说到数字化转型，就不得不提到一个曾经非常热门的职位—“数据分析师”。
大概十年前左右，数据分析师这个岗位可谓非常吃香。
他们既懂业务，又懂技术，简直是不可多得的人才，很多大企业会专门设立这样的岗位，以动辄三五十万的年薪聘请。
数据分析师，作为有数据处理技能的高级人才，帮助管理者们建言献策，迅速成为企业的“智囊核心”。
数据分析师的业务洞察，大多来自于“数据驱动”的方式。
一般业务人员相比，他们对数字敏感，擅用各种数据分析工具，甚至会“写代码”，了解一些前沿的AI技术，说起“大数据”话题侃侃而谈。
很多专业的高校学生，只要是学科沾一点“数学背景”，都积极地涌入到这个职业方向。
同时，不少职场人在接触了一些短暂的数据软件工具技能培训班，或者类似于Python速成课程之后，也纷纷加入数据分析师的行业大军。
数据分析的工作和“数字化”有点像，必须依托于特定的业务主体才能发挥价值效益。
数据驱动的核心不是数据本身，而是在业务活动中用到数据，解决“效率”问题。
这两年，数据分析师这个岗位角色越来越弱化了，甚至逐渐消失了 ...
人们越来越意识到，数据分析并不是一个独立的工作，而是紧密融合在各个岗位、各个业务环节中。
准确来说，数据分析其实就是业务分析！数据分析的作用对象不是数据，而是业务。
只不过数据分析更强调通过企业内外数据资源的操作和应用，来获得重要的行业洞察，这只是方法上的差异，而不是能力上的差异。
于是，独立数据分析师的职业发展优势并不强，其职业替代的风险其实很大 ...
“与其在数据分析手段上不断精进，不如多参与业务实践，多接触业务案例，多了解业务逻辑 ...”
这几乎是所有资深数据分析师多年磨砺下的感慨。
诸多实践证明，在错误或薄弱的业务认知框架下，数据分析技巧几乎一文不值。
更为极端的情况下，纯粹数据驱动的业务结论，可能还没有10年+的经验来得可靠。
这也是为什么，当前绝大多数数据分析的工作仅仅是为了验证或佐证行业判断，而非真正得到一些“人”根本就看不到的场景或机会。
与此同时，随着数据中台、数据湖、低代码等数字化技术的普及，数据分析工作的技术门槛越来越低。
在二十年前，会用Excel透视图就已经是高级技术人才了。而现在这些技巧似乎成为进入任何一家管理成熟企业的必须的“入场券”。
更何况“取数”方法越来越流程化、标准化、自动化，BI报表工具和可视化平台也做得越来越成熟 ...
于是乎，所谓“业数融合”的综合人才，必须建立在有一项核心技能的基础上，如果什么都懂，大概率或许什么都做不好。
数据分析师这个岗位，正在随着数字经济时代的发展，逐渐分化为更加“垂直”、“专业”的岗位职责。
第一个方向，是成为某个行业的业务专家，因为具有较强的数据分析技能，同时又深耕于某个领域的专业知识主线，具备对业务更加综合全面的理解；
第二个方向，是突出管理能力，从事数据治理相关工作，基于数据分析方面能力基础，更有效地对数据价值进行识别和挖掘，帮助企业更有效地建立数据资产体系。
第三个方向，是突出数据技术能力，成为数据科学家，结合数据挖掘、机器学习等前沿AI技术，聚焦解决数据的建模、推理、预测等问题，提高企业数据要素应用水平 ...
关于“数据分析师职业”，还有什么想说的？ 欢迎在评论区留言交流 ...
数易达科技，长期关注数据价值开发和应用场景构建的前沿AI技术，希望通过大数据工具和平台帮助企业快速建立成熟的数据资产管理体系（了解更多）。
往期精彩推荐
为什么很多行业巨头，至今不愿做数字化 ...
为什么这两年，“大数据”谈得越来越少了 ...
数字化下半场，建“中台”还重要吗？
数字化转型中的重要管理思想！
数字化转型，为什么一定要谈“架构”？
后数字化时代，数据部门的窘境渐显！
30条金句，说透数字化转型真相！
数字化咨询，正在走向“廉价化” ...
数字化，“抓住”这几点就够了 ...
如何理性看待，中小企业数字化转型！
搞懂“数据要素”，需要了解这些事儿 ...
大型传统企业数字化转型难点与策略洞悉！
从“数据科学”视角，看懂数字化转型
公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或把本号置顶！提供数字化咨询和技术工具，有意立即添加留言！点击这里 查看服务
