数据分析职业发展规划，有哪些重要角色可选？

《数据科学家，21世纪最性感的工作》是哈佛商业评论的热门文章，激励了大量从事数据分析的人。据IBM近期预测，到2020年，美国数据从业人员数量将从36.4万增加到272万！在各个行业，我们可以看到业务数据分析的职位空缺激增，但所有这些职位都需要相同的技能组合吗？我收到了很多关于数据分析行业职业发展的问题。这些问题通常来自那些在数据分析领域寻求突破和向上发展的人，或者那些已经在这个行业工作并正在寻找更深层次发展的人。在这篇文章中，我们将看看分析行业中可用的主要角色。在商业分析领域，我也会提出一个框架来思考你的职业生涯。关于分析市场，让我从麦肯锡关于大数据的报告(2011年5月)中发布的几行/数据点入手:仅美国就有1.4万至1.9万人的短缺，有分析专业知识，150万经理和分析师有基于大数据分析理解和决策的技能。注意“基于大数据分析、理解和做出决策的技能”。这个行业将需要大量的大数据和机器学习专家，甚至更多的人（大约10x）可以基于分析做出决策，即使他们可能不是大数据或机器学习专家。这些角色主要是战略角色和产品管理角色，可以为分析专家解决新的挑战。将这些战略角色与本文背后的数据科学家角色进行比较。首先，让我们试着了解这个行业有多多多样化。如果您绘制了所有与分析相关的文章（如下图所示），您将看到所有类型的单词，包括统计数据、计算机编程、策略、计划、报告等。业务分析非常多样化，具有分析技能和商业头脑的人在所有行业都扮演着许多不同的角色。考虑到你的职业生涯有很多可能的选择，你可能会觉得你失去了你在职业生涯中是否取得了进步的感觉。业务分析专业人士做什么？“业务分析”一词完美总结了我们在业务分析下分类的各种工作。“业务”强调业务理解的重要性，“分析”是指计算机工程和运营研究在这类角色中的重要性。分析专业人士最终可以作为一个非常有战略眼光的角色工作，也可以作为一个非常专业的深度学习科学家工作。前者具有较强的业务组成部分，而后者具有较强的分析功能。显然，你的角色通常在两个组件之间权衡，你可以在两个组件之间切换不同比例的角色。您为自己创造的价值是商业理解和分析的正相关函数。在数学方面，价值=功能（商业理解、分析）有了这种理解，我在下面的交叉表中绘制了我们行业的各种角色：显然，上图是我对这个行业的个人理解，当然，每个角色的位置都可以辩论。我希望你*的主要想法是在业务分析行业中扮演多样性的角色，以及你可以从当前角色中获得的路径变化。首先，让我们试着了解上面关于角色类别的五个突出显示框中的每一个。1、从2000年到2012年，这是业务分析专业人士的主要角色类别。角色主要*“发生了什么(事件)”，而不是“为什么(事件)发生”。然而，近年来，这些角色中的大多数是在公司实现了大量这些过程的自动化后发展起来的，机器学习变得越来越流行。然而，仍然有超过50个角色％报告工作，其余角色回答这个问题–“为什么会发生事件？”。这对分析行业的职业生涯起到了很好的作用。但从长远来看，你应该采取主动，专注于“现在发生了什么？”(即商业智能/仪表板)或专注于“接下来会发生什么？角色(即预测分析)。2、中级分析角色是我职业生涯的角色类型。大多数经济学/统计学/计算机科学专业的毕业生将开始他们的角色之旅。这是业务与分析的最佳组合。了解这两个世界是最好的方法。中间分析领域的角色也多样化。这一类的一个极端角色将集中在商业智能上，试图解决“现在发生了什么？””。这一类别的另一个极端角色是高度*业务，比如产品定价，你需要创建大量的业务场景，为你的公司销售的产品找到最好的价格。大多数角色在决策管理/风险分析/欺诈分析等深度学习等尖端工具之间达到更理想的平衡。这些角色大多涉及自动决策。例如，您可能负责创建一种可以根据客户风险接受或拒绝信用卡应用程序的算法，或者选择倾向于选择交叉销售保险产品的客户。所有这些业务问题都要求您创建批量客户配置文件的预测模型，并根据某些业务指标进行排名。如果你在这个团队中，几乎所有的选择都将被打开。您现在可以选择转向更具战略性的角色，或者您可以选择成为数据科学家。如果你不知道下一步该去哪里，找到一个合适的好方法是在两个盒子的边界扮演一个角色。例如，如果你想在未来发挥战略作用，你可以基于P＆在L的中间分析角色(如产品定价)中发挥作用，测试您的适应性。为了获得一系列战略角色，还有一些角色可以选择组合分析。请注意，如果你选择在战略角色的道路上前进，你可能不需要深入学习和其他数据科学技术。另一方面，如果你想测试你作为数据科学家的身材，你可以从事嵌入式数据科学家，而不是纯粹的数据科学家。这样，在进入研究角色之前，你就不需要失去对业务的控制。除上述两条路径外，您还有另一种方法可以在业务和分析之间找到良好的平衡–TechProductManager角色。但是这个角色在行业中并不容易获得。数据科学主要用于公司通过构建数据支持策略来发现其他公司的竞争优势。像谷歌和Facebook这样的技术公司不仅使用分析来制定战略，还使用分析来创建产品。例如，Google即搜即搜是一种利用机器学习提供搜索结果的科技产品。这些科技公司寻找具有商业损益和机器学习技能的人来设计这些产品。如果你选择在这条路上前进，你不仅要适合大型科技巨头，还要在NICE、Aspect或Interactions等技能公司找到产品经理的角色。3、你可能听说过一个重要的经济原则–“竞争市场中没有经济利润”：经济利润的存在吸引了进入，经济损失导致退出，在长期平衡中，完全竞争行业的企业将获得零经济利润。如果所有企业都处于完全竞争的市场，他们如何赚钱？假如你是一名经济学专业的学生，你就会很好地知道答案。所有成功的企业都是基于低效的市场，所以没有“完美的竞争”。战略家的角色是识别这些不完善之处，培养他们成功经营业务。对于大公司，我们在企业层面和业务层面都有策略师。企业战略是回答企业层面的问题，比如“你公司的正确业务组合是什么？“为了实现这一组合，你需要什么新业务来获得/投资/增长/关闭？”等问题。“为您的企业提供适当的组织结构，将促进运营与其他领域的协同作用是什么？”。例如，如果您为富国银行的企业战略工作，您将制定收购或关闭投资/零售银行/信用卡等业务的战略；您还将致力于创建全球运营，以消除个人业务的运营成本。业务战略更多地与特定业务相关。虽然企业战略可能更注重公司层面的事物成本，但业务战略更注重净收入的最大化。例如，富国银行的信用卡策略师可能会专注于最大限度地提高其卡客户的收入。许多业务可能是富国银行各业务领域的共享资产，如呼叫中心、聊天中心、分支机构等。因此，这些费用负责人在企业级别而不是业务级别上得到了更好的优化。各公司的责任分配可能会有所不同，但大多数企业和战略家都在合作。这两个角色都要求您通过创建各种业务场景和计算不同投资的净现值来估计产品功能变化、流程变化和技术投资的收入。由于他们掌握了大量的数据，并对将用于创造竞争优势的最新技术有了深入的了解，因此分析专业人士非常适合扮演这样的角色。在2010年之前开始职业生涯的分析专业人士目前在战略角色中占有很大比例。4、对于大多数想要进入数据科学领域的人来说，数据科学家的角色是最迷人的角色。数据科学家的角色是专家的职位。您可以专注于语音分析、文本分析等不同类型的技能（NLP），图像处理、视频处理、医学模拟、材料模拟等。这些专家的角色数量非常有限，所以这些专家的价值是巨大的。这就是为什么我们现在看到如此高的数据科学家需求。你需要随时了解最新的工具和技术，才能在这些角色中脱颖而出。您还应该投资于使用相关语言进行自我培训，并有能力以简单的方式向客户和企业解释您的复杂模型。假如您觉得需要掌握业务理念，您可以随时回到战略方面。本文最后提到的职业道路是基于我的个人经验和与各分析领域成功专业人士的一些讨论。您可以使用正确的策略，通过免费在线提供所有资源，轻松迁移到任何预期的角色。我希望这篇文章能帮助你确定你的职业轨迹。