起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識10年數據生涯總結：這5個階段哪個更重要？
編輯導語：隨著信息技術和人類生活的日漸交融，全球數據呈現爆發增長、海量集聚的特點。無論是國家、企業還是個人，都越來越認識到數據的價值。因此，數據從業者也逐漸多了起來。許多人好奇，數據從業者的成長軌跡是否明確？本文作者結合自己的數據生涯，為我們總結出了數據從業者成長要經歷的五個階段，希望對各位數據從業者有所幫助。
有同學問我數據從業者的成長是否有跡可循，我覺得是有的，因為數據從業者的使命是用數據驅動業務，但數據本身無法直接驅動業務，因此其必然要經歷從數據到信息、從信息到知識，再從知識到智慧的過程。
筆者將這個過程跟自己的數據生涯聯系起來，總結出數據從業者成長要經歷的五個階段，希望于你有所啟示。
一、獲取數據——取數
業務人員如果拿不到適合的數據，用數據驅動業務就無從談起，而這些數據大多是由取數人員提供的，雖然當前自動化的取數工具不少。
但考慮到市場的變化瞬息萬變，數據的維度又幾乎無限，決定了沒有一種自動化的方式等解決所有的數據提供問題，即使我們能打造出牛逼的自動化取數工具，但這些工具的實現也要依賴取數人員的經驗總結。
取數是任何數據從業者的基本功，任何一個數據從業者，如果沒有經歷過取數的歷練，就會對他的發展產生影響，好比沒寫過代碼就很難當好架構師一樣。
無論是自己、團隊還是合作伙伴，大家對于數據新人的培養，大多是從培養其成為一個合格的取數人員開始的，大多數據類崗位，比如數據分析師，也需要自己取數。
通過取數的實踐，取數人員不僅理解了業務，也理解了數據，并能形成映射關系。
當然取數水平的高低取決于其打破砂鍋問到底的精神，有些取數人員只會取寬表，而有些取數人員能從源表追根溯源，有些取數人員只會被動的響應業務需求，而有些取數人員則會多問一句為什么，這決定了他們數據和業務視野的高下。
二、展示數據——報表
取數有三個問題：一是缺乏口徑標準影響數據質量，二是自動化水平不夠浪費人力，三是數據的呈現不夠直觀和靈活，這個限制了其業務價值的體現，而報表能部分解決這些問題。
一方面，企業需要標準化、高質量的報表，這是企業經營所必需的。一個企業可以沒有任何其他數據崗位，但表哥總是需要的。
當然報表不是數據從業者的必經階段，但有了報表的經歷會讓你對于業務和數據的理解更上一層樓。
因為你得開始體系化的考慮指標和維度的設計，開始想著用自動化手段的來解決人工取數問題，企業生產了成千上萬的報表不是好事，但起碼表明了大家想要快速拿到數據、不想每次人工取數的決心。
另一方面，報表需要用一種可視化的方式來展現，比如FineReport，這是數據轉化為信息的一種表達形式，報表的各種變種和升級（比如KPI、BI）可以更好的向公司呈現數據從業者的工作成果。
在數據倉庫時代，在沒有數據產品這個概念之前，數據從業者通過短信、彩信、PC門戶、大屏乃至手機展示自己的風采，這是取數無法達到的。
- 做過報表的人對于數據的標準化、準確性及一致性會有更深刻的理解，而這是數據治理的基礎；
- 做過報表的人對于指標和維度有更深的理解，這是數據分析的基礎；
- 做過報表的人知道生產報表掛掉的后果，因此其對生產穩定充滿敬畏；
- 做過報表的人會關注可視化，這是數據產品最基礎的表達形式。
雖然不是每個數據從業者都需要經歷報表的階段，但報表能促其更好地成長。
三、分析數據——數據分析（數據運營等）
基于業務人員想法來制作報表，雖然對于能力提升重要，但價值有限，最多只是“60分工作”。即便你的需求來源是業務部門老總，也就值60分，表哥很多時候成為了老黃牛的代名詞，一定程度反映了這種問題。
做數據，最值錢的，大多時候是想法，特別是基于實際業務現狀有針對性的想法。
現在數據分析師成了數據從業者中最熱門的崗位之一，數據分析師干的活，核心就是分析數據（結合統計學等知識），找到規律（比如異動），給出結論和建議。
但數據分析要做好，綜合要求非常高，因為大多數據分析是要向老板匯報的，優秀的數據分析師至少要具備業務能力、思考能力、溝通能力、表達能力、分析能力、數據能力、技術能力及統計能力。
- 業務能力：理解公司戰略、充分理解行業、理解領導思想，最好有業務崗位實戰經驗；
- 思考能力：最值錢的是想法，通過數據對這些想法進行系統化的分析和論證；
- 溝通能力：對上溝通確認目標、對中要采取合作、對下要明確執行要求；
- 表達能力：一切都是為了讓人看懂，態度上重視匯報，匯報講究故事化；
- 分析能力：基于業務常識選擇合適的指標和維度，發現異動原因并可視化展現；
- 數據能力：擁有全局的數據視野、更深的數據理解能力和操作能力；
- 技術能力：SQL、Python/R、機器學習/深度學習引擎；
- 統計能力：理解統計的基本概念、理解基本算法。
在很多企業中，數據分析是個崗位，但我一直認為數據分析僅僅是數據從業者謀生的高級手段，數據運營、數據產品、數據管理等各類崗位都需要數據分析的技能，比如數據運營就是數據分析的持續迭代。
數據分析師最大的問題是大多數時候它僅僅是參謀者的角色，無法推進分析成果的直接落地；或者說其價值的最終體現要依賴別人，數據分析有10年之癢不是空穴來風，很多數據分析師需要轉崗，比如成為產品經理，我覺得這是非常正確的選擇。
四、價值數據——數據產品
取數，報表及分析是數據從業者的主要崗位，但這些崗位離真正的業務價值創造還有不小距離，這是由其所處的價值鏈位置決定的，因為其夾在平臺和應用之間。
對下，數據從業者要依賴基礎平臺的計算、存儲、網絡資源和基礎數據，對上要依賴業務系統提供的通道以便讓自己的數據發揮出價值，這對于數據從業者是巨大的挑戰，因為你離不開別人，而別人卻可以不用你，天生就不平等。
比如數據從業者搞數據治理，很多時候是為源系統數據的不給力買單，因為其天生就在上游，只為業務負責。
在設計系統的時候，很少考慮過下游數據的分析需要，互聯網公司先天的數據基因決定了在系統設計的時候可以考慮數據側的要求。比如埋點，但對于大多數行業來講，為了采集數據讓數據方進行侵入源系統的設計幾乎是不可能的。
在相當長的時間內，這種狀況很難改變，因此只能往業務的前端想辦法，數據產品經理這個崗位的出現，是數據從業者希望打破上游業務系統的桎梏，獨立謀求價值創造的一種嘗試。
五、領導數據——經理/總監
自己經歷過取數、報表、數據分析等各個崗位，很深的體會就是數據從業者雖然做得很辛苦，但真正能脫穎而出的還是少數，你看CDO這個職稱出現了很多年，但企業真正有這個頭銜的比例并不高。
現在數據雖然已經成為了新的生產要素，但如果企業中沒有更多的優秀數據從業者走上管理或領導崗位，要驅動數據生產要素發揮作用還是挺難的。
一方面，數據治理等基礎工作需有人能沉下心去把事情做深做透；另一方面，數據產品的創新需要大量產品、運營資源的投入，這些都離不開專業領導的理解和支持。
比如對于大多數企業，當前要讓一個模型產生實際價值，最根本的不是數據和模型問題，而是組織、機制和流程問題。
自己經常跟團隊的主管和組長講，我們現在不缺取數、報表、數據分析師等人員，最缺的是既有技術視野，也有業務視野。更有深度思考能力的優秀數據管理者，在數字化創新如火如荼的當下，數據領導者幫助把握好方向，讓數據從業者擁有更多數據價值創造的機會。
比較抱歉的是，我寫的數據從業者的五個成長階段并未包括很多其他數據崗位，無論是平臺、算法、運維、治理等等，但這些并不是最重要的。
我的核心觀點其實只有一個，即數據從業者的成長要起于數據終于業務，讓數據產生真正的智慧，只要能離這個目標近一點，就是正確的方向。
作者：李啟方，專注數據分析和企業數據化管理；公眾號：數據分析不是個事兒
本文由 @李啟方 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基于CC0協議
精辟
決策權都不在數據工作者手上，而大多數決策者是不懂數據的，可能這才是數據驅動的痛點吧