硅谷著名风投机构 Greylock Partners 增长顾问

编注：本文作者 Casey Winters 是美国著名风投机构 Greylock Partners 增长顾问、Pinterest 前增长主管和 Grubhub 首席营销官。增长官翻译组作品，原文《The Analyst Career Path》可见文末链接。

翻译 / 黄金暴鲤龙

校对 / 1K

我以前写过，分析团队是当今科技公司的一个重要部分。科技公司正在急招分析师，来与他们的产品团队合作。

虽然我之前的文章讨论了如何雇佣分析师，以及如何在组织中构建分析团队，但我还没有写过分析师应该如何对待他们的职业生涯。

许多技术工作者，尤其是在初创公司的那些人，都存在职业发展的问题。虽然现有的产业格局已经定义了职业的阶梯，但还有许多技术角色，他们的职业晋升道路远不那么清晰。

工程师们，作为技术公司中最大和最元老的团体，他们是有明确职业道路的——从个人贡献者到经理，一直到副总裁和 CTO。

产品经理们也知道，他们可以在公司里一直扮演经理的角色，直到副总裁。如果他们依然想要做独立贡献者（individual contributor），则可以在之后通过开发越来越复杂和有战略性的产品来成长（可参见这篇我们翻译的《硅谷著名风投机构 Greylock Partners 增长顾问 Casey Winters：产品营销岗位的穷途与出路》）。

相对的，正如我与许多分析师、分析团队交谈过的那样，分析师的职业道路并不像工程师一样有那么清晰的定义。作为一名曾经的分析师，并且也管理过分析师，我将阐述如何看待分析师的职业道路的。

01

成为一名数据科学家   

如果有人想要成为独立贡献者，而不是管理者，那么在某种程度上，要成为一名更好的分析师，唯一途径就是成为一名数据科学家。

现在，分析师和数据科学家之间的界限有些混乱，许多公司只是把所有分析师都叫做数据科学家，作为头衔膨胀的一种形式。

我将分析师的角色定义为使用数据来帮助识别和交流商机，并推动团队决策的人。这包括由他人推动的目标分析，以及由分析师推动的自由形式分析。

从流程的角度来看，这包括了从提出建议、帮助进行实验，到创建数据面板来帮助其他人做出决策的所有事情。

从工具的角度来看，这意味着一切，从编写 SQL 查询、识别产品工程中的机会、找到利用数据工程设计数据库的机会、创建新的数据面板，到将数据可视化的所有事情。

分析师通过检索、分析，最后做出建议。人们不仅会根据这些建议的好坏，还会根据建议被实践的频繁程度来判断分析师的能力。

那么，数据科学有何不同呢？

数据科学家在写 SQL 之外，还要编写代码来操作数据进行分析，并将其用于改善产品的用户体验。数据科学家可以编写算法来强化用户在产品中个性化的用户体验。抑或使用 Python 或是 R 等语言来通过更复杂的查询，从而实现更复杂的分析。

当分析工作对于分析师来说太过于复杂时，数据科学家就会接手。并且他们经常会与产品、工程团队深入合作，来改变产品。

数据科学家不仅仅是一个更高级别的分析师角色。数据科学家在某些领域拥有深厚的专业知识，比如机器学习、统计推理，以及专注于解决长期的具体问题。

02

成为一名分析经理

如果你想要步入管理的方向，成为一名分析经理是一个最自然的选择。

由于公司频繁的雇佣分析师，所以他们需要能够指导和协调分析团队的经理。

分析师最适合嵌入团队里的，而分析经理则需要为涉及全公司范围的分析问题负重要责任，比如在解决与工具、流程相关的问题上。

03

从事产品管理

分析人士可以选择的第三条道路是进入产品管理领域。

从技术上讲，产品经理和分析师是跨职能团队合作的伙伴，但产品管理有着更好的职业发展前景，而且不需要像数据科学那样需要太多的技术投资，同时产品经理在现如今的组织架构中往往拥有更大的权力。

随着越来越多的产品团队依赖于数据作为大多数决策的基础，分析师向产品经理的转变也越来越普遍。

对于增长团队和个性化的团队来说，这无疑是最合理的，但我相信所有未来的产品团队都将会是数据专家。

Pinterest 的产品经理有相当一部分人是从分析师开始起步的。对于营销分析师来说，这样的转变也是合理的。随着时间的推移，他们往往会成为量化营销人员，或者转向产品分析。

作为一名分析师来说，成功是一件很特别的事情，因为它往往需要在一段时间内反复转换角色，而这在技术公司的设计、工程和许多其他角色上是不常见的。

幸运的是，对于分析师来说，想在组织架构中取得进步有很多选择。希望分析经理能够更好地了解这些不同的进步机会，并帮助手下的分析师们针对性的找到最合适他们的进步机会。