你属于业务类还是技术类的数据分析师？

在企业中，数据分析师往往分为业务和技术两类。这两种能力和工作内容有很大的不同，但企业在招聘人员时往往被称为：数据分析师。这常常让想进门的新人感到困惑。今天，让我们来谈谈业务和技术。业务或技术业务分析师往往在战略发展部、市场部、会员中心、销售部、运营部。根据服务业务部门的不同，也可称为数据运营、业务分析、会员分析、业务分析师等。由于每条业务线考虑的问题不同，分析思路和系统也不同，因此会有这种差异。他们有一个共同的特点：他们主要负责写PPT而不是代码。他们输出的是分析报告多于分散的数据。他们的主要工作包括：整理Excel，提供每个业务部门的日常、周和月度报告；对领导安排的特殊问题（如双11推广、年终规划、新产品设计）进行专项分析；支持领导计算、规划、计划等。IT部和数据中心经常有技术分析师。他们被分为数据库工程师、ETL工程师、爬虫工程师、算法工程师等。在小企业，一个技术兄弟经常吃这些流程。在大型企业中，一个标准的数据中心通常有三个组：数据仓库、专项分析和建模分析来完成数据开发。无论公司有多大，都有专门负责数据管理的团队。之所以有这种区别，是因为生产数据需要一个多层次复杂的数据系统。数据系统需要数据采集、数据集成、数据库管理、数据算法开发和报表设计。只有这样，分散在各个地方的数据才能一点一点地集中起来，计算成常用的指标，并显示成各种酷炫的图表。这里的每一个环节都需要相应的技术支持和人员工作，所以有不同的职位。只要你对数据分析师有深入的了解，你就会发现最常说的是：最好精通技术业务。这让很多新人觉得很辛苦。为什么我不能安静地成为一名程序员？为什么不能勤勤恳恳地写ppt？我们必须学习另一个领域。其他部门的人似乎不需要那么多才华！为什么分析这么辛苦？事实上，所有做数据分析的老鸟都知道双精通技术业务的重要性。这是他们无数次面试失败、加班哭泣、被拒绝要求晋升、背黑锅写评论后的血泪总结。刚起步的菜鸟，眼前还是一片空白，当然看不到这些痛苦。不懂技术，最终成为夸夸其谈的废柴鄙视技术的新人。他们往往来自大企业和500强总部，他们认为自己很快就会成为商业精英。战略发展部往往是重灾区。这些兄弟姐妹每天都穿着西装和鞋子和各种各样的老板交谈，写ppt经常计划5年的整体战略。一种优越感油然而生:我向大老板汇报，那我也是二老板！最重要的是分析思路！技术是干脏活累活！如果他们继续如此优越，他们要么成为以“XX企业背景”的名义吃喝的大傻瓜，要么在基层工作了几年后一直徘徊。的确，分析不需要数据，你看历史上有多少名臣谋士从事sql、python？但这是刀耕火种的农业社会。数据之所以被添加到分析中，是因为数据可以使分析更加准确。在移动互联网时代，数据源复杂，处理过程多，计算方法日新月异。不了解技术原理，不掌握数据来源，就无法真正控制数据的含义。脱离数据，空谈思路，会让自己越来越浮夸。在职业发展上不可能达到更高的水平。有趣的是，这些大*往往是技术部门。因为他们有“XX名企”这样的金光闪闪的头衔，所以经常能混进领导层。遇到这类业务部门的领导，技术部门就倒霉了。每天听他盲目地吹各种各样的想法，没有一个能落地。你问他:“这个分析需要哪些维度和字段？“这不是技术干的吗？你问他:“你预测这个有什么分析逻辑？“这不是技术干的吗？最后，再追一句：“我只是想预测，你去预测！你看，人们可以通过在网上写大数据来预测人工智能！你不能预测一定是你的智力不够！”搞笑吗？一点也不搞笑！如果你伺候他的技术部门，每天都有上坟的心情去上班，真想活埋丫丫。夸张吗？毫不夸张。不管怎样，陈先生见过。他甚至不知道数据指标对应的哪个字段。他仍然在谈论特别的分析。所谓的营销专家，不管数据收集有多困难，他都会张开嘴，要求数据。让人哭笑不得。幸运的是，陈老师刚毕业的时候，这样的人比较多。当时BAT还没有崛起，外企500强是众星拱月般的存在。如今，随着BATJ华为等众多公司热爱算法工程师，风气扭转，目前热门技术忽视业务占上风。不懂生意，最后排在升职加薪的末尾鄙视生意，往往来自刚进IT部工作两天，抱着:“只要能代码，工资就容易拿！新人的错觉。他们还没有经历过一个完整的项目，也没有和业务部门开过会。拿着主管派来的任务单，两耳不听窗外的事，一心只敲键盘。于是他搭上泰坦尼克，驶向kagle，早辞波士顿，晚赏鸢尾花，没事就爬上拉钩。似乎只要你复制这些网上每个人都可以复制的代码，下一个小龙兄弟就是你自己。然而，经过无数次的加班，鹅开始发现：“为什么我们的数据质量这么差？“为什么我们的数据造假这么多？“为什么关键字段缺东西？“为什么系统这么差，老牛天天破车？书中的完美案例从未有条件实现。然后小哥们以为一定是公司小，不规范。跳槽到超牛逼大公司，一定是数据完善，基础强大。经过几次努力换工作，我发现在一家大公司，只有一头老牛，一群年轻的小牛拉着一辆更大的破车，哭了起来。他们又开始发现:“为什么业务方给的时间限制这么短！""为什麽业务方如此异想天开！“为什么要把老板抬出来压我们明明不合理的需求！“为什么做得好，归功于业务策划的好！“为什么出了问题就是IT锅！”。这时，他们突然发现隔壁组长是那么机智。每次和业务方开会，都可以用矛攻子之盾。杀死那些不合理的需求。他们组从来不加班，黑锅小。从这一刻起，大多数做技术的弟弟都意识到了商业的重要性。陈先生听了很多这样的抱怨，陈先生也看到了很多这样的顿悟。因为我是隔壁的组长。以后会专门分享数据驱动业务的经典案例，让大家看看如何从一开始就脱离苦海，跳出大坑。本质上，技术是为业务服务的。技术落地的成功始于高质量的业务需求。如果不能正确理解业务需求，不能合理帮助业务方改善需求，不能有效避免需求中的业务陷阱，就不可能开发好的产品。技术开发的成功，需要资金、人力、时间的投入。如果你不能为技术找到一个好的商业场景，你就不能从老板那里得到足够的支持。毕竟，大多数企业开发是为了赚钱，而不是为了烧钱。最终的评估和开发不是你使用的技术有多复杂，而是你对业务有多有帮助。为了理解这一层，新人们必须付出相当大的加班努力。业务 技术是职业发展的基本标准，至少了解这些行业是专业的，知识应该广泛。尤其是像数据分析师这样的多面手型角色。那么我们应该知道多少呢？这里有一个建议:业务方向分析师:必须知道数据采集方法、数据字段格式、指标计算口径和更新时间。因为这三点涉及到数据的真实性和可靠性。没有数据质量的保证，任何分析都是空谈。越了解基本数量，就越能从细节中找到思路；必须了解算法模型的类型和应用场景。因为这涉及到如何选择分析方法，如何提高分析质量。如何写具体代码，懂了就懂。技术方向分析师：必须了解业务部门的分工、职责和流程。至少有一个明确的职责，知道你想联系的人在做什么。了解销售分析、业务分析、促销分析、商品管理等相应部门的常见业务需求。面对业务部门的需求，他们可能知道自己在想什么，有什么套路。帮助自己更好地理解需求，避免需求坑。

以上就是关于你属于业务类还是技术类的数据分析师？的相关介绍，更多你属于业务类还是技术类的数据分析师？相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对你属于业务类还是技术类的数据分析师？有更深的了解和认识。