到底有多少种「搞数据的」,你凌乱过吗?

作者:老读悟(转载请自微信公众号“老读悟”,欢迎关注该公众号!)

databizkinds

好吧,我承认有点标题党了。我的本意是想写写,到底有多少类做数据相关工作的,以及数据从业者的职业发展路径可能有哪些。

经常有猎头打电话说,有某数据挖掘工程师职位,您是否考虑?有的说,某公司在找一位数据产品总监、数据分析师、数据架构师、业务分析师......有的干脆上来就问,我要找某某数据职位,应该找什么样的候选人呢。

其实时候想想,别说猎头,即使是很多数据从业者,也未必说的清楚到底有多少种数据相关的工种。为什么呢?因为,数据相关工作往往是交叉学科,需要很多专业技能,而不同专业背景的人切入和成长的轨迹又不近相同。比如,可能同意一个数据分析的岗位,小A是统计出身的,他可能更擅长各种统计模型,熟练使用R;小B是计算机背景出身,他可能更多的用Python处理数据,会更擅长定义数据模型,编写数据挖掘算法;小C是MBA出身,可以熟练使用一些统计软件,比如SPSS、Excel,不仅可以做出各种数据可视化的商业报告,更有辅助商业决策的建议提出。按这个逻辑写下去,估计要写到小Z了。

有心的数据从业人员,除了埋头学习、提升以外,更会希望抬头看看,明确自己的职业生涯到底走在一条什么路上,但从上面例子的字面上看,我们更多的感受到的是「凌乱」。

有没有一种好一点的视角,让这个问题更清晰化呢?我自己的个人看法,从大方向可以这么区分:

①、纯技术路线

从我身边接触的人来看,大致又可以分为以下三类:

A类:包括数据架构、数据存储、数据安全等在内的工程数据技术,尤其是涉及到海量数据的时候。

B类:涉及数据采集(如海量日志处理、网络爬虫等)、数据处理、数据模型等原始数据再加工过程中涉及到的技术。

C类:面向应用层(或有一定通用性的)算法、建模技术,包括机器学习领域、自然语言处理、搜索&推荐算法,以及深度学习、AI算法领域等从数据到知识涉及的技术环节。

关于这一块,前一段大数据文摘有一篇「机器学习:入门方法与学习路径」推荐大家看一下。

②、行业路线

这个路线可能是从初级数据分析师,或初级市场研究,或一些管理咨询顾问出发,逐渐发展到更宏观、更战略的视角,去把控(或侧面影响)、引导、孵化行业资源走向。典型的定位有企业战略专家、投资领域的行业分析师、资深管理咨询顾问,甚至自己走上企业高管之路。

只不过,这一部分的定位,目前很多环节依然依赖的是小数据,未来大数据与投资、战略方向或许也会有更深的结合。

③、业务路线

这里的业务与上面的行业的区别在于,业务更聚焦的某个行业或某个领域。比如,有人专注电商行业的商户分析,有人专注基于位置的用户行为分析,有人专注消费金融领域的数据分析。

这个类型的数据人才的工作,往往是由某个业务问题驱动,展开基于数据的分析。并且在分析过程中需要不断积累行业知识、业务产品知识、以及消费者心理学知识,并且有很多的逻辑思维能力和数据嗅觉,可以透过数据看到用户更本质的东西。

而在具体的分析方法层面,除了掌握一些基础统计学模型外,更多的是需要数据分析的思维:发现问题 » 维度细分 » 对比 » 回溯。

④、使能路线

数据分析工作往往会涉及三段论——发现问题 » 分析问题 » 解决问题,前面积累更多的是发现问题和分析问题,但要真正解决问题才算真正发挥数据的价值。我把定位到解决问题环节的数据类工作称之为使能路线,具体来看又可以分为运营路线(数据化运营,或称精细化运营),以及产品化路线(即数据产品)。

数据化运营工作的起源可能是这样:有一些数据分析师,发现某日某个业务指标有些异常波动,比如说总收入下滑30%,于是通过在特定维度下(时间、地域、流量来源、某些人口特征或其它细分维度)的细分 » 对比 » 回溯过程,定位了问题。并能基于问题的要害点,分析潜在原因,并基于此展开运营工作,这里的运营工作细化可能包括活动策划、渠道选择、时机把握、目标细分和定位、文案等等,而这里面的大部分环节,有可以基于以往的数据模型计算出相对优化的方案,过程中也往往大量采用A/B Testing。

关于数据产品这块,之前写过「数据产品的前世今生」,大家可以翻历史文章看看。

⑤、综合路线

一些数据行业从业者也有全栈化的趋势,基于某一环节的数据从业者,如果基础知识知识,在兴趣驱动下,也会往上下游去拓展,比如说下面几类:

数据科学家:数学、统计学、编程、业务理解、机器学习、数据可视化一个都不能少;

Growth Hacker:数据分析、精细化运营、消费者洞察、营销、数据挖掘、A/B Testing、产品策划等都有可能涉及到;

数据方向创业者:一个数据分析师往往是敏感的,如果他再具备主动解决问题的激情和推动力,有可能会走上这条路,身边也不乏这样的朋友。 ......

最后,想说的是,选方向很重要,但更重要的还是踏踏实实的练内功。 你想做怎样的「搞数据的」?