技术，增强才干

2、吃了ESP套餐的，学点数仓，ETL，数据控制，优化基础才干

3、和业务走得近的，多补充业务常识，特意是新畛域的数据运用

4、公司数据基础好，自己常识扎实的，应战一下算法

总之，横行扩宽业务常识面，纵向在数仓方向强化，才干强的看点算法，技多不压身，才干强者造前途多。

▌疑问五：数据剖析想转行，可以哪里走？

严厉来说，这篇又可以独自写。这里先列个提纲：

1、业务才干强的，可以往用户增长、用户运营等战略性强的部门转，这些部门天生就须要很强的剖析才干。

2、技术强的，可以往数据产品方向转，移动BI、大屏、运营助手等产品是很好的出效果的中央

有两条路吹得很火，可实践上不是特意好的前途：

1、数据中台。经过近几年爆吹，大家发现：这玩意没鸟用呀。少拿阿里的数据产品举例子，人家天生数据多，可以卖给一堆企业，就咱们企业那烂兮兮的数据，建中台有毛用，不是在烂泥巴里起高楼吗，不塌才怪。

2、数据剖析转算法。经过鱼龙混同的前几年，大家也发现只会调参的“算法工程师”有毛线用。真正算法名目，工程的难度是远远高于算法难度的，这使只会数据的人没啥长处。更何况，如今依然有少量狂热应届生涌进这个畛域，和他们比起来半吊子出身的数据剖析是没啥竞争力的。所以审慎选用转行。

以上，大抵回答了大家最关心的五个疑问。除了疑问一，疑问二，其余分享都少一点，由于篇幅真的曾经很长很长了。

其实同窗们最后的疑问是：数据剖析师开展前景如何？陈教员不青睐讨论这么虚的话题，正如上边五个疑问一样，大家会发现：假设你继续提高，你一直能在时代中找到自己的位子，假设你原地踏步，随意一个玩意都能把你淘汰。