遭遇年龄天花板?数据分析师如何“破局“

聚数云海 

"今年37岁,被上家公司辞了"

"为什么" 

"可能因为年龄吧" 

"您确定?"  

这段对话发生在最近的一次交谈中,向我讲述的是刚刚失业的数据分析师老王。

"是的,现在公司招聘年龄限制一般在35岁"

这不是第一次听说数据分析师的年龄限制了,业内俗称"35岁魔咒"。如果到了35岁，你仍然无法脱颖而出、还做着基层工作，那很可能你就是要被「优化」的对象 —— 毕竟比你年轻、好用又便宜的年轻人，太多了。

不仅是数据分析行业,在其它行业也确实普遍存在着这样的说法。但追根究底,淘汰你的并不是年龄,而是实力。

我们参考当前网上比较有代表性的数据分析从业者的回答，整理出了35岁数据分析从业者的压力:

• 价值感方面:可替代性强

• 薪酬方面：老人不如新人

• 心理方面:焦虑,30岁怎么办？40岁怎么办？做不到管理怎么办？

其原因是由于大数据时代的到来,产生了海量的用户数据,各行各业都需要利用到数据分析,也使得更多人看到数据分析的红利,越来越多的人开始慢慢地从各个行业转行,一时之间数据分析师供不应求。

而马云在历次演讲中都曾提到“十年后没有数据分析师这个职业，都是机器在做；十年之后Times周刊上年度最佳CEO是一个机器人”。,再加上，近几年"人人都是数据分析师"的说法也开始流传开来。让有的同学甚至怀疑数据分析师这个职位"地位不稳"。

以上种种都是焦虑的源头。当然小聚不想贩卖焦虑,因为焦虑来源于危机,而我一直相信这样一句话：真正的危机，源自于在正确的时间做不正确的事。没有在正确的时间，为下一步做出积累。

那数据分析师如何破局,为下一步积累呢?两方面-----思维与实践

小学时都学过:人有两件宝，双手和大脑，双手会劳动，大脑会思考。动手不动脑，啥也干不好。数据分析在工作中,如果实践和思维停滞了,被淘汰是必然的.

01 数据思维

上面提到现在流传的"人人都是数据分析师",指的是"人人应有数据分析思维"的愿景。大数据背景下的工作环境中无论什么阶层什么职位的人都需要和数据以及赚钱打交道，因此几乎任何岗位都需要具有数据分析思维。数据思维也是新手和老手的分界线,是一种通过对数据的分析看到各种商业价值的能力。

它分为两个部分：分析问题的思想与处理问题的态度(技能)。

具体要求即是理解业务---将业务问题转化为数据分析的问题,也就是需要回归分析的思想。特征表现在一方向性：明确业务中的问题，解决问题;二客观性：用数据结果代替主观。

数据分析的思维是可以学习并且通过不断重复演练而强化的,数据思维的养成，并不取决于谁对数据更有直觉。事实上，大部分情况下，直觉往往是不准确的，必须通过大量的小流量测试去验证。优秀的数据分析师更懂得先梳理业务框架，然后自上而下不断拆解，庖丁解牛一般去分析和拆解复杂的业务，从而快速形成严密的逻辑链条和数据链条。

02 业务实践

具备数据分析思维已经是做的很好了吗？不是的，即使你去主动了解了业务，但是你可能还是一个执行者，你的工作可能还只是业务方实现自己想法的工具。要想从基础数据分析师变成能真正影响业务的存在，那就一定要能将技术能力和业务理解融会贯通,主动推动业务实践。

在这个阶段,你需要突破以下两个方面:

提升技术

excel，sql，python必备基础技术,不会就说不过去;

吃了ESP套餐的，学点数仓，ETL，数据治理，提升基础能力;

和业务走的近的，多补充业务知识，特别是新领域的数据运用;

公司数据基础好，本人知识扎实的，挑战一下算法。

总之，横行扩宽业务知识面，纵向在数仓方向强化，能力强的看点算法，技多不压身，能力强自然出路多。

主动推动

好了,当你走完上一步的时候,你已经是一名可以用数据解决实际业务问题的数据人才了。但是，这并不是重点，因为，只有技术能力，你依然只是业务的被动执行者。这时你要转变身份,变成业务的主动推动者。主动推动业务解决问题，从决定立项到执行完成，可分为四大环节（如下图所示）:

在整个过程中，数据分析不能包打天下。作为一种理性、量化的工具，更适合用于解决战略、战术决策工作，适合战况监控。至于战斗动作，数据只能作为参考，一个有经验的策划远远比加减乘除管用。

因此合理安排输出产物，才能更好地推动业务去行动，而不是让业务患上数据依赖症：“你用人工智能大数据分析一下我这一幅画该几点红几点绿”——数据不是这么用的。

综上,要想摆脱困境向上扩宽,即要时时总结,时时学习!

关注同名公众号,获取数据分析最新资讯~