BI数据分析师，一个定位尴尬的岗位

定位尴尬的BI数据分析师

BI数据分析师这个职业现在怎么样？

在火热的大数据概念的加持下，这个岗位似乎正享受着职业红利，并且会继续持续下去。

曾经我也是这么认为的，不过我最近听到一位朋友的吐槽，让我对这个职业的前景感到了一丝不安。

K君是一名数据分析师，原来在A公司上班。工作内容很简单，就是帮助业务人员取数。做了一年之后他觉得这个工作对自己的成长没有意义，于是跳槽到了公司B。

公司B和公司A不同，老板非常希望数据团队能够发挥数据驱动的作用，用数据分析的结果引导公司业务的走向。K君对这份工作非常满意，认为这是发挥自己才能的舞台。但是他最近发现了一个问题。

“虽然我能带来一些业务提升，但我觉得还是以前在A公司给人取数时，公司的整体效率更高。“

仔细讨论之后，我们发现这种情况并不是偶然的。

A公司和B公司分别代表了目前最常见的两种组织架构形式。

A公司是事业部制，数据分析师归事业部直接领导。

B公司是职能制，分析师归BI团队或者数据团队领导。

在目前企业最常见的两种组织架构下，数据分析师这个岗位都遇到了不可调和的矛盾。

BI数据分析师成了一个定位尴尬的岗位。

“茶树菇”们的未来

在事业部制的架构下，数据分析师这个岗位会有“留不住人”的现象。

这是由于这一架构下一般都是业务导向的，因此业务人员往往较为强势。导致BI数据分析师成为辅助工种，从而变成单纯的取数人员，俗称茶树（查数）菇的岗位。

这类数据分析师，需要的技能并不复杂，会用SQL就行。只要学会了SQL，就能够胜任这一工作。所以实习生就可以很好地替代这类人，雇一个干了五年的数据分析跟一个刚毕业的数据分析写SQL基本没啥区别。

另外这类茶树菇对业务的贡献完全取决于业务人员的数据意识，主动权掌握在别人的手里。

既不利于个人成长，也没有主动权，自然就会产生留不住人的现象。

并且今后企业对业务人员的数据技能要求也会越来越高。现在已经有了“数据运营”这样的岗位，将运营岗+SQL技能结合。

阿里的CEO逍遥子在内部分享中提到，未来阿里90%的产品经理要从技术团队中产生，业务人员必须掌握技术能力的趋势已经愈来愈近了。

茶树菇型的BI数据分析师必然会渐渐消失。

激励带来的意外后果

在职能制的架构下，数据分析师和业务部门是相互独立的。

为了衡量数据分析师的绩效，企业不得不用数据部门带来的业务增量作为考核标准。

这样的做法很普遍，看起来似乎没有什么问题。

但很多绩效的设定，最终都会产生不可预期的负面效果。

比如通用电气曾经要求，每项业务的市场占有率都必须做到第一或者第二，否则就不做。这被称为“数一数二”战略，曾帮助通用电气优化业务结构，实现高速增长。

但到了后来，这个战略让经理们束手束脚，仅仅因为不愿意屈居第三而放弃了很多优秀的点子。而且他们更倾向于选择规模更小的市场，这样更容易达成这个战略。

这使得公司业绩增长缓慢，并且在未来也很难有突破性的进展。于是通用最终终止了这项战略。

一个原本用来激励员工占领更多市场份额的战略，却在后来阻碍了公司获得新的更大的市场。

数据分析师的绩效考核方式是带来了多少业绩增量。

这带来了一个问题：数据分析师的目标和公司整体的目标脱离了。

目标不一致的结果是，个人的最佳选择可能并非组织的最佳选择，这导致了职场上的囚徒困境。

虽然组织的最佳选择对每个员工都有利，但是个人的最佳选择对个人更加有利。

即使这种选择伤害了组织的利益，他们也不得不进行个人的最佳选择。

比如会出现这些现象：

1、降低业务整体效率。

数据分析师是最先接触数据的人，所以也是最先发现问题的人。

可是如果这个问题，很容易优化并且预期提升效果很好，那么分析师就会先整理成一份报告后再正式通知业务方，整个优化周期从几个小时拉长到几天甚至几周。

2、不愿与业务人员分享。

业务人员如果能力太高，那么业务的可提升空间就变小，或者难度变大。

因此数据分析师并不希望业务人员的能力提升，其中也包括数据解读能力。

跨部门之间的沟通会变得极为困难，也更谈不上数据技能的培训。

3、不计成本迭代和测试。

消耗大量开发资源进行试错对于数据分析师来说是一件风险很小的事情，成功则有功，失败则无过。

开发资源是有限的，大量的试错使得其他的一些优秀点子无法落地，阻碍了公司资源的合理分配。

当然会有一些优秀的员工以组织利益为基本考量，但这类人获得的个人利益将要比其他人更低，渐渐地会出现“劣币驱除良币”的现象，这些人最后不得不离开组织。

企业的目的是业绩的提升，所以所有一切和组织目标不一致的群体，最终都会面临组织结构的变革。

目前仍然存在，只是短期内不得已的妥协。

数据的归数据，业务的归业务

天平的两头似乎都是不可持续的状态，那么BI数据分析师这个岗位究竟该何去何从。

BI数据分析师这个职业的存在，很大程度上是因为大数据技术的崛起太快，原有的人才体系中并没有数据技能，因而不得已需要这方面的专业人才。

但随着数据技能的不断普及，以及数据工具的不断简化，BI数据分析师的岗位很可能会渐渐萎缩甚至消失。

支撑型的数据分析师会被具备数据技能的业务人员替代，引导业务型的数据分析师，将会在组织变革中融入业务团队中去。（当然这是对职业整体的判断，如果是大牛，自然什么样的可能性都会存在。）

因此偏业务的BI数据分析师会渐渐融入业务职能中去，或者干脆成为业务人员。

数据团队中还有一些掌握算法、以及硬核数据技能的人才，他们会更加偏向底层的数据支撑和数据挖掘工作。这类岗位不可或缺，并且需要较高的专业技能，他们将会持续存在下去。

在数据与业务的界限逐渐明朗的趋势下，数据分析师要么对算法进行更深入的研究进行数据挖掘，要么发挥对业务的深刻理解转而去做业务人员。

而定位模糊的BI数据分析师显然属于后者。

看到这，是不是要好好珍惜身边的每一位BI数据分析师。

公众号：三元方差(sanyuanfangcha)

产品、运营、数据是一家！