同样做数据分析，月薪8k和年薪百万差别在哪？

前几天，狂野君偶尔看到某求职网站上关于数据应用岗位（包括商业分析师、BI工程师、数据科学家）的招聘情况，发现年薪百万，直接带领团队的岗位真的不在少数。

随着数据应用的深化，很多人报考软件工程专业或者转行数据分析行业，都是奔着高薪资、高价值。但是为什么有的人月薪八千，有的人月薪5w？其实这里面，一个人数据分析流程上的定位决定了可以创造的价值和他得到的薪资。

下面就一起跟随狂野君看看企业最需要哪种数据分析定位的人才，以及你现在处在哪个阶段定位吧。

一、报告角色—告诉你过去发生了什么

先从一个故事讲起，一家大型零售商超集团的老板告诉分析师A，我要看这一周本市门店的营收情况，一周后给我结果。

A分析师拿出某数据分析工具，调取门店销售记录、成本管理等模块的数据，通过数据可视化，制作出炫酷的仪表盘，讲解数据：售出货品100000件、收入700万、净利润180万。

老板随手一看，眉头微皱：分析结果对于他接下来调整门店运营策略没有任何直接、实质的帮助，于是A分析师一周的努力就这样被老板抛之脑后。

角色特质

1、欠缺了业务思考

在这个故事里面，分析师A的作用和价值很小。他虽然将业务进行了数据化呈现，但是他并没有结合具体的业务需求。对于老板的诉求，他也只像一个搬运工一样，单纯解决了老板对于清楚看数据的初级需求，对于为什么会发生和即将会发生什么并没有思考。他们从事的工作也可以叫做：描述型数据分析。

2、描述型数据分析

描述型数据分析，数据与业务的联系程度不高，简单的告诉你过去发生了什么，进而告诉你企业现阶段的整体运营情况，通过各个经营指标的完成情况来衡量企业的运营状态，比如零售企业的门店运营状况、证券集团的客户盈亏风险评估等。

但是，随着越来越多专业的数据分析与商业智能平台的出现，普通的业务人员都可以轻松调取自己想看的数据，而专门的描述型分析模式已经被接下来要将的探索分析所取代。

二、业务探索角色—告诉你为何发生

还是同样的问题，零售集团老板让软件工程专业毕业的分析师B在一周内给出他想要的结果。

分析师B首先不急于获取数据，他先研究了今年公司的发展战略和老板最近采取的业务调整策略，得知老板最近想要减少门店的运营成本。

于是分析师B调取员工考勤、货物存储记录等数据，利用比较分析找出异常值，并匹配具体业务场景，得出结论：

A门店在二季度处于淡季，应减少30%的人员投入，

B储藏冷库的利用率低于平均值，应调整冷库储存结构......

通过这些举措，总体成本预计减少15%。

老板一听，打开考勤等业务数据，发现异常值和问题正好匹配，心中大喜：B分析师，下月给你加薪！

角色特质

1、更加关注业务需求

分析师B在这一流程中，采用了更多的分析方法和策略：明确数据需求、异常数据分析、对比分析等，同时他开始更多的关注业务需求。

2、串联多种业务场景

相比于简单的业务数据汇报，探索式数据分析将多种业务场景和具体的数据分析需求进行串联。分析师首先要对公司的业务策略有了解，知道公司的业务重点和业务短板，同时他所有的数据分析行为都要与业务产生强关联。更重要的是，他要在复杂的数据中找到异常值，分析原因，以此来改善业务现状。

随着企业对数据分析人才的要求提高，探索角色已经成为很多计算机科学/统计学的学生职业生涯的起点，同样这种角色也遍布各行各业，成为各种业务场景的主力分析团队，他们通过探究众多业务场景，找到业务与数据的一种平衡。

三、战略角色——告诉你接下来怎么做

还是同样的问题，零售集团老板让一位在数据分析行业摸爬滚打多年的资深分析师C在一周之内给出结果。

分析师C首先请老板喝了咖啡，座谈3个小时，得知老板想走集约化发展路线，并在微博、微信、公共邮件中爬取重复率最高的关键词，得知公司对自动贩卖模式抱有期待。

于是分析师C从几个关键的业务目标出发，利用算法分析了各个门店的糕点、水饮等不同商品的配比结构，当地的零售门店的租金变化发展趋势，不同地点一天各时段的人流量情况。同时他也算出了自动贩卖模式的前期投入和ROI（投资回报率），再经过系统的思考、对比、总结，他给老板呈现了几个数据。

通过对A、B、C三种商品的销量进行精准计算，发现三种商品的库存权重与近一个月的总体销售额成略微的反相关，所以接下来应减少三种商品的进货量。

采纳分析了ROI和加盟价格的对比，建议加盟某自动贩卖模式，一年预计带动商品售卖总额110w，节约成本17w。

结合D小区的人口密度、购买能力、与主要交通枢纽的距离进行建模预测，应在该小区旁增加月商品流水在12w的门店，并加重日用品的库存比例。

得出结果，老板一看，困扰自己许久的问题仿佛有了答案，不久后C分析师的三项提案全部落地实施。

角色特质

1、对业务数据进行拆解、重组

看了C分析师的成功操作，我们可以发现，他为了寻找到问题出现的原因，将业务进行了拆解，提出假设。之后他为了验证自己的假设，他又将业务进行了重组。比如他将门店选址的多种因素进行了对比分析，之后又将购买能力、人口密度等因素进行了组合，进行下一步的预测。这种方法，在公司的战略分析上很常见。

2、业务分析向商业分析的转变

当你到了战略角色的高度后，数据分析也就变成了商业分析，不再局限于具体的业务，而是考虑如何建立一套完善的数据分析体系，搭建企业数据平台。在了解企业运营情况和战略重点后，有时候还需要对企业发展趋势作出预测，为制定企业运营目标及策略提供有效的参考和决策依据。

总结：数据分析师进阶之路道阻且长

虽然前面的三个小故事都是虚构的，但是它们都说明：数据分析的本质是分析业务。其实在文中几个轻描淡写的故事背后，每一个数据分析师都会面对各种各样的难题：被分散在各个业务系统中的数据困扰、被报表工作所折磨，整天顶着各种业务需求被动应对，无法在庞杂的数据背后发现关键业务所在......总结一下就是：难以聚焦于为业务增长提供数据赋能。

如果大家在数据分析的工作中，也有类似困扰，可以关注我的公众号“商业智能洞察”来了解更多提高数据分析师逼格的工具、武器。