开局一张图

看到这个标题，你一定心里纳闷儿，what？

年薪50w？我是不是走错片场来到逼乎了？

数据能力是什么鬼？人家宣传的都是讲岗位啊，什么数据分析、数据产品、数据策略

什么样？对啊，我怎么知道什么样？我知道了什么样又能怎样？

针对上述疑问，我将以PPT形式，图文并茂的帮你分析清楚！

选岗位还是选能力？

我们先从数据能力开始，先看看数据领域常见的3个岗位的招聘需求，每个岗位的一些重点，我都用橙色字体专门提炼出来了

我们提炼一下3种岗位的共性和特性：

3个岗位的共性，其实都需要逻辑、业务理解和沟通。之前很多同学问过，数据类岗位是不是社恐避风港？

不存在哈，公司中的任何岗位都需要沟通，数据也是。你需要在沟通中了解对方的需求，也需要在沟通中展示你的产出

3个岗位的特性层面：

数据分析对工具语言和统计分析技能要求更多些，比如常见的SQL、R、Python，以及回归分析、常见的机器学习；

数据运营更接近业务，要求很多接地气的策略制定；

数据产品在数据方向里稍微有些异类，本质上就是产品经理，需要很多产品经理的素质技能

站在企业视角，看3个岗位核心贡献：

有时候看问题觉得很纷杂，就是因为角度没选好，这次我们就换到企业对数据类人才的需求角度，重新审视下这3个岗位：

1.数据分析很多时候是提供基础能力的，比如搭建数据仓库、BI报表、人工统计数据、专题分析；

2.数据运营更侧重数据策略的落地生效，比如滴滴赠送的打车券到底给谁发、发多少金额？

3.数据产品目前更多定位在降本提效上，就是设计工具、产品让数据的查看从人工到自动。

那么问题来了，企业把人这么划分，是为了专人专项提升企业的收益，但对我们自己来说呢？如果我们真的把自己按照岗位划分进行磨练，岂不就真成了螺丝钉了么？数据的根本目的是驱动业务决策和发展，不同岗位上的职责要求和技能只是方式方法而已，我们需要以终为始，以达成目的为己任，而不是迷失在方式方法中

所以，反过来看，我们要想有所突破，就应该让自己突破岗位的限制，把重点聚焦到培养能力而非胜任某个岗位上

一个观点，岗位是能力与行业经验的交叉

补充分享一个看法，我理解岗位其实是核心能力与行业经验的交叉。比如我具备电商行业的经验，然后我还有数据分析的能力，那么我就是电商数据分析了。只有当你跳出岗位，扩展到核心能力上，才能让自己具备出圈儿的能力，去尝试与不同的行业进行交叉，去覆盖更多的岗位，让自己不会穷途末路

综上，选岗位还是选能力？想必答案已了然于心——能力才是永恒。那么下面我们再看看年薪50w这个小目标是不是很疯狂？

我们应该树立何种目标？

首先，我们一定需要立一个目标么？当然！因为毕业之后拉开人与人差距的最大因素，就是目标感了

回想你毕业时的迷茫，跳槽时的无奈，其实都是因为没有及早的建立合理的目标。比如一个目标明确的学生，不会问出“当基层公务员好还是去互联网搬砖好”这样的问题。一般遇到这类问题，我都会反问：“你工作是为了挣钱还是为了别的？”如果是为了挣钱，那你说是基层公务员收入高，还是互联网行业收入高？

很多问题，其实只要你有明确的目标，你自己都能回答自己了

下一步我们看下，年薪50w这个量化的目标是不是太高了？

这张图是互联网圈儿广为流传的一个图，上面清清楚楚的标注了不同大厂的不同职级对应的税前年收入

50w的标准对应的是什么？是阿里P6

你问100个互联网人，阿里P6是不是他们在职业生涯中可以达到的？

我相信很少有人会说不能。阿里P6对一个校招应届生来说，毕业就是P4 or P5，在P6之前基本每年都可以升一级，那么正常来看，阿里的校招生3年到P6是完全没问题的。如果你校招没能进入大厂，那么通过社招拿到阿里P6难度大么？没那么大，正常情况工作5年左右就ok了，不正常的话，10年也可以了。前提是，你先明确了50w这个目标～

案例展示50W的数据能力

说了那么多，我们具体看看年薪50w的数据能力具体长什么样儿吧。我们就拿一个实战的ppt来举例，通过它剖析下如何处理一个相对复杂、宏观的数据问题

问题是：数据运营在微信小游戏业务中能发挥什么作用？

我们明确下题目，这是一个相对宏观的问题，一看就不是简单的操作个excel或者python能搞定的，它需要你给出一个规划，一个可落地的规划

为了更好的答题，我们再补充一些背景知识，了解下微信小游戏的业务背景是什么？

他入口略深，不过总体来说就是一种特殊的小程序，而且目前已经具备相当的规模，可以养活很多第三方的厂商了

能否提出一个好问题，是数据能力的重点

比如数据分析师，经常会产出一些看起来四平八稳但读起来索然无味的分析报告，原因就在于一开始就选了个平淡无奇的问题、根本就不是别人关心的问题

那么眼下这个课题，我们如何才能提出一个好问题呢？关键在视角

让你给微信小游戏业务的数据运营做规划，你选择站在哪个角色呢？俗话说得好，拿人钱财与人消灾，当然是平台视角了。平台方提供一个平台，让开发者能在上面开发小游戏，让用户能玩儿到小游戏，所以核心就在平台方了

那么进一步，要把问题具象化，就需要你换位思考的能力，真正的化身平台方，想象一下开发者从想要开发一个小游戏，到最终挣到钱，都会遇到什么困难？这些困难，有哪些是平台方能够帮忙的？答案就在上面这个图里了

当有了问题之后，一切就都顺其自然了，我们要做的就是想想怎么解决这些具体的、有价值的问题。比如开发初期，如何帮开发者选一个好的方向呢？排行榜，它能起到很好的引导效果，只不过榜单的数据需要稍微处理下，防止数据的失真

有时候榜单太“粗糙”，只能让人知道这个东西热门，但具体是广为好评还是饱受骂名呢？

这时就需要一些针对评论内容关键词的分析了，比如情感正负向的分析，用户关注重点的分析，这些都能更精细化的帮开发者了解行情，避开无意义的凑热闹

再举个例子，作为开发者，我的全部心血总是希望得到关注和肯定的。但在早起，弱小又无助的我，是需要平台方帮扶的

那么平台方如何快速的发现这些有创意的精品小游戏呢？

可以通过简单的统计分析，看看那些经受过市场考验的成名小游戏，他们早期在数据上有什么特征

比如上架2周内的自然增速是什么曲线？比如留存和付费率什么样？把握这些宏观的指标，可以很好的帮平台快速粗筛一些潜在的创意小游戏，然后再交给人工去精细化的判断

当然，你也可以上机器学习大招儿。现在机器学习已经逐渐成为数据分析师的常备技能了？

其实duck不必，我们需要一个技能，从来都是为了达成某个目的，而数据分析师的日常里其实需要机器学习重器的目标场景并没有那么多，也就20%吧

不过眼下这个场景确实可以，我们可以训练一个二分类模型，预测这个小游戏是潜在的创意小游戏，还是泯然众人的小游戏。同时，分类预测模型还能输出变量重要性，相对直观的告诉我们哪些因素是区别创意小游戏和普通小游戏的重要特征

OK，针对这个问题的更多例子，就不在这里赘述了。

记得Google的《重新定义公司》里有一段话，大意是：100分相对99分不只是差1分，而是量变到质变；追求100分，就是追求极致。或许我们今天聊的这个小目标，在目前的你看来有些遥远、或者已经超越，但希望它能抛砖引玉，让你找到自己的那个100分。

文源：古牧聊数据

但这一切都要基于一个好用的数据可视化平台。现在市面上流行的有FineBI、Power BI，但权威机构IDC指出市场占有率第1的还是FineBI，这些都可以做数据分析。

数据集成平台产品更多介绍：www.finedatalink.com

                         免费体验Demo 咨询方案

上一篇: 数据仓库与数据集成下一篇: 数据分析做出这个效果，业务再也不敢说你没用