文章來源：知乎
接地氣的陳老師
作為一個從業9年的老兵，冒著被噴死的風險揭祕資料分析行業的真相。這兩年資料分析、資料探勘概念很流行，各路教育機構，開課的老師喜歡拿美國XX信用卡公司或者啤酒與尿布這種陳年老梗來論證資料分析有啥價值。可真正在圈子裡幹久了就知道，資料分析能幫助公司直接創收的途徑只有一種：
幫乙方公司創收！
因為只有乙方公司才會把資料分析、資料探勘、資料產品、資料諮詢當作商品來賣。這樣，做資料分析的就有三種方式可以幫公司創收：
- 做產品。比如BI公司、大數據公司、輿情公司、徵信公司，他們賣的是一整套資料產品。資料分析師在這些公司實際上扮演者產品生產者的角色，因此直接幫公司創收
- 做服務。比如一些諮詢公司、新媒體公司、大數據提供資料探勘服務、提供資料採集、報告撰寫服務。這些服務是針對甲方品牌、推廣、行銷等某個部門的需求，因此可以賣錢。在這裡資料分析師實際上還是產品生產者，只是輸出的不是一個具體的產品，而是由報告、excel、ppt、程式碼、會議等等組成的服務。
- 做售前。相當多軟體公司、諮詢公司會拉一個數據分析師當售前，因為忽悠客戶的時候，光空口白話說我這個方案怎麼怎麼好是沒有競爭力的。需要一個懂資料會分析問題的人來做一個可量化的方案，讓客戶心服口服。在這裡資料分析師實際上扮演的是銷售的角色，只是這個銷售賣的是知識，打動客戶靠的是專業性不是送回扣。
所以你會發現，招資料分析高薪的基本都是乙方，或者甲方企業中的乙方部門（比如阿里資料銀行、智慧客服，雖然是阿里的項目但是還是作為乙方提供服務給其他公司的）因為在這裡資料分析才是直接生產力。
在甲方？在創收問題上，資料分析從來都是排在隊尾。
比如甲方爸爸要出一個新產品增加收入，那麼他需要做什麼呢？
- 設計產品
- 生產產品
- 銷售渠道
- 品牌推廣
- 產品促銷
- 物流跟進
- 資料分析看看效果怎樣……
是滴，大家會發現沒有資料分析，其他六步照樣可以做；只有資料分析沒有前六步，資料分析就是一張廢紙，這就是資料分析在甲方的尷尬之處。有些同學會說：那資料分析可以幫企業設計正確的產品哇！但實際上產品設計師不看資料照樣可以設計產品，他們已經這樣做了100多年了，也因此誕生了喬老爺那句經典的：我從來不看任何市場調查！
這個尷尬之處是資料分析的工作方式本身固有的侷限。資料分析需要有資料才能分析，這是一種相對後置的過程。而類似產品設計，核心是創意；產品銷售，核心是業務隊伍的能動力。這些人的能動性是前置的動作。企業的業績是做出來的，不是算出來的，所以在創收上資料分析其實是很無力的。
只有一種場景資料分析可能對收入有用，就是：某個業務部門實在做得太差，搞不掂了。這時候如果通過分析能提升一些效益，那他們簡直happy的不能行。這也是為什麼很多成熟的資料探勘項目都是做給客服外呼、簡訊傳送、EDM的。因為在這些地方自然轉化率低的令人髮指，而業務部門的文案、產品、廣告又起不了太大作用。同時這些渠道又都是點對點推送的方式，資料積累和建模環境相對封閉。資料模型能把自然轉化率從1%提升到2%，業務部門就已經謝天謝地了。
實際上，資料分析對企業有幫助，更多體現在後置性的，比如績效評估，結果考核，成果優化上。有意思的是，很多從業者自己都沒有想明白這一點，比如這個問題，帆軟也有個答案，大家可以看看，裡邊舉的例子全部是如何砍成本，而不是加收入。
然而，帆軟的回答本身是很專業的。因為砍成本比增加收入，更容易體現資料分析的功勞。大家回顧上邊新產品增加收入的過程，如果資料分析說這個業績是我做出來的，至少有6個部門會和你搶功勞。但如果資料分析說這裡有一個產品很垃圾可以砍掉，那麼最多得罪一個部門（設計這個產品的部門）剩下5個部門還是支援你的（因為他們不需要浪費時間了）所以，聰明的資料分析總是從內控的角度入手證明價值，而不是從外部增收的角度入手。
然鵝，這樣又出了第二個尷尬的地方，就是為毛線我要上個數據產品做這個呢？甚至為毛線我要僱個數據分析師做這個呢？因為進銷存的資料ERP裡也有，理論上我想知道哪個產品效益不好只要有一個會SQL的程式設計師從ERP裡跑個數就行了啊！所以如果只把資料分析的價值掛在內控上，那麼資料分析的重要性和專業性就非常低了。各部門老闆自己也會分析啊，你們跑sql的懂業務嗎？不懂業務你內控個什麼呢？
這時候就需要進一步的包裝以體現資料分析的價值。最核心的就是上個產品！就像後宮嬪妃，年輕貌美的時候都會討皇上一時歡心，但長久來看還是得生個孩子的。有個孩子自己的地位就穩固了。比如銷售，完全可以用紙質賬單，為什麼要用pos系統？就是當pos系統上線，業務流跑起來以後，就沒理由再讓他停掉，孩子已經生出來了，就得養著。
資料分析的孩子常見的有這麼幾種：
- 面向管理層的儀表盤，適用於信科學化管理這一套理論的老闆
- 面向業務部門的資料產品。可能是一個推薦系統，精準行銷模型，也可以是一個業務助手，資料集市，總之是業務部門日常工作中必須用到的某個環節，把它打包，用資料包裝起來，封裝成一個產品
- 面向一線的行銷提醒工具，營運資料指南。讓銷售們每天都得看一眼，不看就不舒服。讓營運們寫文案前都得看看熱度排行，不看心裡沒底。
具體的就不展開了，如何引起老闆關注，如何拉攏業務部門，如何讓一線使用，寫本書都夠了。這麼多年作諮詢，見過大量甲乙方，凡是聰明的資料人，最終不約而同走了做內控→引起管理層重視→上產品→與業務部門合作→擴組織架構這一條路。而那些號稱上個大數據系統能盈利XXX的，基本上都死無葬身之地。
這兩年大數據、人工智慧概念大火，資料分析崗位又像年輕貌美的嬪妃一樣被各大企業老闆們寵信，也有無數同學新湧進這個領域。所以特別誠懇的提醒大家：我們自己可以有很多方法、很多複雜的概念，然而最終企業是不是靠我們這個掙錢，才是我們長久安身立命的本錢。如果我們只是打輔助的，就儘早圍繞一個具體業務場景，輸出一個產品，和業務緊密結合起來，這樣我們自己的地位才穩固。
最後插一句，比如演算法類崗位，大家要注意區分，因為演算法即可以應用在生產系統（比如影相識別，物資調配，路線規劃，過程控制），也可以應用在分析系統（比如推薦、預測、BI）如果是應用在生產系統，那地位相對穩固很多，因為生產線是不會徹底更替的，只會不斷優化。但如果是應用在分析系統，那水分就大了去了，大家要認真看到底這個演算法是幹什麼再做決斷。早在2013年《大數據時代》流行的時候，就興起了一波“大數據分析”的熱潮。結果當時腦子一熱向老闆喊了：“我們可以利用大數據XXXX分析提升業績的”現在估計墳頭草都有我娃個子高了……
作為一個前輩，有義務告訴大家這個行業的真相，資料的價值可以有很多種，不一定是直接增加收入。資料確實很有用，然而不代表老闆們認可這個用處，不代表我們能從這裡升官加薪。技術以外，如何創造價值，有可能需要程式碼和演算法以外的其他東西輔助。與大家共勉。
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
