数据分析师缺少核心竞争力，该怎么做？

0x00 前言

本文来自，一位数据分析师朋友对数据分析发展方向的困惑，觉得自己没有核心竞争力。这个问题也很常见，居士的观点是如下：

1. 明确自己岗位在行业、公司、团队中的定位，先确定什么是核心竞争力！

2. 确定什么是核心竞争力之后，再考虑如何增加竞争力

很多小伙伴，在最开始并没有抓住方向，感觉没有核心竞争力就开始各种去学，有点病急乱投医。

当然，第一步如何明确核心竞争力也往往是最难的，这一点并没有统一的答案，需要不断去认识行业、认清自己。

0x01 职业困惑

传统商业数据分析存在的意义在于数据会与业务发展相互促进，即业务发展积累更多数据用于分析、数据分析为业务战略选择提供方向。但现在面临两个局限：

1. 业务的发展有很多是基于过去和现状的考虑。这将导致以下问题：

• 我们从数据分析中得出来的结论，是大家所公知的；

• 数据分析结论与未来商业发展方向的不一致（比如新型增长行业不一定盈利，或许只是热度）；

从另一个维度讲，很多商业机密的信息，并不会以数据的方式呈现。如此，数据分析结论的意义会在一定程度上大打折扣。

1. 目前很多公司都有建立有自己的报表系统和统计网站，基本上会囊括很大一部分分析图标与方法。这些方法和结论，对现在的工作成果形成了一定的替代性。

以上，感觉单独做数据分析，核心竞争力越来越低。如果要进行跨专业技术结合的话，有没有更好的建议，谢谢。

0x02 困惑解答

分 3 个角度讨论一下。

一、数据分析的工作范畴

数据分析可以做的点很多，以你举例的场景，很多是在做描述性数据分析。而数据分析容易产生价值的环节覆盖了：

• 解释现象

• 找到原因

• 给出预测

• 指导操作

这里面，有很多可以深入做，并且提升竞争力的点。

第一个建议：在数据分析领域，形成自己的核心竞争力，和技能无关，更多的是如何分析一个课题。

如果你的工作环境中，大家对数据分析的价值提出了挑战，可以思考一下，各个环节是否做的到位。

举个例子，比如dau下降这个问题。

有分析师给出的结论是：因为某个版本改版，大家流失了。这个结论就比较泛了。

有的分析师，给出结论可能是：

1. 因为某个版本的某个改动，导致中度活跃的用户在环节a处放弃动作。

2. 原因是这个动作增加了用户的使用成本，如果继续这样下去，会流失60%的中度活跃用户

3. 但是由于这个改版满足了低活跃用户的某种诉求，虽然整体下降了，但是低活群体的活跃度提升了。

4. 建议下一步，针对不同用户群体，进行不同的版本实验，提供不同的内容。

同样是dau下降，大家同样都知道这个结果，但是内容相差很大。

ps，现实中的分析比这个更复杂一些，此处是简单举个例子。

二、数据分析的竞争力

基础工具，是不具备核心竞争力的，基础平台建设越好，分析师的工作越好做，这是好事。

数据分析更多的是从数据中给出解答，这一点需要用各种基础工具来完成，这是难被替代的。分析思路和框架最重要。

三、 是不是要学更多技能

需要。

针对性学。

1. 比如业务领域知识，这个比学技能更重要。

2. 更优秀的分析方法，比如时间序列分析，简单搞，你可以用一个多项式曲线去拟合，经典的方法可以用arima，流行一些的话可以用facebook开源的prophet，上深度学习的话可以用lstm，不同方法有各自的优点。

0xFF 总结

每个岗位都有所需要的核心竞争力，但是，这个并不是最重要的，最重要的应该是找到自己擅长的事情并结合该领域的要求，形成具备自己特色的核心竞争力，这个才是你真正需要的。

欢迎关注木东居士，也欢迎提出你的疑问，我们一起探讨和交流。