最近正在追当下火热的电视剧《三十而已》，剧情以三个三十岁女性的视角展开讲述了都市女性在三十岁这一重要年龄节点时遭遇到多重压力的故事，虽然我是个男的，但是在看这部剧的时候，还是很有共鸣的。
其实不论男女，在30岁的年纪都会承受来着生活和工作的压力和焦虑，这两天在我的数据分析交流群，就有不少朋友谈到疫情过后企业的裁员，降薪潮，我的一位同行好友，干数据分析5年了，4月公司复工进行人事调整，不幸被裁员了
前阵子豆瓣上还有个热帖，网友去参加校园招聘会，某搜索网站HR表示，他们公司平均年龄都很年轻、很阳光，于是有人怼了句“那你们公司年龄大的都去哪里了？”，HR直接懵了。
是啊！年纪大的去哪里了？那些为公司做牛做马的老员工，最后都怎样了？被裁掉了吗……
曾几何时，年纪35岁以上，甚至只是年过30岁，就要开始面临失业困境了。可是，长江后浪推前浪，又有哪个后浪能逃过成为前浪的命运？
大学毕业后将所有青春年华，都耗在996工作努力上，换来的只是35岁之后的裁员及那杯水车薪的补偿金，这是否是很多人已遭遇或正在经历的事，我们干数据分析的也不例外。
那数据分析师该怎么做才能跨越职场危机，避免中年忧患呢？在数据分析行业待了接近十年的我，最近也在思考，如何才能突破数据分析行业的天花板，这个行业该如何规划职业发展道路。总结了一些心得与大家分享：
数据分析师的核心竞争力
一说到数据分析师，很多人自然而然地会和“大数据”联系起来，从而觉得数据分析师很厉害的感觉。其实这是一个错误的认知。无论是正在从事数据分析这个工作的还是希望进入这个领域的，都需要明白这是一个业务岗而不是技术岗。
看过数据分析师招聘JD的，其实不难发现，市面上是有两个导向的数据分析师。一种是业务导向，一种是技术导向。而且，业务导向的是主流。一般来说，说到数据分析师基本就是指业务导向的数据分析师。（因为技术导向的都会以其他的title进行招聘，比如：算法工程师，数据挖掘工程师等等）
业务导向的数据分析师不需要很高深的代码能力，只需要最基本的SQL语言能力。从数据库里写SQL语句得到数据，然后在EXCEL里加工可视化后做成报表或者报告，利用你的商业敏感度，给出可靠的结论。
技术方向的数据分析师相对比较少。（不过我也在招聘网站上看到偏技术的数据分析师，因此也写了进来）不是说这类人才需求少，而是大部分这些人才是以算法工程师，数据挖掘工程师/数据科学工程师这样更高大上的职位去招聘。他们的主要技能是数学功底+统计功底+实打实的写代码能力+看论文读最新算法论文的能力，要求相当高，当然薪资也更高。
从事每一个行业都应该思考这个行业的核心竞争力是什么，这样才能在工作中有的放矢，专注地去和提高培养。
一个职业存在的意义是在于填补空白。在大数据时代，数据普遍存储于数据库中，因此实际活动决策者和存储在数据库中的数据之间就存在隔阂，由此诞生了BI这个职业。作为一个辅助性工种，BI就是让数据反应真实的运营情况，从而辅助公司高层，运营者进行各种决策。如果把公司比作一辆汽车，BI就是仪表盘制造者，呈现汽车运行情况，行驶多少路，速度多少，油耗多少等等。如何让数据更直观反应问题所在，就是BI的能力。
很多人认为数据分析师的核心技能是技术，一个优秀的数据分析师，SQL，Excel、BI等数据分析工具技能不用说了，Excel要用的飞起，了解所有函数，图表的用法，数据分析语言——Python，R语言，VBA语言等等要样样精通。
所以很多刚入门数据分析的朋友，一上来就买很多Python，R语言，VBA的书籍和资料，安装了各个语言的环境。但其实数据分析师的日常工作，最多就是用到SQL取数以及Excel数据透视图、BI分析工具中拖拉拽图表。
但呈现数据不是能力，加工数据，才是数据分析师存在的意义。
还是以汽车为例，从手动挡汽车到自动挡到无人驾驶汽车，汽车的进化史就是让驾驶人越来越“懒”的历史。BI也是一样，一个优秀BI，就是让决策者决策变“懒”，让决策者做选择题而不是填空题。数据呈现是第一步，它给BI抛出的问题是个论述题，而BI的工作就是让这道论述题，变成选择题。
有的人说，在这种论述题变选择题的过程中，业务能力是最重要的。我不否认，我也经常在文章中提到业务熟悉度是一个数据分析师最重要的技能。只有熟悉了业务，深耕这个领域，依据先验知识，快速定位和分析问题，结合业务现状，业务经验得出一些猜想，再寻找数据进行验证。稳扎稳打一段时间后，慢慢成为这个业务的骨干，荣升管理层…
然而，理想是丰满的，现实是骨感的。确实这样不失为一条很好的发展途径，但是在现在瞬息万变的职场中却很难实现。这样的发展取决于工作的稳定性以及业务的稳定性。
比如说，你能保证在这家公司待上3年甚至5年吗？你能保证自己不被换岗？你想换工作时，你能保证在下一份工作还是能找到原来相似业务的BI工作吗？我认为走业务骨干然后成为管理者至少需要在同一个业务上有8年10年的经验，否则比较难让人信服。如果专注于一项业务知识的积累，在未来求职会比较受限制。
所以我认为，以行业为最细颗粒度，注重在某一个行业分析方法论的养成才是一个商业数据分析师的核心竞争力。业务会常变，但行业不会。为什么要坚守一个行业？
在前文分析过，商业数据分析师依然是一个业务岗而不是技术岗，业务岗的核心竞争力是什么？——经验！如果现在有两个BI到淘宝应聘，一个数据分析师，一年在电商，一年在互金，然后又去了银行；另一个是在电商行业做了三年数据分析，两人其他条件相似，你觉得淘宝HR会选择哪一位？因为一个行业会有不同的业务，将眼光放到行业，既可以避免单一业务造成的跳槽困难，又可以将工作年限最大程度为自己增值，不失为在这个瞬息万变的市场中谋求一席生存之地的办法。
PS： 说到底，求职的本质，就是兜售自己的方法论，工作的本质，就是用时间积累方法论。
最后再从企业角度谈裁员
知乎上关于裁员的帖子下面经常会有人问：人才，到底对公司重不重要？
重要？现在互联网寒冬，为了存储弹粮熬过寒冬，做的第一件事就是裁员，缩减招聘。不重要？华为百万年薪聘请AI博士，千金买马骨。看似很矛盾，但其实并不矛盾。
从本质来讲，人力是公司的成本。但是，对于公司来说，成本只是一个参考指标，最终决策依据的是ROI即投入产出比。
常常说程序员有中年危机，不是说中年程序员不如年轻程序员，而是随着年龄的增长，要求工资增长，对公司的付出的精力却减少（对经营家庭所付出的时间增长），从而公司层面觉得中年程序员性价比没有年轻程序员高。除非形成不可替代优势，或者替换你的成本较高，在利益放在第一位的公司，被开除只是时间的问题。
网友评论