曾和一个从事数据服务多年的创业朋友交流，他总结多年的创业经验说在企业实际服务中，技术实现不是第一位，数据分析如何落地是首要需求，同时是最难以突破的难点。结合以往的项目经验及分析师招聘的难度来看，此观点我无比认同。
一名数据分析师与一名业务人员，当后者花费一定精力掌握了相关数据分析技能时，谁会更有商业价值？
毫无疑问，应该是业务人员。数据分析的最终目的是驱动决策，多数数据分析师商业思维和业务能力比较欠缺，业务人员掌握相关技能后，他可以将数据结果很好应用到实际业务中，最终实现落地。
从过往的招聘经历看一个毕业生在1-2年后可能就能赶上高级分析师的技术，这种现象非常普遍。随着数据分析市场越来越成熟，很多高校都开设了各种技术工具课程，所以如果您是一名数据分析师，首要重视的问题是如何脱颖而出，而如何脱颖而出不在技术工具上。
数据分析师这么卷，业务人员，卷吗？
毋庸置疑，业务人员在一线摸打滚爬后，很多人的业务能力相当，当时代发生变化，企业开始沉淀数据资产，业务越来越繁杂，消费者越来越刁钻，业务人员卷的是数据运营能力。
什么是数据运营？数据运营的目标是数据决策，核心前提是运用数据，它是将数据分析应用于业务运营中，使业务人员摆脱传统的经验主义，它是数据分析人员的核心竞争力，如果不能落地，对于老板而言数据分析团队存活是无意义的，当然它同时也是业务人员的核心竞争力，拍脑袋的业务经营方式已经跟不上企业业务发展，如果不能很好借助数据，实际业务无异于盲人摸象。
一定程度而言数据分析师与业务人员是一个互补的角色，但实际过程中因为数据分析师不了解业务所以无法与业务人员很好讨论数据应用，而业务人员不懂数据来源与数据分析过程导致他们时常难以提出可快速实现且清晰的需求。
【内容特色】结合过往项目及团队建设经验，内容以行业经典分析模型的实战案例应用为主，覆盖零售企业众多业务场景。
选的分析模型虽然是通用的，重点在于如何灵活运用，例如如何利用杜邦分析快速学会商业分析？如何利用帕累托分析模型评估企业会员分布是否健康……且每一个案例都清晰交代业务问题背景。
案例从原理到应用，从业务思考到数据分析，到最终的结果都阐述得比较完整，当然些许内容会跟随案例的实际需要而变化。
【我为什么选零售】
企业如果没有实物销售，服务也是一种虚拟的商品，零售买卖是我们生活中最为熟悉的商业场景，通过理解数据分析方法模型在零售业的使用可以更快理解数据决策。
零售是社会商业模式里最常见的一种行业，因为是2C生意，当前私域的打通让零售行业的数据变得更大更全，所以它对数据决策的依赖性越来越强。
零售行业历史比较悠久，从数据从业者的职场生命力来说，它会比互联网企业强，于多数人而言随着年龄的增长，零售企业也会是一个较好的归宿，所以每个人在一定时期接触零售企业的概率是非常大的。
网友评论