作者：接地气的陈老师
链接：https://www.zhihu.com/question/267272018/answer/338193928
来源：知乎
作为一个从业9年的老兵，冒着被喷死的风险揭秘数据分析行业的真相。这两年数据分析、数据挖掘概念很流行，各路教育机构，开课的老师喜欢拿美国XX信用卡公司或者啤酒与尿布这种陈年老梗来论证数据分析有啥价值。可真正在圈子里干久了就知道，数据分析能帮助公司直接创收的途径只有一种：
帮乙方公司创收！
因为只有乙方公司才会把数据分析、数据挖掘、数据产品、数据咨询当作商品来卖。这样，做数据分析的就有三种方式可以帮公司创收：
- 做产品。比如BI公司、大数据公司、舆情公司、征信公司，他们卖的是一整套数据产品。数据分析师在这些公司实际上扮演者产品生产者的角色，因此直接帮公司创收
- 做服务。比如一些咨询公司、新媒体公司、大数据提供数据挖掘服务、提供数据采集、报告撰写服务。这些服务是针对甲方品牌、推广、营销等某个部门的需求，因此可以卖钱。在这里数据分析师实际上还是产品生产者，只是输出的不是一个具体的产品，而是由报告、excel、ppt、代码、会议等等组成的服务。
- 做售前。相当多软件公司、咨询公司会拉一个数据分析师当售前，因为忽悠客户的时候，光空口白话说我这个方案怎么怎么好是没有竞争力的。需要一个懂数据会分析问题的人来做一个可量化的方案，让客户心服口服。在这里数据分析师实际上扮演的是销售的角色，只是这个销售卖的是知识，打动客户靠的是专业性不是送回扣。
所以你会发现，招数据分析高薪的基本都是乙方，或者甲方企业中的乙方部门（比如阿里数据银行、智能客服，虽然是阿里的项目但是还是作为乙方提供服务给其他公司的）因为在这里数据分析才是直接生产力。
在甲方？在创收问题上，数据分析从来都是排在队尾。
比如甲方爸爸要出一个新产品增加收入，那么他需要做什么呢？
- 设计产品
- 生产产品
- 销售渠道
- 品牌推广
- 产品促销
- 物流跟进
- 数据分析看看效果怎样……
是滴，大家会发现没有数据分析，其他六步照样可以做；只有数据分析没有前六步，数据分析就是一张废纸，这就是数据分析在甲方的尴尬之处。有些同学会说：那数据分析可以帮企业设计正确的产品哇！但实际上产品设计师不看数据照样可以设计产品，他们已经这样做了100多年了，也因此诞生了乔老爷那句经典的：我从来不看任何市场调查！
这个尴尬之处是数据分析的工作方式本身固有的局限。数据分析需要有数据才能分析，这是一种相对后置的过程。而类似产品设计，核心是创意；产品销售，核心是业务队伍的能动力。这些人的能动性是前置的动作。企业的业绩是做出来的，不是算出来的，所以在创收上数据分析其实是很无力的。
在做业绩上，营销的嘴，销售的腿，运营的活动都比分析有用的多，碾压级的有用
只有一种场景数据分析可能对收入有用，就是：某个业务部门实在做得太差，搞不掂了。这时候如果通过分析能提升一些效益，那他们简直happy的不能行。这也是为什么很多成熟的数据挖掘项目都是做给客服外呼、短信发送、EDM的。因为在这些地方自然转化率低的令人发指，而业务部门的文案、产品、广告又起不了太大作用。同时这些渠道又都是点对点推送的方式，数据积累和建模环境相对封闭。数据模型能把自然转化率从1%提升到2%，业务部门就已经谢天谢地了。
实际上，数据分析对企业有帮助，更多体现在后置性的，比如绩效评估，结果考核，成果优化上。有意思的是，很多从业者自己都没有想明白这一点，比如这个问题，帆软也有个答案，大家可以看看，里边举的例子全部是如何砍成本，而不是加收入。
看起来分析名目繁多，其实大部分是事后数据总结，而且监控类的，提供个数就够了，其实没什么“分析”
然而，帆软的回答本身是很专业的。因为砍成本比增加收入，更容易体现数据分析的功劳。大家回顾上边新产品增加收入的过程，如果数据分析说这个业绩是我做出来的，至少有6个部门会和你抢功劳。但如果数据分析说这里有一个产品很垃圾可以砍掉，那么最多得罪一个部门（设计这个产品的部门）剩下5个部门还是支持你的（因为他们不需要浪费时间了）所以，聪明的数据分析总是从内控的角度入手证明价值，而不是从外部增收的角度入手。
然鹅，这样又出了第二个尴尬的地方，就是为毛线我要上个数据产品做这个呢？甚至为毛线我要雇个数据分析师做这个呢？因为进销存的数据ERP里也有，理论上我想知道哪个产品效益不好只要有一个会SQL的程序员从ERP里跑个数就行了啊！所以如果只把数据分析的价值挂在内控上，那么数据分析的重要性和专业性就非常低了。各部门老板自己也会分析啊，你们跑sql的懂业务吗？不懂业务你内控个什么呢？
这时候就需要进一步的包装以体现数据分析的价值。最核心的就是上个产品！就像后宫嫔妃，年轻貌美的时候都会讨皇上一时欢心，但长久来看还是得生个孩子的。有个孩子自己的地位就稳固了。比如销售，完全可以用纸质账单，为什么要用pos系统？就是当pos系统上线，业务流跑起来以后，就没理由再让他停掉，孩子已经生出来了，就得养着。
数据分析的孩子常见的有这么几种：
- 面向管理层的仪表盘，适用于信科学化管理这一套理论的老板
- 面向业务部门的数据产品。可能是一个推荐系统，精准营销模型，也可以是一个业务助手，数据集市，总之是业务部门日常工作中必须用到的某个环节，把它打包，用数据包装起来，封装成一个产品
- 面向一线的营销提醒工具，运营数据指南。让销售们每天都得看一眼，不看就不舒服。让运营们写文案前都得看看热度排行，不看心里没底。
具体的就不展开了，如何引起老板关注，如何拉拢业务部门，如何让一线使用，写本书都够了。这么多年作咨询，见过大量甲乙方，凡是聪明的数据人，最终不约而同走了做内控→引起管理层重视→上产品→与业务部门合作→扩组织架构这一条路。而那些号称上个大数据系统能盈利XXX的，基本上都死无葬身之地。
有产品才能有组织，有组织才能保障地位，这样说很官僚，然鹅有用！
这两年大数据、人工智能概念大火，数据分析岗位又像年轻貌美的嫔妃一样被各大企业老板们宠信，也有无数同学新涌进这个领域。所以特别诚恳的提醒大家：我们自己可以有很多方法、很多复杂的概念，然而最终企业是不是靠我们这个挣钱，才是我们长久安身立命的本钱。如果我们只是打辅助的，就尽早围绕一个具体业务场景，输出一个产品，和业务紧密结合起来，这样我们自己的地位才稳固。
最后插一句，比如算法类岗位，大家要注意区分，因为算法即可以应用在生产系统（比如影相识别，物资调配，路线规划，过程控制），也可以应用在分析系统（比如推荐、预测、BI）如果是应用在生产系统，那地位相对稳固很多，因为生产线是不会彻底更替的，只会不断优化。但如果是应用在分析系统，那水分就大了去了，大家要认真看到底这个算法是干什么再做决断。早在2013年《大数据时代》流行的时候，就兴起了一波“大数据分析”的热潮。结果当时脑子一热向老板喊了：“我们可以利用大数据XXXX分析提升业绩的”现在估计坟头草都有我娃个子高了……
作为一个前辈，有义务告诉大家这个行业的真相，数据的价值可以有很多种，不一定是直接增加收入。数据确实很有用，然而不代表老板们认可这个用处，不代表我们能从这里升官加薪。技术以外，如何创造价值，有可能需要代码和算法以外的其他东西辅助。与大家共勉。
更多分享，关注公众号：接地气学堂
从理论到商业，数据分析经历了什么？戳：如何着手商业数据分析？
作者介绍：陈老师，在咨询行业打拼了9年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。
数据分析职场路上有困扰吗？不妨到《数据分析师八大能力培养课程》https://edu.hellobi.com/course/272 里聊聊！
视频课程特色：
从真实数据分析工作场景出发，训练实战能力
启发式教学+大量实际操练，培养属于自己的能力
不依赖于某个具体技术，也适合对数据分析感兴趣的学生、业务部门人士学习=
