选择适合自己能力和发展方向的行业和业务类型对于数据分析师来说至关重要。来看看文章了解一下吧。

在不同的业务当中，数据分析扮演的角色差异是比较大的。但是很少有课程或者文章聊这个话题，所以有很多同学在求职跳槽的时候呢，在行业的选择上，他其实考虑的很少，因为他也不清楚行业究竟差异点在哪？

对于数据分析师来说，如果你在一个很难数据驱动的行业当中，就算你的能力再强，你也很难发挥你的价值。你接触不到核心的业务，没法驱动业务的增长，你的成长就会变得很慢，所以如果你进到这样的行业，你就会非常非常累，这也会影响你之后的职业生涯。

所以，在行业的选择上，我们需要有一定的了解，究竟我们应该去什么样的行业。

一、三种不同类型的业务

对于数据分析来说，究竟有哪些不同的业务类型？

如果我们把一个业务。或者说，一个行业对于数据分析的需求，按照需求程度从强到弱来排的话呢，可以分为三类，最强的呢就是强需求，最弱的呢就是弱需求，中间呢就是中等需求。

1. 强需求的业务

强需求的业务我们先来说，第一个强需求。

强需求指的是那些数据分析能够给业务带来明确的增量的。

这样一些业务举几个例子啊，比如说像打车平台、共享单车、供应链这类业务。这些业务呢，它的数据和它的业务之间的关系是非常明确的，比如说供应链。你能知道这个仓库它的备货金额变多了，另一个仓库它的备货金额变少了，你只要把这个仓库的备货金额挪到那个仓库。

你就能够让你整体的备货效率提升，这个是非常明确的，甚至能用数字公式完全推导出来的。

你像打车平台也是某一个区域，它在早高峰的时候是缺乏运力的。那么，我在早高峰的时候，在某个区域调动更多的运力过来，那么这些运力调来之后就能形成新的订单，这个关系是相对来说是比较明确的。因为用户早高峰出行的这个需求是固定的，你只要有运力，它就能成交，所以呢，这一类行业或者业务对于数据分析的需求是非常明确的。

2. 弱需求的业务

说完了强需求呢，我们再来说一下弱需求。

弱需求指的是这个行业或者这个业务对于数据分析，它的需求是很弱的，很有可能是销售驱动或者产品驱动。

举个例子，销售驱动的话，那种B端的业务，也就是面向于大公司的客户提供服务，那这种业务一般来说，如果你这个销售人员掌握了比较好的客户关系，你多跑两趟，你可能就能成交。但是对于数据分析来说，成交过程中间的决策链路太长，你很难分析出什么原因。

这类业务呢，非常依赖销售，你数据分析能做的事情很少，你吭呲吭呲跑了100个数据分析的结论，还不如销售人员多跑两趟。

产品驱动也是一样的，就是你能够提供别人没法提供的产品体验，那这个阶段的时候数据分析能提供的帮助是很少的，比如说现在chatgpt这个产品。别的产品很难提供同等体验的服务，所以这个时候你只需要把产品不断的做好，你的用户就能够不断的增长，这其中不牵扯到精细化运营，也就不需要数据分析。

3. 中等需求的业务

说完了强需求和弱需求，处在两者中间的，就是中等需求的业务。

这部分业务在大方向上是相对明确，但是在一些小细节上并不清晰的业务。这些小细节就需要通过数据的工具，通过分析的方法找出这些结论，让业务能够在确定性的方向上，找出一个更容易突破的点来节省他们的试错成本。

这种中等需求的业务，它其实是最考验数据分析师的能力的，因为这种分析，它没有一个具体的方向，它只有一个模糊的大方向。所以好的数据分析师和差的数据分析师，他得出的结论是可能差别很大的，好的数据分析师可能能够帮助业务能够获得更高的增长，而差的数据分析师呢，就没法实现这个目的，所以在这种业务下，数据分析师是能够拉开差距的。

这其中会牵扯到很多创造力的事情，你必须对业务很了解，了解商业的逻辑，了解用户的心理，了解整个交易的链路等等，那这种中等需求的业务，一般来说也是大家所认为的数据分析师比较常见的这种类型。

二、各自特点

接下来呢，说一下三种类型的特点。

第一种，强需求的业务类型，各个指标之间的关系是比较明确的。

它有点像是算账或者是像算数学题，因为其中一个指标的变动，你能够明确的推导出它到底影响了其他哪些指标，所以这需要你对于这块业务的各个指标之间的关系非常了解。

第二种，弱需求的业务，对于数据分析的需求是很低的，所以呢，绝大部分这种业务上你能做的事情也仅仅是取数。在老板眼里，这是一个销售驱动的一个业务，你的核心价值就是帮助销售能够更好的完成他们的任务，这类业务下数据分析师的地位是比较低的，基本上就是一个取数工具人。就算是你找来一个特别牛逼，特别厉害的人来做这件事情，也很难发挥价值，这不是人的能力决定的，而是他的业务形态并不需要数据分析来帮助他找到增量。

第三种，中等需求的业务，这种数据分析它有点鱼龙混杂。

有好的业有差的，这类业务是能够拉开分析师水平差距的，上限很高，同样的下限也很低。

有些人，可能在这样的业务当中做的也是取数的工作。因为他自己没有很好的业务思路，他也没办法组织分析，所以给出来的东西呢，其实跟那些弱需求的业务给的差不多，都是一些取数的内容。

但对于那些能力强的人来说，在这种中等业务的。背景下呢，他就可以挖出很多有价值的信息，那如果说你能够证明你的价值，那么你的薪资就可以得到一个很好的提升。

三、成长路径

那再接下来呢，我们来说一下这三种不同的业务类型，他们之间成长的路径是怎么样的，我们可以用一个金字塔的图形。来表示，这三种业务类型之间的关系。

金字塔的底座呢，是弱需求的业务类型，这种业务类型因为你做的更多的是取数的工作，报表的工作很少涉及到分析，它一定是在金字塔的底座上。

在金字塔的上面，是强需求和中等需求的业务，它是同一个层次的，所以我把它放在左边和右边，它们是平等的。

它们两种类型都能够走出比较好的成长路径。你可以成为一个供应链的分析专家，可以成为一个运力分析专家，同样的，你在中等需求的业务当中，你也可以成为一个业务分析专家，用户增长分析专家、商品分析专家等等。

那我们希望的成长路径，一定是从下方往上方走，但在向上方走的时候，你一定要考虑清楚，你是往左边走还是往右边走？因为左边和右边，你再想转化就比较困难了。

金字塔的左边，它是强需求的业务类型，这种业务它的业务逻辑是相对固定的，而金字塔的右边中等需求的业务类型，它的业务复杂度是更高的。会接触更多并不明确分析方向的那些问题，所以呢，这两类业务他们是很难转化的，他们所需要的业务的逻辑是不一样的。

那么你究竟怎么选呢？究竟选左边还是选右边呢？

我们来说一下，左右两边各自的优缺点。

首先左边的强需求的业务类型，这种业务类型呢，稳定性强，但适应力比较弱。稳定性强。是因为强需求，它的分析逻辑是相对固定的。而且其中会有很多的业务细节，那比如说像供应链每家公司，它的仓库，它的物流配送等等，它都是不一样的，所以你在一家公司待的久了之后，有很多的业务细节。被你掌握之后，

缺点是适应性弱。就是如果说这家公司本身不行了啊，你不得不再去找工作的时候你。你再想找一份，你再想找一份合适的工作会比较困难，因为你的那些经验只是仅仅针对那家公司有效
，你想要在其他公司继续复用的话呢，你又得重新积累关于那家公司的很多业务细节，而且你的选择面会比较窄。

比如说你做了共享单车的运力的相关分析，那么你能够选择的方向呢？也大概率只能找那些跟运力相关的行业，那这些岗位呢？在总的岗位池当中占比肯定是是比较小的。

还有一点呢，就是强需求的业务呢，它是有点像算账，所以呢，他的这个工作比较适合那些比较细致的人。他喜欢计算各个数据的关系，它的成长曲线呢，也是比较线性的，因为你今天学习了一个关于库存的概念，明天学习了一个关于周转的概念，那么你就能够靠这些知识解决一些特定的问题。

那再来说一下中等需求的业务类型，这种业务类型呢，是稳定性比较弱的，但是适应力比较强。

稳定性比较弱，是因为这类分析师他比较擅长的是挖掘业务的增量，那如果说行业整体在往上走的时候。数据分析师是比较容易找增量的。但是如果整个行业出现了衰退，那么这个时候数据分析师的价值就很尴尬了，那这个时候呢，数据分析师就很容易被裁员，所以稳定性是相对比较差的。但是呢，反过来说它的适应力又比较强。

因为这类业务分析它依托的更多是一些商业逻辑，而这种商业逻辑呢，在不同的公司之间都是通用的。所以即使你被裁员。你再去选择公司的时候呢，你的选择面比较广，你可以在很多的公司中间进行选择，你的选择面要比那些强需求的业务类型会更广。

另外呢，中等需求的业务类型呢？它的成长曲线相对来说是指数型的，也就是一开始的时候成长很慢，而且这种成长是一种不确定，因为呢，你用商业逻辑来解决业务问题的时候，你今天懂得这个商业概念，明天懂得这个商业概念。

这些商业概念之间，它并没有形成知识体系，你很难解决一个具体的问题，因为你解决了这个，有可能那边就出问题，只有等到你几年之后，你积累了足够多的经验来结合你这些理论知识。理解出你自己的想法，你才有可能突然有一天有一种开悟的感觉。然后呢，就突然蜕变成一个高级数据分析。所以这条成长的路径呢，是相对来说不太明确的。对那种比较喜欢商业的同学来说呢，比较适合。

然后呢，他在薪资的分布上更加呈现二八定律，最优秀的人呢，薪资会明显的高于其他的分析师，而在那种强需求的业务类型当中呢？虽然它的薪资分布也有高有低，但是它的差距拉的不会那么大。

四、结尾

好的，本期内容呢，就分享到这里，希望本期内容呢，能够帮助你理解不同行业下数据分析的差异。帮助你更好的选择你想要走的方向。

作者：Jason；

来源公众号：三元方差（ID：686668）

本文由@三元方差 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。