问

为啥数据分析找工作这么难？
在平安银行总行科技开发部做数据分析，具体是账户风控模型开发。但可能是工作内容比较简单的原因，模型开发主要就是业务部门提具体的模型需求，模型内容都是他们制定的，比如每笔交易大于多少钱这样，我们负责取数，就是从hive上写sql取数，然后数据通过ETL调度导到oracle里面，然后存储过程加工一下，最后生成结果表展示到前端界面。简历如下，简历可能也有点问题？但也收到过不少大厂的面试。学历是计算机海归硕士。
但是每次数据分析面试一面后就挂了，要么就是问机器学习相关的，要么就是问数据开发相关的，剩下来的才是正儿八经问数据分析订单量变少这种的。
机器学习我自己也自学过，但毕竟不是专业的，目前水平就是知道bagging和boosting这些区别，损失函数正则项，特征工程的过滤法，嵌入法这些。
数据开发了解的不多，只是知道hive的mapreduce原理。
数据分析业务问题能回答上来一些，但是每家公司问的都不同。有纯粹电商问订单量减少相关的，也有金融问一些机器学习如何建模的。但不管是什么公司，发现我的工作原来不是自己分析，是业务部门分析，然后让我们取数，我们只是sql boy，就没兴趣了。因为银行的业务方很多不懂技术，需要IT配合取数。就比方说面试有很多时候对方都会问你怎么从数据中找到建模思路，需要建模的特征，还有具体特征的数值。这种问题我只能反复说我们只是做规则模型，不是机器学习模型，具体的模型内容都是业务根据下面分行反馈上来的实际问题，提炼总结出来，做成一个个模型的，然后把具体的模型要求提供给我们。
就是我感觉这些面试的公司可能更希望你自己从数据中发现一切，包括建模的思路，还有建模需要的哪些特征，每个特征的具体值。比如模型A需要监控每笔交易大于2000元的，这个2000元他希望你是从数据中发现的，而不是业务告诉你的。

答

我曾经和你有同感，心里也一直盘算过这个问题，然后在一个阳光明媚的下午静坐思考的时候突然想明白了其中很重要的一个点。
这个点就是——数据分析这个岗位现在的发展已经背离了最开始有这个岗位时的初心，已经成为了一个披着专业技术岗外衣的杂货铺岗位了。有的甚至已经就是披着专业技术岗外衣的销售岗或项目管理岗了，在面试的时候，一定要搞清楚这个公司披着数据分析title外衣的岗位本质上是要做什么的，一定要看看是不是和自己之前做过的工作匹配，否则很容易人不配位，面试去也是白浪费时间。
什么叫杂货铺岗位呢，就是不同公司的这个岗位的title是一样的，但是所干的东西千差万别，就跟一个杂货铺一样，什么东西都能往里塞。
这种局面，一定程度上又诱发了招聘方对于数据分析师的要求越来越高。
为什么会出现这种情况呢，是因为数据分析这个岗位，是一个伪装成岗位的能力。这是一个哲学问题，就不在此多说了，下面主要说的是数据分析这个岗位的现状。我是在国内刚刚有数据分析这个岗位类别的时候开始做的，还是很早很早以前，还是国内刚刚有互联网这个似有似无的圈子的时候，那时各各公司的这个岗位还处在保持初心的状态——通过数据分析和数据挖掘方法，为业务方提供各种数据统计分析服务，为产品优化和改进提供依据。
这时的数据分析岗，确实是专业技术岗。需要懂各种统计、挖掘模型、要懂shell、python脚本，要懂各种数据统计工具、要懂sql、要懂业务等等。
但是过了一段时间后，尤其是过了前几年万众创业，万众扎钱，不管大公司小公司集中上新项目的风潮之后，这个岗位就大大的变了味道，主要往三个方向变：
一种是变成了通过作数让业务方可以更好的扎钱或者给业务方遮丑。
另一种是变成了给老板做表，通过这个表来督着下面的业务团队完成KPI。
再一种就变成了调数的，就是给业务部门跑各种数。
第一种，就变成了披着数据分析专业技术外衣的销售岗，一般存在于业务部门，工作就是给业务团队作数。
第二种，就变成了披着数据分析专业技术外衣的管理岗，一般存在于信息部门，美其名曰老板直属，工作就是拿着老板的金牌令箭统计业务团队完没完成KPI。
第三种，就变成了不管部，叫不管部还是好听的，本质上就是杂役。一般存在于信息部门，工作就是承接研发部门不愿意搞得各种鸡零狗碎的业务部门的调数需求。
变成以上这三种岗位后，各种数据分析技术、算法之类的已经不是变化后的这个所谓的数据分析岗最需要的能力了，最需要的能力变成了协调资源，应对部门之间的冲突，说服别人认可数据分析的结果甚至认可这个岗位的价值、如何推销自己给销售团队做的数据等沟通协调甚至销售的能力。
此时，这个岗位就彻底的成为销售岗 、项目管理岗或杂役了，对人最核心的要求其实已经从专业技术能力、研究能力转化成了销售能力和项目管理能力，已经从一个面对技术的岗位变成了一个面对人的岗位。
上述这些情况普遍之后，又因为数据分析这个领域本身的知识又爆炸性的增长，所以原来数据分析领域专业的数据统计方法、技术等等就逐渐从数据分析这个岗位分离出来，成为很多新的细分岗位了。
如果亲想钻数据分析这个岗位的专业技术和理论，一定就要多看看这些细分岗位，想想自己想做什么、能做什么、该做什么，找一个细分领域，钻进去。
专门研究各种机器学习、深度学习算法本身的，成为了数据科学家。数据分析方法、统计方法这块，实施模型、验证模型的各种，现在加入了机器学习的内容，成为了机器学习工程师。侧重神经网络算法的这块，成为了深度学习工程师。这个是以分析+开发为主的岗位数据库、数据架构这块，单独分出来成为了运维岗位的一个分支，叫大数据架构工程师。这个偏架构层面，更像以前的运维工程师一些。然后专门写程序做数据平台、开发报表和数据应用这块，单独分出来成为了大数据开发工程师。想报表什么设计、数据平台有那些功能，怎么把数据转为产品这块，单独分出来成为了数据产品经理。
然后专门做数据标准化规范，协调企业内各个部门数据合并和归档的，打破数据在民间这种状态，为后续做数据产品和模型在组织层级开路的，成为了数据管理岗，这是现在新兴的一个数据+管理的岗位。还有和所在行业强关联的，比如在金融行业的风控模型师，对业务的了解透彻程度和模型建设能力都有要求。多说一嘴，风控模型师这个岗位现在也快成杂货铺岗位了，亲也要多注意。专门做底层数据仓库的，设计底层数仓模型的，单独分出来成为了大数据仓库工程师。其他还有数据运营、数据治理等岗其他岗位，就不在此多说了。
而数据分析这个岗位本身，被这样拆完之后，专业技术和理论方法其实已经拆没了，只剩下单纯的销售技能和协调管理技能了，在很多地方已经成为了一个偏向于纯做PPT忽悠人和对照KPI卡人的岗位，在业务部门不受业务人员待见，觉得就是为他们做数的，在信息部门也不受其他部门的人待见，觉得就是做数卡他们的。围棋大师吴清源先生曾经和我国的围棋国手聂卫平说过：“博二兔，不得一兔。“说白了就是”千羊在追，不如一兔在手，什么都追，什么都得不到。“数据分析这个岗位就是这样一个尴尬的境地，因为本身是个杂货铺岗位，很多地方招聘又不专业，所以就以这个岗位的名头招着很多细分领域岗位干的事情。亲，在求数据分析方面职位的时候：
一定要擦亮眼睛，看清顶着数据分析名头的岗位真正是做什么。
一定要擦亮眼睛，看清自己要在数据分析这个杂货铺一样的领域主要往哪个细分领域钻。
一定要擦亮眼睛，分清到底是自己能力不行还是面试的岗位本质上根本不是自己适合的岗位，切莫妄自否定自己。
扫一扫，添加应统联盟官方微信 【小统】，在朋友圈遇见更多精彩内容~
继续阅读
阅读原文