一年混迹BAT三家大厂的数据岗，我学到了什么？

正文开始

花了一周时间搜集信息、选择offer，终于在我点击"接受"的一刻，给今年奋战过的实习生活画上圆满的句号。回想去年11月的初秋，0实习的我还在为简历上0项目而焦虑不安。

数据分析到底是什么？大厂里的数据分析师们都在做什么？数据相关的岗位那么多，我究竟适合哪一个呢？

职场萌新的三大问，希望看完这篇文章能帮还在象牙塔的你了解一二🤔

古牧大佬曾提过，数据工作（非强技术项）细分有三种：数据分析、数据运营、数据产品经理。

好巧不巧，我在字节跳动实习数据分析师/数据产品经理，在腾讯实习数据运营，在阿里实习数据分析师。三类工作均有所涉及，本篇以萌新实习生视角展开讲讲~

本篇分成三part

1. 数据分析师

2. 数据运营

3. 数据产品经理

01. 数据分析师

身兼数职的数据分析师：产品/运营同学的茶树菇，汇报ppt的可视化工具er，专题分析报告的码字选手... “面试造火箭，工作拧螺丝”，对于实习来说更是如此。

作为实习生，能够熟练使用常用工具（sql、excel、tableau…）、快速上手公司的数据平台是基本要求，想必过五关斩六将拿到实习offer的大家都没什么问题。

实习心态变化历程：

1. 从第一段实习才开始写sql，沉迷于如何把sql写得更简洁高效而获得成就感

2. 数据结果的可视化呈现，巧妙地将冗长而枯燥的结论抽丝剥茧成直接美观的图表

3. 撰写游戏流失分析报告时，分析方法的通用性显著提高了自己抽象解决问题的能力

通常工作路径也是如此：产品同学提数据需求 -> 写sql or 简单模型 -> 图表可视化 -> 产出分析报告 -> 拉会同步结论

其实最关键的一步往往我们最容易忽略，结论同步是为产品同学下一步to do提供方向，而数据分析师如何不被迫退化为工具人，是需要to do的结果反馈让我们的分析思路形成一个完整的闭环。以终为始，才能做到从业务中抽象问题，在实际中解决问题。

想必大家都不甘心只成为产品同学的提数器吧，跑数之余，专题性的分析工作我最喜欢。一类问题的分析方法论是积累沉淀后可复用的，就像中学数学，我们将题目归类整理到考点下，在解题时再分别对应到常规思路套用。

但这只是从技术流程上解决了问题，完成度差不多有70%。case by case，如何差异化解决剩下的30%？是需要数据分析师长期修炼的“数据洞察”能力。

要从数据中得到价值，首先得弄清楚数据分析和洞察的区别。数据是没有经过过多处理的原始信息，数据分析是从这些信息中发现的规律、趋势等，而数据洞察则是通过数据分析得出的价值，包括决策运营、预测机会等。

数据分析能力总结

所以，逐步积累业务经验，培养自己的产品sense，才能成为一名打入产品内部的数据分析er～

02. 数据运营

实习前我从来没有把"数据运营"和"策略产品"联系在一起，直到看到我们小组的微信群名是“产品策略”，也就更加傻傻分不清楚。

每每和前辈聊到数据分析师的瓶颈，“离业务远”是致命伤。我们总是以数据分析师的视角去解读数据，但脱离了业务背景的数据其实毫无价值。我认为，深入产品里的数据运营往往具有更好的数据敏感度，以及对于业务而言，有更大的空间去赋能、更高效的速度去迭代策略。

就实习而言，数据运营和数据分析师的本质区别是什么呢？

• 硬技能（coding、模型）的要求显著降低，对业务的理解高于一切

• 策略往往需要更强的可解释性，这也注定了黑盒化的机器学习模型往往需要再进行一次白盒包装才能上线

• 问题发现究竟来源于业务or数据？可能在某个领域深耕已久的数据分析师也能做到从业务中洞察问题，但对于萌新来讲还是存在巨大的gap

数据运营和策略产品一样，都需要大量业务经验的积累以及数据分析的技能，我不清楚策略产品的工作流程，但对于数据运营同学来讲，尤为重要的是“能够在业务中发现问题”（对比分析师）。

通常工作路径：发现问题-> 提出假设 -> 数据验证 -> 策略优化

瞧，从思考到落地的整个闭环链路紧密结合，减少了外部沟通交流的成本。对业务来讲，解决问题的效率显著提升，对个人来讲，思考的广度和深度都更讲究落地的效果。

数据运营的门槛不高，天花板不低。解释一下：

• 门槛不高：行业知识的上手难度低于专业技能，毕竟理论学习和动手实践也是学习过程中需要艰难跨越的鸿沟

• 天花板不低：普遍来讲，非技术岗的天花板是高于技术岗的，当然风险也更大，因为可以cover项目的一整块业务，也不必被分析师的title困在点线的层面

这两个岗位也是我秋招Offer选择时纠结良久也难以取舍的。我是倾向于先做数据分析师，后面结合兴趣和具体业务，考虑转策略产品or继续做分析师。

听到两种说法，先数据分析师->后产品经理：

• 数据分析的经验积累更有利于产品经理部分能力的提升

• 思维的转变（分析师->产品经理）比能力的提升（数分技能）更难

其实，产品的核心能力是通用的，数据分析的思路框架也是通用的。本质而言，等我们的抽象能力提升到一个level，就都不存在特别大的壁垒。

03. 数据产品经理

数据pm的类型多种多样，大致可分为两类：

1. 平台型：主要产品是“数据工具”，落脚点在“工具”，最重要的目标是保障数据的正确性和时效性，以及提高数据处理（数据需求侧和数据侧）的效率。

2. 商业型：主要产品是“数据解决方案”，落脚点在“方案”，根据数据中体现出来的问题进行方案设计，常见场景是做数据增长，即通过数据洞察业务发展趋势、进而驱动业务增长，相较于平台型更加贴近业务一些。

私以为方案型的数据pm和数据运营工作有部分交叉，之前被腾讯挂6次的惨痛面经中也有面这类数据pm，由于没有实操过就不班门弄斧详细展开啦。

平台型pm往往要求有技术背景，所以有数据分析的背景，再去做数据pm是很有优势的，从各大厂的招聘JD可见一斑：

boss上百度的数据pm JD

数据产品经理的重点在“数据”还是在“产品”？

我认为是产品，“数据”只是产品下的细分领域，和其他产品经理的区别无外乎负责的产品变成以数据为主导。对于没做过pm的数据分析师来说，往往容易忽视数据pm的本质属性，以数据分析师的角度去做产品，结果就是需求侧看不懂，数据侧嫌太low 🤨

各厂都在讲“数据驱动”、“数据赋能”，作为数据分析师，我们应该意识到：数据本身是没有价值的，价值体现在使用者如何解读数据，赋予它价值。

以数据分析师的title，同时做了数据pm的工作，感觉就是double 经历，double 快乐，赚爆～

数据产品早已从单一展现数据的层面跳脱出来，交互、分析功能都是现在的数据产品所必需的。分析的方法论抽象出通用逻辑，就能固化到数据产品上，减轻sql girl的工作量。

⭐️ 很喜欢之前mentor讲过的一句话：数据分析师都是聪明的脑袋瓜，可不能浪费太多时间在这种机械化（工具人）的工作上，业务是靠数据驱动，而不是数据分析师驱动。

团队第一次尝试将专题数据分析的思路沉淀到数据产品上，将数据赋能给提需求的运营同学，或者说每一个需要用数据的同学。

作为新人接的第一个需求，抱着数据分析师的心态懵懵懂懂跟进，总结下来就是惨不忍睹。从零开始，犯了很多错误，一个不算很小的需求拖拖拉拉做了一个来月，上线后及时review（业务相关部分已经过滤掉辽）

然后就好像突然明白了pm的使命感，以及小小的成就感，大概是来自：

• 知道需求上线当天的页面UV、PV排到第二的瞬间

• 写用户手册时的字斟句酌，想让每一次的点击都被用户理解和喜欢

• 成功解放数据分析师（我自己）的双手，减少重复的工具人工作

前文提到的都是相应岗位的通用能力，除此之外，如何才能在一票技能差不多的实习生中脱颖而出（获得转正offer or leader的赏识）呢？

专业能力差不多

非专业能力就成了取胜的关键：

• 态度：做事的态度决定未来的高度

• 学习能力：对于新人来说，半个月上手一个新需求和一周没有太大区别，但是，第一印象很重要呐！

• 注重细节：毕竟是吃数据饭的，细节把握不好就会差之毫厘失之千里，下一个背锅侠被你预定了亲～

• 主动沟通：主动和mentor、leader沟通工作和心态的转变，及时反馈自己的想法以及获取大佬对自己的评价，都是新人成长很重要的一步 

实习经历不是获得offer的必要条件，但是能力的提升以及进一步选择最match个人能力的方向才是关键。