数据人一直做这四项工作，即使不被BI、AI取代，也躲不过35危机！

先说我的观点：数据分析职业不会被BI软件替代。顺便说一句，数据分析职业也不会被chatgpt取代。

大家首先要搞清楚：取代人的从来不是工具，而是会使用工具的人。

数据分析师工作内容

首先，先让我们来全面拆解一下国内数据分析师的主要工作。

我把国内大部分业务方向数据分析师的工作内容进行了梳理，在图中你可以清楚看到，前四项工作是很多数据分析师会花大量时间去处理的，但坦白说含金量确实很低，没有自己的核心竞争力。

如果你从事数据分析，做的就是上面这4种工作，那你不被BI、AI取代，到35岁也差不多被干掉了。

下面先给大家扫盲一波，做数据分析还不知道BI的赶紧看。知道BI是什么以及怎么用的，但仍旧担心自己会被取代的，直接看下面的建议。

什么是BI？
1、BI并不玄乎，本质就是实现简单数据分析和可视化的工具

很多人觉得BI玄乎，其实很大程度是因为BI厂家给造的名词太多了，敏捷BI、智能BI、自助式BI等…

同时，BI翻译过来的商业智能，看起来每个字都懂，但其实真问你是啥，没几个人说的清楚。加上BI又常跟大数据、数据中台、数据分析组合在一起聊，让人更难理解、分清BI是用来干嘛的？

要一句话跟外行人解释清楚，估计只能用“高级版Excel”来粗暴解释。

但其实看本质，BI对个人来说就是个数据分析工具，通过制作可视化图表来实现story telling。只不过国内BI很依赖项目实施，所以倒逼国内的BI更像是一套企业端到端的数据解决方案，而不是工具本身，这也是为什么有人说BI是工具、有的人又说是解决方案的原因。

但总归来说，BI就是通过数据分析来帮企业了解企业的情况，辅助企业做好决策，提高数据分析效率，和Excel可以说是某种程度上的一样，因为事情还是一样的事情，只是环境变了，需要应用更高效的方式和工具罢了。

2、BI怎么用？

这里分享一款很好上手的数据分析工具FineBI，感兴趣的可以上手试试。可关注今日头条数据分析不是个事儿回复BI获取。

数据分析师如何增强竞争力？
1、基本工具应用的能力

Office的三件套是必备的，特别是（excel、PPT），但所有的excel\ppt功能都要学习吗？显然不是，很多人在这个上面浪费的时间太多太多了

对于excel来讲，基本的函数（加减乘除、条件筛选、匹配函数、透视表、图表）就足够了，VBA对基础业务人员来说可以放弃

对PPT来讲，不要把自己打造成为一个专业的ppter，PPT对于分析师来讲，唯一的核心就是展示，因此基本的操作就足够了，可能当入门的时候，你连打开PPT 的机会都没有，就是提数

SQL，这是一种数据库的通用语言，还有一种叫HSQL，有一些差异，但逻辑是相同的，学习SQL的目的其实只有一个，提数，需不需要掌握sql和你未来公司的发展或目标的企业有很大关系，建议一定要学，总不能别人找个数据分析师来，还要给你配个提数助理，那成本太高了。

2、专业工具使用

分2个方面，数据分析与处理、数据展示，这时候大家会问了，我都会excel\PPT了，感觉就可以了，其实不是的，很多时候我们面临的数据和复杂程度虽然用excel\PPT也能做，但是效率却很低下，那我们学工具的目的是什么？不就是为了单位时间内提高效率的问题吗？

这时候一定要掌握一种专业的工具，存在即是合理，比如不善于编程的话，spss、clementine都是很不错的选择，也可以尝试玩玩kettle，不讨厌编程的话建议直接去学习python，R相对来讲，专业对口的学起来用起来顺手一些，学哪个工具都可以，一般的招聘都是掌握一种就可以，所以不要逼着自己去学不顺手的工具，浪费时间，投入产出比太低

另外就是可视化的，其实excel就是一个最基础的可视化工具，简单易用，场景多，如果想要可视化分析效率更高，建议掌握tableau、FineBI之类的一种BI工具，现在很多企业都在用商用BI软件了，如果可以提前知道要去的企业应用的哪种，可以重点学习一下，除此之外，一些开源的可视化软件，比如echarts、datav、antv这些感兴趣的话也可以学习。

上面的这两个能力都是要花时间去学习和实际操作的，最好找一些数据，没事就练习一下，而下面要说的能力是需要刻意训练的，不是花时间就能学到的

3、发现问题的能力

这是一种很重要的能力，可以塑造自己从被动转为主动，这需要我们有足够的知识储备和业务的沉淀，你才有发现问题的资本，而不是让人家觉得你在找茬。

4、解决问题的能力

数据分析不但要告诉过去、现状、未来，更重要的是遇见问题的时能告诉为什么会发生，为什么是这样，而不是我们想的那样，我们不是一直在做这样的事情吗？下来才是你解决问题的套路（拆分、MECE、多维度、公式法等），一般三步法：

What-界定问题，搞清楚问题到底是什么？

如何理解呢？举个例子，比如你们老板给你说最近客单价下滑很厉害？

那有的人侧重点就是分析就应该为什么下滑？然后从下滑因素中找出原因，并采取行动，对吧？至少很多人会这么做

其实不是，下滑只是现状，老板是想提高客单价，这时候要从下滑转化为提高，如果从提高的角度去建立分析框架，两者的分析思路是不一样的

Why-分析问题，结构化分析问题的本质原因是什么？

这个就不多说了，大家都知道麦肯锡的MECE，你也可以理解为逻辑思维能力，那块如何落地呢？

我自己最喜欢的方式只有2个：1、自问自答，答到满意为止；2、学习，多看行业报告，特别是投行、券商的报告

How-解决问题，应用目标导向思维怎么解决？

这一点很多人容易忽视，往往我们沉迷在数据中，忘记了自己要分析的目标到底是什么？越做越多，越做越复杂，以至于输出的时候没有了重点，缺少一根主线，突然之前从清晰变成了混乱，让自己开始怀疑自己的价值。

切记做一份商业分析之前一定要有一个目的性明确的框架，每个框架下面如何假设分析也要梳理出来并反复推敲，确定后就不要大改了，除非发现惊天秘密！

5、行业洞察能力

常言道：干一行爱一行，为了自己以后每天都能吃上五花肉，你也要深入自己的行业，构建自己的认识体系，提升自己的赋能

当然行业的洞察力不是靠阅读文章的数量，看书多少本来决定的，虽然之前存在一定的关系，但不是纯正相关或者因果关系，而是要依靠咨询公司的那一套方法论去不断的模仿、思考、复盘的

借助行业研究模型：

这些模型天生符合MECE的原则，所以你如果能很好的应用，对你的思维能力提升也有很大的作用

6、创新的对应方案

知道了事情的来龙去脉，能不能站在用户体验的角度设计出一套，记住自己分析数据、呈现数据的时候不仅仅是数据，而是一群人的行为趋势，比如你要开一个陕西面馆，你能否根据用户的数据，打造出一套引导改变他们习惯的面馆，而不仅仅是影响。

7、数据的解读能力

经常看一些小伙伴写的分析报告，出现最多的就是同比、环比，而同比、环比之后在没有任何的描述，这时候你描述的只是一种数据的状态，并没有把数据背后的故事讲清楚，比如什么原因引起的？你是从哪些角度分析发现的？这样的报告很难带读者到你的思维世界

你写的：本周我的工资环比下降了50%

别人的：本周我的工资环比下降了50%，主要是因为公司效益下降20%，因此造成绩效工资下降幅度较大引起，另外分析得知，公司效益同比下降200%，而这段时间正好是疫情发生时期…

总结
最后还是跟大家强调：取代人的从来不是工具，而是会使用工具的人。

示例中提到的数据分析工具分享给大家—— https://s.fanruan.com/7lh3w 零基础快速上手，还能根据需求进行个性化修改哦