數(shù)據(jù)分析師會被人工智能取代嗎？這可能是很多數(shù)據(jù)分析師都思考過的問題。本文作者從數(shù)據(jù)分析師的角度出發(fā)，對相關(guān)的5個問題進(jìn)行了分析梳理，一起來看看~

已經(jīng)2020年了，很多同學(xué)都在思考職業(yè)發(fā)展路徑問題。最近咨詢陳老師的也很多，一個很普遍被問到的，就是：數(shù)據(jù)分析師的紅旗，到底能打多久？今天集中解答一下。

還是陳老師的一貫風(fēng)格，不吹不黑，客觀說事。我們一起來看看，面向2020年，數(shù)據(jù)分析師們最糾結(jié)的五個問題：

問題一：數(shù)據(jù)分析會不會被人工智能取代？

答：不會！

首先，看到提“人工智能”四個字的所有標(biāo)題，大家都能認(rèn)為是引發(fā)焦慮的偽問題。真正懂行的都說：算法、機(jī)器學(xué)習(xí)，或者干脆直插CV，NLP，推薦等某個具體領(lǐng)域。

其次，這倆玩意根本就是兩件事。算法的發(fā)展不僅不會取代數(shù)據(jù)分析，反而會讓數(shù)據(jù)分析更輕松。

為啥？

因為本質(zhì)上，算法對抗的是低效率。通過人工標(biāo)注-模型訓(xùn)練-預(yù)測檢驗的循環(huán)，算法可以大量替代以往需要耗費人力的工作。

但是算法實現(xiàn)這個目的是有前提的：第一，需要明確的結(jié)果：人工標(biāo)注的圖形、信用違約/未違約記錄等等。第二，需要大量的特征數(shù)據(jù)，用于訓(xùn)練模型。

正是因為如此，我們看到算法應(yīng)用最成功的就是CV領(lǐng)域。比對人臉、比對證件等就是特征豐富，結(jié)果明確。傳統(tǒng)的風(fēng)控、推薦等領(lǐng)域，也有相應(yīng)進(jìn)步。NLP領(lǐng)域進(jìn)展相對較慢，就是被復(fù)雜的語境折騰的七葷八素。

本質(zhì)上，數(shù)據(jù)分析對抗的是不確定性。當(dāng)我們想要分析問題的時候，更多是：

1. 沒有數(shù)據(jù)：新業(yè)務(wù)剛上線，過往不重視數(shù)據(jù)采集
2. 有假數(shù)據(jù)：業(yè)務(wù)操控，流程缺失，利益驅(qū)動
3. 亂七八糟：口徑不統(tǒng)一，流程不規(guī)范，使用瞎胡鬧
4. 人為扭曲：業(yè)務(wù)方為了保住KPI睜眼睛說瞎話
5. 不會判斷：只知道寫同比環(huán)比，不會解讀意義
6. 主觀臆斷：做數(shù)據(jù)只為證明自己是對的，強(qiáng)詞奪理

這種時候，就相當(dāng)于根本沒有標(biāo)注，或者人工瞎幾把標(biāo)，模型壓根訓(xùn)練不出來。還摸個屁。

正是如此，我才有了數(shù)據(jù)分析的五大問題：

1. 是什么（量化結(jié)果，獲取數(shù)據(jù)）
2. 是多少（樹立標(biāo)準(zhǔn)，評價好壞）
3. 為什么（尋找原因，驗證假設(shè)）
4. 會怎樣（綜合評估，做出取舍）
5. 又如何（預(yù)測前景，探索可能）

通過不斷循環(huán)的解答這五個問題

1. 我們量化監(jiān)控業(yè)務(wù)走勢，把不確定變成確定；
2. 我們做出客觀的評估，發(fā)現(xiàn)問題，沉淀經(jīng)驗；
3. 我們合理預(yù)測前景，探索新可能，發(fā)現(xiàn)新道路；
4. 最終推動業(yè)務(wù)持續(xù)進(jìn)步和改善。

這種摸著石頭過河的力量，才是算法不可取代的。當(dāng)然，石頭摸清楚了，數(shù)據(jù)質(zhì)量好了，經(jīng)驗總結(jié)差不多了，這時候有些傳統(tǒng)的工作可以用模型來干。比如在風(fēng)控、推薦領(lǐng)域，傳統(tǒng)業(yè)務(wù)經(jīng)驗越來越讓位給模型。同樣的，在新的領(lǐng)域，數(shù)據(jù)分析繼續(xù)做著開路先鋒。

比如2019年，陳老師主導(dǎo)的項目，就有大量的社交電商、分享裂變、網(wǎng)紅帶貨、私域流量轉(zhuǎn)化的項目，這些項目往往是業(yè)務(wù)模式創(chuàng)新和數(shù)據(jù)分析齊頭并進(jìn)的。在這些新領(lǐng)域，各個行業(yè)都在摸石頭，當(dāng)然得帶著有本事測量深淺的水文師。不然一腳下去踩坑里咋死的都不知道。

有意思的是，所謂的“人工智能會取代數(shù)據(jù)分析師”，正是來自對數(shù)據(jù)分析工作的無解。在不懂行的人眼里，數(shù)據(jù)分析師和算命大師沒啥區(qū)別，不需要數(shù)據(jù)采集、不需要數(shù)據(jù)清洗、不需要數(shù)據(jù)治理、不需要分析建模、不需要積累經(jīng)驗、不需要你測試驗證。只要眉頭一皺、掐指一算，咒語一念，符咒一燒，算盤一撥，天上咔嚓一道炸雷掉下一道圣旨：明年業(yè)績1257億！

在不懂行的人眼里，算法、數(shù)據(jù)分析、算盤、《周易》沒啥區(qū)別，反正過程他都看不懂，最后咔嚓一聲能出個好牛逼的結(jié)果。有這種幼稚理念，當(dāng)然會覺得人工智能會取代數(shù)據(jù)分析了，畢竟阿爾法狗比算盤聽起來屌嗎。

當(dāng)然還有一種論調(diào)，來自：以后能自動提數(shù)了，數(shù)據(jù)分析師就要下崗了。這個更幼稚了，誰TM跟你說數(shù)據(jù)分析師就是人肉跑sql師了！

要我說，這種智能BI越早出越好！正好把那些每天2000行sql的小哥們解放出來，正好把那些無窮無盡的臨時取數(shù)擋掉，正好可以讓市場部那些只懂心機(jī)不懂技術(shù)的妹子們對著機(jī)器咆哮去：“這是總監(jiān)要的，下班必須給！”這話都沖著阿爾法狗喊去，那畫面想想都爽。我們就有更多的時間，來分析問題，來設(shè)計實驗，來挖掘深層因素，以后出的成績還多一點。

So，時代淘汰的不是數(shù)據(jù)分析師，而是只會寫sql的肉雞，是只會到處問“有沒有模板抄抄”的菜雞，是只會寫同步環(huán)比的草雞。大家大可安心。

問題二：數(shù)據(jù)分析會不會被會寫sql的運營取代？

答：不會

這個問題陳老師有專門的分享，想看的可以戳文末的鏈接。這里不再贅述，只說結(jié)論：“運營做數(shù)據(jù)分析是有原罪的，叫：本位主義”。只要丫的身份還是運營，丫的數(shù)據(jù)分析結(jié)果就是屁股決定腦袋，就是短視且功利的，這一點跳進(jìn)黃河都洗不清。

況且運營也就只會寫sql而已，你讓他弄數(shù)倉，搞ETL，搞數(shù)據(jù)治理試試，不累死也惡心死。這又是“只見高樓起萬丈，不見地基累又臟”所產(chǎn)生的誤解。所以做數(shù)據(jù)的同學(xué)們不要嫌棄這些臟活累活，這反而是我們的一個護(hù)城河（雖然里邊都是泥巴）。

當(dāng)然，那些只會寫“本月比上月少了1000萬業(yè)績，連續(xù)三個月下跌”的數(shù)據(jù)分析師，鐵定被運營取代呀。這種玩意只要眼睛不瞎，且識字，都能寫呀！連我們家小爺coco都會看著爸比畫的條形圖說：“這根短了”，他再學(xué)會一句“要搞高”，就能去很多互聯(lián)網(wǎng)公司當(dāng)“數(shù)據(jù)分析師”了呀。這種不被取代就見鬼了。

問題三：數(shù)據(jù)分析就業(yè)難不難？

答：難

第一，因為算法被炒得太熱，所以很多人會希望數(shù)據(jù)分析師懂算法，從而增加了面試難度。是滴就是那些不明真相的吃瓜群眾，總想著：“算法這么牛逼的都會了，分析還不會嗎？”抓著做分析的往死里問算法，進(jìn)了公司才發(fā)現(xiàn)，他喵子的除了交易流水屁數(shù)據(jù)沒有，算法個蛋蛋。

第二，因為很多運營自己開始sql，導(dǎo)致對分析能力的要求更高。一個矛盾點是：很多領(lǐng)導(dǎo)自己也沒見過高級的數(shù)據(jù)分析長啥樣，于是會瞎提要求，把很多業(yè)務(wù)問題歸為數(shù)據(jù)問題，去問數(shù)據(jù)分析師怎么賣貨。這要是正兒八經(jīng)的數(shù)據(jù)分析師可能真的就冤死了。

第三，因為互聯(lián)網(wǎng)行業(yè)寒冬，導(dǎo)致釋放出來大量勞動力，于是想轉(zhuǎn)行的，算法（只會調(diào)參）失業(yè)的，做運營的，根紅苗正做分析的，都在找數(shù)據(jù)分析工作，競爭更激烈，自然找工作更難。

綜上，難是肉眼可見的難，大家多多努力，少點沖動是正道。

問題四：數(shù)據(jù)分析想突圍，可以準(zhǔn)備什么？

嚴(yán)格來說，這篇可以單獨寫。這里先列個提綱：

1. 連excel，sql，python（速成ESP套餐）都不會的，趕緊學(xué)技術(shù)，加強(qiáng)能力
2. 吃了ESP套餐的，學(xué)點數(shù)倉，ETL，數(shù)據(jù)治理，提升基礎(chǔ)能力
3. 和業(yè)務(wù)走的近的，多補充業(yè)務(wù)知識，特別是新領(lǐng)域的數(shù)據(jù)運用
4. 公司數(shù)據(jù)基礎(chǔ)好，本人知識扎實的，挑戰(zhàn)一下算法

總之，橫行擴(kuò)寬業(yè)務(wù)知識面，縱向在數(shù)倉方向強(qiáng)化，能力強(qiáng)的看點算法，技多不壓身，能力強(qiáng)自然出路多。

問題五：數(shù)據(jù)分析想轉(zhuǎn)行，可以哪里走

嚴(yán)格來說，這篇又可以單獨寫。這里先列個提綱：

1. 業(yè)務(wù)能力強(qiáng)的，可以往用戶增長、用戶運營等策略性強(qiáng)的部門轉(zhuǎn)，這些部門天生就需要很強(qiáng)的分析能力。
2. 技術(shù)強(qiáng)的，可以往數(shù)據(jù)產(chǎn)品方向轉(zhuǎn)，移動BI、大屏、運營助手等產(chǎn)品是很好的出成績的地方

有兩條路吹的很火，可實際上不是特別好的出路：

1. 數(shù)據(jù)中臺。經(jīng)過一年爆吹，大家發(fā)現(xiàn)：這玩意沒鳥用呀。少拿阿里的數(shù)據(jù)產(chǎn)品舉例子，人家天生數(shù)據(jù)多，可以賣給一堆企業(yè)，就我們企業(yè)那爛兮兮的數(shù)據(jù)，建中臺有毛用，不是在爛泥巴里起高樓嗎，不塌才怪。
2. 數(shù)據(jù)分析轉(zhuǎn)算法。經(jīng)過泥沙俱下的18,19年，大家也發(fā)現(xiàn)只會調(diào)參的“算法工程師”有毛線用。真正算法項目，工程的難度是遠(yuǎn)遠(yuǎn)高于算法難度的，這使只會數(shù)據(jù)的人沒啥優(yōu)勢。更何況，現(xiàn)在仍然有大量狂熱應(yīng)屆生涌進(jìn)這個領(lǐng)域，和他們比起來半吊子出身的數(shù)據(jù)分析是沒啥競爭力的。所以謹(jǐn)慎選擇轉(zhuǎn)行

以上，大致回答了大家最關(guān)心的五個問題。除了問題一，問題二，其他分享都少一點，因為篇幅真的已經(jīng)很長很長了。有興趣的話，我們下次繼續(xù)深入探討數(shù)據(jù)分析師的發(fā)展。

其實同學(xué)們最初的問題是：數(shù)據(jù)分析師發(fā)展前景如何？陳老師不喜歡探討這么虛的話題，正如上邊五個問題一樣，大家會發(fā)現(xiàn)：如果你持續(xù)進(jìn)步，你始終能在時代中找到自己的位子，如果你原地踏步，那啥玩意都能把你淘汰。前景不是看出來的，而是自己努力出來的。能搞掂的具體問題越多，自然越有前途。所以新的一年，我們繼續(xù)具體問題具體討論，大家一起進(jìn)步哦。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學(xué)堂，人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問，在互聯(lián)網(wǎng)，金融，快消，零售，耐用，美容等15個行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議