未来的发展中数据人的优势与机会还是很多的，今天我们一起来盘点分析一下数据分析工作的发展路径吧。

转眼又到年底，岁末年初，大家都会特别关心未来的发展。今天就跟大家盘点下数据分析工作的发展路径。

无论你是站在门外心怀憧憬；还是刚刚入行，踌躇满志；又或者被每天跑数累得七荤八素，都可以认真复盘下咱数据人的优势与机会。

一、数据分析岗位三大优势

优势一：成长空间大

纯业务类岗位，成长受领导制约非常大：

• 比如运营，自己有再好的想法，领导就是不！同！意！最后只能当一个无脑的工具人。
• 比如销售，自己能力再强，领导就是不给好的客户资源（甚至明抢），还是做不出业绩。

但数据分析不同。只要能接触到数据，就能做分析，就能下结论。优秀的数据分析师，不但能分析出什么东西是可行的，更能分析出什么东西是不可行的。因此分析能力的成长完全不受限（如下图）。

甚至在管理混乱、数据基础不好、流程不规范的小公司锻炼出来的数据分析师，对数据采集理解更深刻，对于业务了解更多，因此比温室里成长起来的小花骨朵实战能力更强。所以不要轻易丧失信心，坚持思考：“要怎么做得更好”，就能进步。

优势二：适用范围广

本身，数据分析能力是个底层能力，各种岗位，各类公司都有需求。特别是最近各行各业的数字化转型大潮，使得做数据的同学在业务上，技术上都多了很多公司和行业可以选择。

另一方面，互联网行业996普遍，与大型传统企业的数字化转型加深。一降一升，导致了去互联网公司参加内卷已不再是唯一出路。与其在小厂被欺压，苦苦熬着等头腾阿青睐的机会，不如考虑一下甲方（大型传统企业）/乙方（toB服务企业）的机会。

优势三：前途选择广

近年来，挂着“数据分析”或者“数据XX”旗号的岗位相当多，看得很多同学很糊涂。剥去各种稀里糊涂的概念。做数据的本质上就偏业务和偏技术两类：

偏业务：一般归运营、市场、销售部管，操作现成的数据产品或者在大宽表基础上写sql捞数，写ppt的时间比写代码时间多。

偏技术：般在IT部下边，或者有独立的数据小组/数据部。都在写代码，偶尔ppt。大公司里数仓、数据治理、BI、分析、建模分得很清楚。小公司里，很有可能啥都自己干。

数据分析工作刚好处在业务和技术的交叉点上，因此选择机会可能性非常多（如下图）。

所以，理论上数据分析师想转行的话，往哪个方向都能成功。怕就怕，犹豫不决，方向不坚定，业务上只懂个皮毛，技术上又不肯深入，那就神仙都难帮了。或者两头都想兼顾，结果无一特长，空成为做题家。想转，就坚定地向一个方向行动吧。

二、转业务线的机会

数据分析能不能转业务？

答：可以！

如果你不想向程序员方向发展，想利用分析能力，谋求更好的业务岗位，就能考虑走这个线路。但要注意：业务部门也是分种类的，有四个类型（如下图）。

四类业务部门里，最容易立功、最有权力的就是策略类岗位，一个会员体系或者年度大促项目做好，升职加薪就在眼前了。而策略类是和数据分析最接近的岗位，数据分析师们只要补充策略类工作的业务知识，转岗很轻松，也很容易出成绩。

其他三类的核心能力与数据分析距离较远，硬转的话优势不突出。但有意思的是，随着线上投放占销售比例的提高，渠道运营、销售运营、流量买手等岗位也需要用到分析能力。

转业务的最大好处，就是能吃公司的增长红利。公司在高速增长期，给到策略类和执行类岗位的薪资与奖金都是非常丰盛的，有相当多的数据转这两类业务的同学，随着公司的成长捞的盆满钵满，值得期待哦。

近年来有些新鲜名词，可本质上是旧瓶装新酒，比如：

只要掌握了岗位的本质，就很容易识破其中玄机，找到晋升机会。

三、转技术线的机会

数据工作向技术转，这一点很多同学都知道。

•  转大数据开发方向：大数据工程师
•  转算法方向：算法工程师
•  转产品方向：数据产品/BI工程师

每一个方向的技术栈，也是相对清晰。

不确定的是：在当前的市场环境里，到底还要不要转？最典型的就是：互金行业被监管扫荡，少了一大堆算法/产品的机会；同时，应届生大量涌入算法/数据开发岗位，导致内卷空前严重，招聘门槛一高再高。

对算法岗位而言，单纯从技术难度而言，依然是风控类≤推荐类≤CV/NLP类。虽然小互金被扫荡了，但是很多平台型公司/电商类公司增设了反欺诈岗位，也能锻炼风控能力；传统的信用卡中心转大型金融机构的路子也没有断。所以如果开发能力/理论知识不够强的话，还是可以先找风控/反欺诈方向，至于技术能力是否达到了更高的门槛，可以个人挑战哈。

大数据开发和数据产品方向，只要大型企业存在，这俩方向就永远不落伍，特别是做数字化转型的企业，有技术力量的人才奇缺（人头都在互联网搞内卷，外边机会关注的少），技术方向是一定有前途的。所谓“内卷”，纯粹是因为应届生涌进来太多导致，真正有3-5年开发经验，有实战经历的人还是能找到一席之地的。

四、纯数据的机会

纯数据能不能继续干？当然能。但注意，纯数据的成长，跟个人能力不大，跟组织架构关系非常大。

• 组织架构决定纯数据的成长空间
• 组织架构决定纯数据的成长空间
• 组织架构决定纯数据的成长空间

这三句话一定要牢牢记住！

因为虽然企业都是口头上喊着“数字化转型”“数据驱动业务”，但连个独立的数据部门都没有。而有一个独立的部门是在企业里升职加薪的基本保障。

• 如果没有数据部门，那干再多也就是个高级兵。
• 如果有一个数据小组，那就有机会成为管理层，当个组长。
• 如果有一个带n个组的数据部，那就大概率有机会当个组长，甚至混个总监。

所以想在纯数据线上深耕的同学们，牢记：现状只是跳板。目标就是找到有足够大的、正规架构的公司，这样后续发展就有保障。当然，如果能找到行业处于红利期，市场排靠前，文化氛围良好的公司，就更是锦上添花了。

五、评定机会的方法

到此，所有三条路都已经介绍完毕，估计很多同学已经迫不及待地想问：那到底要走哪条路呢？

注意，选择发展道路，不仅仅只看职位与技能的成长空间，还要看：

• 个人资历、能力、兴趣。
• 个人家庭、环境等制约因素。
• 个人志向、发现目标。
• 现有条件下，个人可匹配的行业与公司。
• 个人期望公司+岗位要求，与现状差距。
•  弥补差距的可行性与时间条件。

因此到底怎么选，需要具问题具体分析才行。光听别人的经验分享，却无法复制别人的出身、机遇、能力，也就是给自己逗个乐而已，无法解决自己的问题。

作者： 接地气的陈老师

微信公众号： 接地气的陈老师

本文由 @接地气的陈老师 原创发布于运营派，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议