以下文章来源于小邓种草 ，作者小邓
转自：大数据分析和人工智能
昨天我的圈子在上海举行了一次年底聚会，有山西来的、有厦门来的，还有一些杭州、江苏来的小伙伴，本来聚会后本想请外地的圈友一起来吃饭，结果小雪忘记了是哪些人，所以只通知了几个外地的小伙伴，这里非常感谢大家的信任和支持。
聚会结束后，也邀请了现场帮忙的圈友们一起吃了饭，又畅聊了一番，大家纷纷表示与我结缘的故事，让我很有成就感，所以当天又喝了几杯（连续三天喝），我们就是这么一伙人在一起做了一些行业鲜为人知的事情（让人人都成为数据分析师）
2020年我要把我们的口号：让人人都成为数据分析师改为让让人人都懂数据分析，为什么？
以下本来是我本次上海聚会要说的几个事情，但无奈时间太紧，我故意把自己排在最后一位，怕我收不住，去年北京我开始就是2个小时....
我先说自己的观点：
1、数据分析并非红利期
2、认清形势比认清自己更重要
3、让自己变的有价值，构建护城河
4、未来数据分析师的几大趋势
其实这是第一部分，我叫行业的发展趋势，这次先写第一部分，还有第二部分逆境中升职加薪
数据分析并非红利期
先说说什么是红利，这里说的红利是对个人而言，换而言之就是如果是个人红利期，那么我们可以轻松、靠个人能力赚到更多的财富一方面是工作带来的财务、另一方面是业余财富
个人红利有2个核心的特点：第一行业的发展趋势或者规模很大，由数据来看就是增长率一直高速上升（市场规模一直往前冲），第二个是在这个环境下个人能不能独立战斗创造收入
举个例子，在早些年，互联网高速发展时代（符合第一个特点），很多个人站的站长依靠自己的实力，注意这里说的是一个人不是一个团队，实现了财务*（符合第二个特点）
1、做个网站有了流量最后卖掉
2、帮别人开发网站赚钱
3、有流量后接广告为生
4、域名买卖
等等，那个时代，对个人来讲，绝对是红利期，就看你要不要做，用没用心去做，职场的钱用来生存，业余收入用来消费，再比如移动互联网时代、自媒体时代不都符合这个特点吗？
那我们的ABC时代符合这个特点吗？
ABC时代是指：人工智能(AI)、大数据(Big Data)、云计算(Cloud Computing)三个词语的英文首字母缩写
那这些符合这样的特点吗？假如都是高速增长，符合第一特点，那第二特点符合吗？显然不符合
AI是一个人能做的吗？做不了，你可以解决场景、可以解决技术和算法，但个人很难解决数据的问题，海量数据需要人工进行标注的，财力物力上你做不起
云计算呢？光服务器、宽带、数据中心的建设成本都是一个人难以承受的
大数据呢？也不是，我们在大数据的浪潮中学会的只是数据建设或者分析的技能，但你有数据吗？你可以通过爬虫得到，但看得见的数据就是有价值的吗？
这里提一下数据运营和运营数据的区别，数据运营是用数据来指导运营，运营数据就是用数据卖钱，这类机构在大数据浪潮下赚的盆盆香
所以ABC时代都不是个人红利，慎重选择成为专业数据分析师
有人会说，那我到底要学？这就是我接下来要说的第二个观点：
认清形势比认清自己更重要
大数据时代人们很大的转变不是数据而是决策方式的变化，以前老板要做一件事情，是下面一级一级的向上传达，一级一级的汇报，就好比古代的皇帝一样，下面说自己苦，上面的决策是你们甜，下面甜，上面的决策是苦，这种决策方式的失误率太大了。
从执行的层面来讲，见效的回流数据太难响应了，在组织里面执行老板的决策难免会受2个因素的影响，一个人人情，一个是利益，康熙微服私访很多人看过吧，赈灾的钱很多，到下面就没了，康熙做了好事情但还背了锅，他自己都百思不得其解，所以去一线采集“数据”去了，发现了一串串令自己都无法现象的事情
虽然大数据时代对个人的红利可能有限，但对于企业来讲价值是很大的，所以很多企业从此走上了数据变革的道路，这是大趋势，当你有一天成为老板时，你会深刻理解，那为什么对企业价值很大呢？
1、决策方式不用以前的层层转述去了解一线了，直接看数据系统出来的结果，是不是立马决策可以立马看到回流效果呢，这也就是国家为啥要做大数据战略的原因之一
2、让组织中的人情、利益的模糊，执行更高效，结果导向
所以我们要站在老板的角度去思考，很容易判断，企业需要的是需要拥有数据分析能力的人才，而不是数据分析师，这才是让自己生存的根本，而不要妄想成为数据分析师就能高枕无忧的活下去，数据分析是技能，数据分析师是职业，这是不同的方向。
所以一定要学习数据分析，但方向不一定是数据分析师，下来我们看看是数据分析师的护城河更高，还是懂数据分析护城河更高？
让自己变的有价值，构建护城河
我判断是不是护城河的指标只有一个：赚钱指数，理论上你拥有了这个能力，无论上班还是*职业你都有自己的养家糊口的收入，在职场上你可能顺水顺舟，在职外你也是一把利剑。
每一个行业都是自己的生命周期，职场也是一样的，多年前你要裁掉一个程序员，他们很高兴，为啥？职场的红利期
你现在裁掉我，我马上能够找到一个薪资更高的企业，所以那时候程序员不怕，希望你裁掉我，那现在呢？
大部分人怕，还有一部分人不怕，他们拥有很强的可迁移能力，什么是可迁移能力呢？简而言之就是生存能力，干程序员我可以继续干，干产品经理我也能干，干数据分析我也能干，干市场我也能干....
那我们回到数据分析师这个行业，其实数据分析师也有红利期，我们想一想垃圾为什么要分类？是为了更好的回收利用减少资源浪费，变废为宝，更重要的是垃圾的二次污染太严重了，那高速增长的互联网、移动互联网同样创造了很多的数据垃圾，这时候就需要处理这些“数据垃圾”
一种人负责处理垃圾
比如：数据开发工程师、大数据开发、数据库工程师、数据架构师等等
一种人负责变废为宝
数据分析师、战略分析师、商业分析师、业务分析师、算法工程师等等
而这两种人的产生导致了要掌握不同的技能，负责垃圾处理的更多是技术方向，做效率的事情，所以企业内部诞生了很多数据产品，这部分人会随着产品、技术的成熟度慢慢消失掉一部分，其实已经开始消失了
那负责变废为宝的是不是好一点呢？非也
我们都知道第二类人的核心是以业务为出发点，但是我们的存在缺常常与业务在肉搏，老板没有一个指标来衡量分析师的价值，很多的分析都是以解决业务为核心，很多人忽略了企业生存衡量的标准：利润
比如我们常常做流失率预警、活跃用户分析，缺无法得知这些分析对利润来讲到底影响程度如何？只是觉得存在相关关系，而无法解决他们之间的因果关系
那数据分析师有职场瓶颈期吗？有，而且很大
程序员可以走向CTO，市场运营可以走向COO、会计可以走向CFO，那数据分析师走向什么O？好些除了几大互联网公司有数据分析的O，其他公司根本没有，天花板就是数据分析的负责人，之后你也没有了方向，反正我身边10年左右的不是管理岗，就是转了业务岗、还有一些自己做小项目的
其实数据分析师也有O，请不要用拼音读出来，叫c a o！首席分析官(Chief Analyse Officer)。
既然有瓶颈，那护城河的建设对我们至关重要，因此我们要站在企业生存的角度建立自己的护城河：
1、一切分析结果要有衡量的标准，试着从财务的角度去贯穿整个业务分析的框架和视角，让你的分析变的可衡量
2、想老板所想，不仅仅是专注产品或者市场，而是要从广度上去理解数据分析应用的价值，做好跨领域的知识储备，成为多领域人才
3、学会主动寻找问题，其实大部分分析师都是业务引领，业务提出问题，我们分析问题，能力更多的体现在分析问题方向，从而丧失了一定的主动性，要从三个方向学会寻找问题：1、重要性；2、紧急性；3、趋势性
4、掌握职场通用技能，比如沟通、需求分析、协作管理等，让自己成为战斗机中的王牌，啥都能干，什么都不惧
题外话，职业进阶的认识和能力储备是为了升职加薪，但还有另外一个能力，叫业余能力，比如运营一个自己的公众号，建立私域，厚积薄发，建立自己的圈子，增强人脉，树立自己的IP，提高身价等等，都值得大家去做，而且建议先做！
未来数据分析师的几大趋势
从以上的分享和解读中想必你也有所体会，有几大趋势势在必行，我独胆说几点：
1、职场化：
不要为了成为数据分析师而过度努力，而是要学会用数据分析的技能去解决、寻找问题。这也是我2020年我要把我们的口号：让人人都成为数据分析师改为让让人人都懂数据分析的原因
2、智能化
始终记住，工具和产品最终的目的是为了解决效率问题。太技术的分析师会慢慢被自己的所做出来的产品干掉，从人工整理数据、工具整理、产品整理慢慢会向智能的方向去发展
3、多元化
以前多数数据分析师在信息部，现在也是，难免和各个业务线出现肉搏的现象，称之为中心化的后遗症，以后分析师将向各个业务线去转变，那对我们自己的要求会更高，你不在是一位专业分析师，而是成为善于用数据分析的人才。
4、理性化
不要过度相信定量分析，要善于融合定性分析去解决为什么的问题。
定量分析更多解决2类问题
问题1：程度和多少：HOW muchmany
问题2：细分认知（who、which、when、where）
而不能解决WHY、HOW的问题，这就是大多数分析师都集中在描述问题的原因
5、老板化
我们之前做的分析更多是TO C的分析，也要做好TO B分析框架的思考，毕竟2019年很多投资走向了企业服务，另外一个很大的好处是，你懂的了TO B的分析框架，你也就深刻理解老板心中的分析师到底什么样子，不是吗？
6、财富化
做一行爱一行，没有错，把兴趣做成职业经理人是多数人的方向，只有少数人把兴趣做成了事业，让自己尝试走出职业经理人的视角，用自己的兴趣赚外快、赚私房钱。