一
数据本身没有价值，价值在于分析，基于数据和业务的分析是有前景的。
接触到的大厂朋友他们说，单纯的数据分析岗在国内互联网企业多是数据支持型，为产品、市场、供应链等部门服务，不直接产生价值（money）。
所以很多数据岗实质上干的是SQL、Excel、Python数据处理，日常写代码跑取数需求。或者更技术一点，做数据平台的开发。
但上述的这些都不是真正意义上的数据分析，随着BI、数据中台等技术的发展，取数必然会被机器代替，像Tableau已经初步实现根据描述指令来提取数据、生成图表。
二
就我个人这么多年的数据工作经验来说，具备业务深度、数据敏感度和闭环逻辑，是数据分析从业者能力的最大体现。
业务深度很好理解，就是不管做什么岗位，都得精通里面的每个环节、指标、流程、产品等，把分内的东西完完全全摸透，这是基础能力。拿汽车垂媒行业来说，作为一个营销数据分析师，必须得熟悉APP&WEB端产品形态、广告点位、投放模式、品牌车型、各种数据指标、行业信息等等，只要是该岗位关联到的业务都应该去研究。
数据敏感度其实是业务问题的数据化，你能否通过数据探索挖掘出业务场景中的变化、问题、原因、关联等信息。当你看到这个月漏斗转化低了10%的时候，你会怎么样去剖析、下钻这10%背后的来龙去脉。
闭环逻辑是解决问题的必要思维，说通俗点就是做事及时反馈，有头有尾、自洽他恰，这在数据分析中尤为重要，决定了你是取数师还是分析师。比如说销售部门向你提出A产品今年的用户画像是什么样的，明年该怎样针对用户做投放才能提高成交？
这样的问题就不是拉拉数据就能解决的，因为它涉及到现状分析、归因分析、竞品分析、策略建议等，最终给出一个基于数据发现的优化实施方案。如果没有闭环思维，东一榔头西一棒子，问题永远得不到解决。
三
数据驱动是大势所趋，具备数据挖掘能力的人会更吃香。注意我这里说的不是数据分析岗，而是具备数据挖掘能力的人。
数字化普及的今天，越来越多的职位都会和数据打交道，所以每个人都可以去挖掘数据背后的价值，每个人都是数据分析师。
同样是销售，在给客户讲方案的过程中，如果你能基于数据讲出自己的见解故事、对利弊的分析判断，比干巴巴的说产品更能打动客户。
在和领导的沟通汇报中如果能穿插一些关键数据，少用形容词，也会更容易博得好感。
回到数据岗本身，现在各大互联网公司、乃至传统行业都在拉拢数据人才，而且薪资不比技术少，一线城市基本5年以上能达到30K以上。
所以说前景是光明的，但务必要把握好什么是真正重要的东西。
四
关于技术这块也需要说说，术与道缺一不可。
第一种必须要掌握的技术是统计概率，这是基础的数学知识，但非常重要。统计概率中的很多知识点都可以用到日常数据分析中，比如抽样、回归、检验、可视化等。科学的数据分析方法论有助于帮我们建立逻辑思维。
第二种比较重要的技术是数据模型，或者说思维模型。比如用于增长分析的AARRR增长模型、用于用户体验分析的CX Index模型、用于竞争分析的SWOT分析模型...这些久经考验的模型会让你的分析思路更加清晰，也会更容易说服听众。
第三种是编程等IT技术。数据分析本身不需要很NB的IT技能，原来我们用Excel就够了，但后来因为大数据和机器学习的出现，才有了hadoop、hive、spark、python等，所以要看情况，如果对技术感兴趣，现在主流的工具都可以学学，所谓技多不压身。
网友评论