這一職位看起來是在火熱的大數據概念的支持下，享受著職業紅利，并將繼續下去。但是，近期BI數據分析的前景卻有些尷尬。為什么這么說呢？你明白嗎？今天小編就帶大家詳細看看BI大數據分析師的職業前景怎么樣。

MicroStrategy

2.8

20條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

暫無

合作品牌

12

BI數據分析師

一、BI數據分析師這個職業現在怎么樣？

      K君是一位數據分析員，最初在A公司工作。它的作用很簡單，就是幫助業務人員進行計數。一年后，他發現這份工作對他的成長毫無意義，于是跳槽到公司B。與A公司不同的是，B公司的老板非常希望數據團隊能扮演數據驅動者的角色，用數據分析的結果來指導企業的發展。科爾先生對這份工作很滿意，把它當作施展才華的舞臺。

       但他最近發現了問題。”盡管我可以帶來一些業務提升，但我認為，在A公司給人的評價中，以前公司的總體效率更高。“經過認真討論，我們發現這種情況并非偶然。A公司和B公司是當前兩種最常見的組織結構形式。企業實行事業部制，數據分析人員由事業部直接領導。企業是功能體系，分析員由BI小組或數據小組領導。數據分析員這一職位在目前企業中最常見的兩種組織架構中都存在著不可調和的矛盾。因此BI數據分析師的職位定位十分尷尬。

二、未來的BI數據分析師。

      數據分析師這一職位在事業部制架構下將出現“不能留人”的現象。因為在這種體系結構下，一般都是業務導向的，所以業務人員傾向于更強。使BI數據分析員成了輔助工種，從而成了單純取數員，俗稱茶樹菇。這種類型的數據分析人員，需要的技能不復雜，只要使用SQL即可。學過SQL，你就能勝任這個工作。

       因此，實習人員可以很好地替代這種類型的人員，雇傭一名工作了5年的數據分析人員與剛畢業的數據分析人員編寫SQL幾乎沒有什么區別。

       另一種是茶樹菇，其對企業的貢獻完全取決于企業員工的數據意識，主動權掌握在他人手中。這對個人的成長是不利的，也是缺乏主動的，自然而然地產生了留人的現象。而且，未來企業對業務人員的數據技能需求將越來越多。有了“數據操作”這類職位后，就可以將操作崗+SQL技能結合起來。在內部分享中，阿里的CEO逍遙子提到，未來阿里90%的產品經理都來自技術團隊，并且業務人員必須具備的技術能力也越來越接近。BI的茶樹菇數據分析人員肯定會逐漸消失。

三、激勵會產生意外的結果。

       數據分析師和業務部門在職能制的架構下彼此獨立。為評估數據分析師的業績，企業必須以數據部門所帶來的業務增長作為評估指標。這種做法非常普遍，似乎沒有什么不妥。但是，許多績效的設置，最終都會產生無法預料的消極影響。

       例如通用電氣曾經要求，每一家企業的市場份額必須是第一或第二，否則就不行。這種策略稱為“數一二”策略，它曾經幫助通用電氣優化業務結構，實現高增長。

       但是后來，這一策略讓管理者們束手無策，只是因為不愿屈居第三而放棄了許多好主意。它們更傾向于選擇較小的市場，從而更容易實現這一策略。這樣，公司業績增長就會變慢，而且將來也很難有實質性的進展。所以通用最終終止了這一策略。

       本來是為了鼓勵員工占有更多的市場份額的策略，后來卻阻礙了公司進入更大的市場。

       資料分析員的績效評估方法就是看有多少業績增長。結果產生了一個問題：數據分析師的目標與企業整體目標之間的脫節。不同目標導致的結果是，個人的最佳選擇并不一定是企業的最佳選擇，這就導致了工作場所的囚徒困境。最好的組織方式有利于每一個員工，最好的個人方式更有利于每一個人。他們必須做出個人的最佳選擇，即使這一選擇損害了組織的利益。

例如，有以下現象：

1、減少企業的整體效益。
資料分析員是最早接觸資料的，因此也是最早發現問題的。
但是，如果這個問題很容易得到優化，而且預期提升的效果很好，那么分析家就會把它作為一個正式的報告來處理，整個優化周期從幾小時延長到幾天，甚至幾周。
不愿與業務人員共享通信；

2.商業人士如果能力過高，則商業的可提升空間將會減少，或變得更加困難。
結果是，數據分析師不想讓業務人員的能力得到提高，包括理解數據的能力。
在各部門之間進行交流將是非常困難的，也是更多關于數據技能的培訓。

3、不計費用的反復試驗和試驗。
對數據分析人員來說，花費大量開發資源進行嘗試是一件沒有什么風險的事，成功才會有回報，失敗才會有回報。發展資源是有限的，大量的試錯使一些優秀的想法無法落地，從而妨礙了企業資源的合理配置。

       的確，有些優秀的員工是以組織利益為基本考慮因素，但是這樣的人得到的個人利益要低于其他人，逐漸出現的是“劣幣驅逐良幣”現象，他們最終不得不離開組織。公司的目標是提高績效，因此，所有與公司目標不一致的人，最終將面臨組織結構的變化。現在在依然存在，只是短期內無法達成一致。

四、BI數據分析師該何去何從：數據歸數據，業務歸業務。

       這兩個水平看起來都是不可持續的，那么BI數據分析人員到底應該去了哪里？BI數據分析這一職業的存在，很大程度上是由于大數據技術的迅速發展，原來的人才系統中沒有數據技能，因此在這一領域中需要專業人才。

       但是，隨著數據技能的日益普及和數據工具的不斷簡化，BI數據分析人員的工作將逐漸減少，甚至消失。有數據能力的業務人員將取代有支持能力的數據分析師，引導業務型數據分析師，并將其融入到組織變革中的業務團隊。(當然這是對整個行業的判斷，如果是大牛，自然會有各種可能性。)結果，偏重業務的BI數據分析員逐漸地融入了業務功能，或僅僅是業務人員。

       在數據團隊中，也有一些具有算法、硬核數據技能的人才，他們更傾向于底層數據支持和數據挖掘。這些職位是不可缺少的，并要求較高的專業技能，而這些技能將持續下去。

       以上就是關于BI大數據分析師職業發展的相關內容。隨著數據與業務之間的界限逐漸清晰，數據分析師要么更深入地研究算法以進行數據挖掘，要么將對業務的深入了解轉化為對業務的深入了解。而定位不明確的BI數據分析員明顯是后者。