这可能是数据分析师最关心的五大问题

原始标题:这可能是数据分析师最关心的五大问题

数据分析师会被人工智能取代吗？这可能是许多数据分析师已经考虑过的问题。本文作者从数据分析师的角度分析整理了五个相关问题。让我们看看~

这是2020年。许多学生正在思考职业发展的道路。最近，与陈先生进行了多次磋商。最常见的问题之一是:今天数据分析师的红旗，到底能打多久？，关注答案。

这仍然是陈小姐的一贯风格。这不是黑暗和客观的。让我们来看看数据分析师在2020年面临的五个最棘手的问题:

问题1:数据分析会被人工智能取代吗？

不！

首先，看到所有提到“人工智能”这个词的标题，每个人都可以把它看作一个引起焦虑的伪问题。那些真正了解这个行业的人都说:算法、机器学习，或者直接进入一个特定的领域，比如简历、自然语言处理、推荐等等。

其次，这俩玩意根本就是两件事。算法的开发不会取代数据分析，而是会使数据分析更加容易。

为什么？

因为本质上，算法对抗的是低效率。通过人工标注、模型训练和预测测试的循环，该算法可以取代以前大量的劳动密集型工作。

但是算法实现这一目标有先决条件:首先，需要清晰的结果:手动标记的图表、信用违约/非违约记录等。其次，训练模型需要大量的特征数据。

正是因为这个原因，我们看到变异系数是该算法最成功的应用。人脸与证书的比较具有特征丰富、结果清晰的特点。传统领域如风力控制和推荐也取得了相应的进展。自然语言处理领域进展相对缓慢，也就是说，七种肉和八种蔬菜受到复杂背景的困扰。

本质上，数据分析对抗的是不确定性。当我们想要分析问题时，通常情况下是这样的:

这种时间相当于根本没有注释，或者人为地遮挡了几个标记，模型根本就不能被训练。还是碰个屁。

这就是我在数据分析中有五个主要问题的原因:

连续循环地解决这五个问题，感受石头过河的力量是不可替代的

。当然，石头很清楚，数据质量很好，经验总结也差不多。这时，一些传统的工作可以用模型来完成。例如，在风力控制和推荐领域，传统的商业经验越来越被模型所取代。同样，在新领域，数据分析仍然是先锋。

例如，2019年，陈先生领导了大量社交电商、分享裂变、网红带货、私域流量转化个项目。这些项目通常与商业模式创新和数据分析齐头并进。在这些新领域，所有的行业和职业都在探索石头，当然，他们必须带来能够测量深度的水文学家。否则，我甚至不知道怎么死在坑里。

有趣的是，所谓的“人工智能将取代数据分析师”源于对数据分析的无知。在不知道如何做事的人眼里，数据分析师和算命师没有什么不同。他们不需要数据收集、数据清理、数据治理、分析和建模、经验积累以及测试和验证。只要你皱眉，用手指数，念咒语，烧咒语，用算盘数，天空就会打雷降圣旨:明年演出1257亿元！

在不懂行的人眼里，算法、数据分析、算盘、 《周易》 没啥区别，反正过程他都看不懂，最后咔嚓一声能出个好牛逼的结果。有这种幼稚的想法，他们当然认为人工智能将取代数据分析，毕竟阿尔法狗听起来比算盘好吗？

当然，还有另一个论点，它来自这样一个事实，即如果数据分析师能在以后自动计数，他们将被解雇。这更幼稚，谁TM跟你说数据分析师就是人肉跑sql师了！

让我说，智能商务智能越早出现越好！释放那些每天有2000行sql的小朋友，屏蔽那些没完没了的临时数据检索，让那些只知道和不知道技术的市场部女孩对着机器咆哮:“这是导演想要的，他们必须在下班后给它！”这些话都是冲着阿尔法狗喊的，这张照片很酷。我们将有更多的时间来分析问题、设计实验和挖掘深层因素，我们将在未来取得更多的成就。

所以，被时代淘汰的不是数据分析师，而是只会写sql的肉鸡，只会到处问“有没有模板可以复制”的菜鸡，以及只会写同步链比较的草鸡。每个人都可以放心。

问题2:数据分析会被sql写操作取代吗？

答:不

陈小姐在这个问题上有特殊的看法。如果你想看的话，你可以在文章的末尾打上链接。我在这里不再重复，只说结论:“运营做数据分析是有原罪的，叫：本位主义”。只要你的身份还在运作，你的数据分析结果就是屁股决定头，这是短视和功利的，不能跳进黄河洗。

此外，该操作将只写sql。如果你让他做几个职位，ETL和数据管理，他会感到恶心和疲惫。这也是“只看到高楼耸立，却看不到又累又脏的地基”造成的误解。因此，做数据的学生不应该放弃脏活。相反，它是我们的护城河之一(尽管它满是泥浆)。

当然，那些只写“本月结果比上个月少1000万，连续三个月下降”的数据分析师肯定会被运营部门取代。只要你不是瞎子并且能阅读，这种事情就可以写。甚至我们的小爷爷可可也会看着爸爸的条形图说，“这很短”。他将学习另一个词“高高在上”，他将能够在许多互联网公司担任“数据分析师”。这是一个没有被取代的幽灵。

问题3:通过数据分析很难找到工作吗？

答：难

首先，因为算法太热而不能油炸，许多人会希望数据分析师理解算法，从而增加面试的难度。是的，是吃瓜的人不知道真相。他们总是想，“算法是如此伟大的城市。分析还不能完成吗？”抓住分析师，向他要算法，他来到公司，却发现除了交易流数据，他没有其他数据，而算法是一个鸡蛋。

其次，许多操作都是自己启动sql的，这导致了对分析能力的更高要求。一个矛盾是，许多领导人以前从未见过高级数据分析是什么样子，所以他们会盲目地问，将许多业务问题归类为数据问题，并问数据分析师如何销售商品。如果这是一个严肃的数据分析师，它可能真的是一个死亡案例。

第三，由于互联网行业严冬释放了大量劳动力，那些想换职业的人，那些在算法(只能调整参数)方面失业的人，那些做操作的人，以及那些正在用鲁特·洪庙(Root Hongmiao)进行分析的人，都在寻找数据分析工作。竞争更加激烈，自然更难找到工作。

总而言之，困难是肉眼可见的。每个人都应该更加努力，不要冲动。

问题4:我能做些什么来突破数据分析？

严格来说，这篇文章可以单独写。让我们在这里略述一下:

总之，它横向拓宽了业务知识的范围，纵向加强了职位数量的方向，并侧重于能力强的算法。有了更多的技能，身体就没有压力了。凭借强大的能力，有许多自然的出路。

问题5:我在哪里可以改变我的数据分析职业？

严格来说，这篇文章可以单独写。这里有一个提纲:“两条路很受欢迎，但事实上它们不是最好的出路:

以上，我大致回答了我们最关心的五个问题。除了问题1和问题2，其他共享较少，因为空间真的很长。如果您感兴趣，下次我们将继续进一步讨论数据分析师的发展。

事实上，学生们最初的问题是:数据分析师的发展前景如何？陈老师不喜欢讨论这样空洞的话题。就像以上五个问题一样，每个人都会发现如果你继续进步，你总能在这个时代找到自己的位置。如果你呆在原地，那么任何事情都可以消灭你。前景不是看出来的，而是自己努力出来的.能搞掂的具体问题越多，自然越有前途.因此，在新的一年里，我们将继续讨论具体问题，共同取得进展。

#专栏作家#

陈老师，脚踏实地，微信公众号:脚踏实地，人人都是产品经理的专栏作家。高级顾问，在互联网、金融、快衰落、零售、耐用、美容等15个行业拥有丰富的数据相关经验。Unsplash的主题地图，基于CC0协议