这可能是数据分析师最关心的5大问题

已经2020年了，很多同学都在思考职业发展路径问题。最近咨询陈老师的也很多，一个很普遍被问到的，就是：数据分析师的红旗，到底能打多久？今天集中解答一下。

还是陈老师的一贯风格，不吹不黑，客观说事。我们一起来看看，面向2020年，数据分析师们最纠结的五个问题：

问题一：数据分析会不会被人工智能取代？

答：不会！

首先，看到提“人工智能”四个字的所有标题，大家都能认为是引发焦虑的伪问题。真正懂行的都说：算法、机器学习，或者干脆直插CV，NLP，推荐等某个具体领域。

其次，这俩玩意根本就是两件事。算法的发展不仅不会取代数据分析，反而会让数据分析更轻松。

为啥？

因为本质上，算法对抗的是低效率。通过人工标注-模型训练-预测检验的循环，算法可以大量替代以往需要耗费人力的工作。

但是算法实现这个目的是有前提的：第一，需要明确的结果：人工标注的图形、信用违约/未违约记录等等。第二，需要大量的特征数据，用于训练模型。

正是因为如此，我们看到算法应用最成功的就是CV领域。比对人脸、比对证件等就是特征丰富，结果明确。传统的风控、推荐等领域，也有相应进步。NLP领域进展相对较慢，就是被复杂的语境折腾的七荤八素。

本质上，数据分析对抗的是不确定性。当我们想要分析问题的时候，更多是：

1. 没有数据：新业务刚上线，过往不重视数据采集
2. 有假数据：业务操控，流程缺失，利益驱动
3. 乱七八糟：口径不统一，流程不规范，使用瞎胡闹
4. 人为扭曲：业务方为了保住KPI睁眼睛说瞎话
5. 不会判断：只知道写同比环比，不会解读意义
6. 主观臆断：做数据只为证明自己是对的，强词夺理

这种时候，就相当于根本没有标注，或者人工瞎几把标，模型压根训练不出来。还摸个屁。

正是如此，我才有了数据分析的五大问题：

1. 是什么（量化结果，获取数据）
2. 是多少（树立标准，评价好坏）
3. 为什么（寻找原因，验证假设）
4. 会怎样（综合评估，做出取舍）
5. 又如何（预测前景，探索可能）

通过不断循环的解答这五个问题

1. 我们量化监控业务走势，把不确定变成确定；
2. 我们做出客观的评估，发现问题，沉淀经验；
3. 我们合理预测前景，探索新可能，发现新道路；
4. 最终推动业务持续进步和改善。

这种摸着石头过河的力量，才是算法不可取代的。当然，石头摸清楚了，数据质量好了，经验总结差不多了，这时候有些传统的工作可以用模型来干。比如在风控、推荐领域，传统业务经验越来越让位给模型。同样的，在新的领域，数据分析继续做着开路先锋。

比如2019年，陈老师主导的项目，就有大量的社交电商、分享裂变、网红带货、私域流量转化的项目，这些项目往往是业务模式创新和数据分析齐头并进的。在这些新领域，各个行业都在摸石头，当然得带着有本事测量深浅的水文师。不然一脚下去踩坑里咋死的都不知道。

有意思的是，所谓的“人工智能会取代数据分析师”，正是来自对数据分析工作的无解。在不懂行的人眼里，数据分析师和算命大师没啥区别，不需要数据采集、不需要数据清洗、不需要数据治理、不需要分析建模、不需要积累经验、不需要你测试验证。只要眉头一皱、掐指一算，咒语一念，符咒一烧，算盘一拨，天上咔嚓一道炸雷掉下一道圣旨：明年业绩1257亿！

在不懂行的人眼里，算法、数据分析、算盘、《周易》没啥区别，反正过程他都看不懂，最后咔嚓一声能出个好牛逼的结果。有这种幼稚理念，当然会觉得人工智能会取代数据分析了，毕竟阿尔法狗比算盘听起来屌吗。

当然还有一种论调，来自：以后能自动提数了，数据分析师就要下岗了。这个更幼稚了，谁TM跟你说数据分析师就是人肉跑sql师了！

要我说，这种智能BI越早出越好！正好把那些每天2000行sql的小哥们解放出来，正好把那些无穷无尽的临时取数挡掉，正好可以让市场部那些只懂心机不懂技术的妹子们对着机器咆哮去：“这是总监要的，下班必须给！”这话都冲着阿尔法狗喊去，那画面想想都爽。我们就有更多的时间，来分析问题，来设计实验，来挖掘深层因素，以后出的成绩还多一点。

So，时代淘汰的不是数据分析师，而是只会写sql的肉鸡，是只会到处问“有没有模板抄抄”的菜鸡，是只会写同步环比的草鸡。大家大可安心。

问题二：数据分析会不会被会写sql的运营取代？

答：不会

这个问题陈老师有专门的分享，想看的可以戳文末的链接。这里不再赘述，只说结论：“运营做数据分析是有原罪的，叫：本位主义”。只要丫的身份还是运营，丫的数据分析结果就是屁股决定脑袋，就是短视且功利的，这一点跳进黄河都洗不清。

况且运营也就只会写sql而已，你让他弄数仓，搞ETL，搞数据治理试试，不累死也恶心死。这又是“只见高楼起万丈，不见地基累又脏”所产生的误解。所以做数据的同学们不要嫌弃这些脏活累活，这反而是我们的一个护城河（虽然里边都是泥巴）。