岗位选择对了，胜过一百倍的无效努力！

@精英打工人们

点击上方 蓝字 关注我们

在招聘网站上，经常会看到各种各样带“分析”字眼的岗位，这些分析岗位包括： 数据分析师、商业分析师、经营分析师、战略分析师、财务分析师、数据产品经理、数据科学家 等。 大部分人很容易被这些岗位迷惑，不知如何选择。

今天就来聊聊分析岗位的架构、分类和选择。

从组织架构来说，分析团队通常是一个独立的团队，与其他部门平行，专门服务于决策层，通过数据、科学分析等科学的方法协助管理层对业务部门进行支持和赋能。

但是，分析团队作为与其他部门平行的独立团队，又面临着离业务远，对业务熟悉度不够的问题。因此，为了与业务贴合得更近，又出现了两种现象。

• 第一种：在一些团队，出现了“ 中台+BP ”的模式，分析团队的一部分人坚守中台，让另一部分人 驻扎到各个业务团队 辅助其进行数据和商业分析工作。

• 第二种：在一些大厂，分析团队向各个业务团队渗透，比如用户增长、用户运营、产品、销售、财务、市场等团队或部门，有些财大气粗的企业，恨不得 在这些关键的业务团队或部门中都单独设置一支商业分析团队 。

招聘市场上，分析类的岗位最常见的就是这5个： 战略分析、经营分析、商业分析、数据分析和数据科学家 。

此外，还有3个岗位会与这些岗位挂钩，容易形成混淆： 数据运营、数据产品经理、数仓工程师 。

我用下面这个九宫格的图来给大家展示一下不同岗位的定位和区别。

• 纵轴，代表 业务 ，分为宏观，中观和微观。宏观偏向于战略，微观偏向于业务的具体落地工作。

• 横轴，代表 技术和数据水平 。分为一般取数、机器学习和建模、数仓和ETL。

据此，我把8个岗位划分在这个九宫格里，可以发现：

• 战略分析、经营分析、商业分析是偏业务的三个岗位。

• 数仓工程师，是一个偏技术的岗位。

• 数据科学家，是偏机器学习和建模的这样的岗位，也是偏向于技术侧的。

• 数据分析师呢，则居于中间。

• 数据产品经理主要是将数据封装成相应的数据产品，比如数据看板、用户营销产品、AB测平台等。因此，他与数仓工程师和数据科学家更为接近。

• 数据运营与数据分析相近，但是通常base在业务部门，通过数据监测来制定业务决策，因此他又比数据分析更偏向于业务和落地。

选择职业好比一场投资 ，你需要选好进入哪个行业、去哪个城市、 到哪家企业、做什么类型的岗位，按什么样的路径去发展，走专业路线，还是走管理路线，及经营什么样的人际关系。

你的每一次选择就好像一副牌，每个打牌的人都有希望抓一副好牌。这副好牌该如何抓？如何选择一个 好的岗位？

有人说数据科学家是一个好的岗位，因为他需要懂得技术，有一定的壁垒，不是所有人都能做的，是一个很高大上的工作。但是，如果你不喜欢数据，不喜欢建模，讨厌写代码，那么如果让你去做数据科学家的工作，你会觉得他是一个好工作吗？

有人说战略分析是一个好的岗位，因为战略分析与企业的决策层走得很近。但是，如果说你的结构化思维能力很差，缺乏深度的思考能力，每次思考都停留在表面，没有办法去深度思考东西，没有深度的洞察力和长远的思考力，那么你会觉得做战略分析是一个好的岗位吗？

所以说，好的岗位一定不是那种看起来高大上的岗位，而一定是适合自己的岗位。因此，好的岗位具备三个要素： 有能力做的、喜欢做的、值得做的 。

所以我们在选择岗位的时候呢，一定要考虑这三个因素，由这三个因素构成的选择模型，我起名为“ 铁三角模型 ”。

• 有能力做的 ，就是你是否具备相应的专业技能、学历、工作经验去做好这项工作，它决定了你能不能做这个岗位的工作。

• 喜欢做的 ，就是你喜不喜欢做这个岗位的工作，你平常愿意花多长时间去全身心的投入这项工作，你投入这项工作能不能给你带来幸福感和满足感，它决定了你能不能长期做这个岗位的工作。

  本质上，自己喜欢做的选择的是岗位是否符合自己的个性和价值观，选择的是一个团队的文化和氛围。

• 值得做的 ，就是做这个工作能不能给你带来价值回报，如果这个工作你喜欢，但是他不能给你带来一定的经济回报，那这个工作也是很难坚持下去的。

  本质上，值得做的选择的是行业、公司和城市。只有选择正确的城市、进入有前景的行业和公司，岗位才能为我们带来好的价值回报。

好的工作一定是这三者交叉的中间的这个部分，也就是你有能力做的，而且喜欢做的，且能带来稳定价值回报的。

正确的选择 = 选择潜力城市、行业和公司 + 能力匹配的岗位 + 认可的人、团队和价值观。