一、首先做个自我介绍以及我这一年来的经历
09年毕业后一直在运营商工作，收入勉强温饱，岗位一直是数据分析。说是数据分析，其实也就是通过IT开发好的数据仓库，取数下来并做数据处理，变成日报或分析报告。在一年前，我所认识的数据分析也就是这个样了，高级点的就是用VBA或数据库把过程模板化一键操作罢了。
一年前，我突然醒悟了，觉得自己可替代性太强了，而且在国企工作每日都是千篇一律学不到什么技术，所以就想自学点东西，以免又碰到90年代的国企下岗潮，到时候被迫去干自己不喜欢的事情，比如销售等。
既然我对数据还是比较喜欢的，那就还是往这方面继续加强，一直提升直到很难被别人替代。
所以我开始了疯狂地自学，首先是VBA，学了半个月左右，能够勉强写一些Excel自动化的脚本；同时，由于公司的数据量越来越大，excel已经不能满足日常需求了，所以又开始学习Mysql，把一些简单的SQL语句都学了一遍，能够看懂也能够自己写一些简单的SQL脚本。
VBA用了一段时间后，感觉这门语言局限性太大，对于Excel的支持度较好，但是可拓展性不强，所以我又转去学习当前最热的Python，至此一发不可收拾。结合者日常工作的需求，我把很多工作都靠Python形成了自动化，技术能力也在每日提升。
值得一提的是，在去年9月我接触到了Excel里的Power Query，打开了一扇新的大门，之前用VBA写脚本需要很长时间，但是Power Query用拖拉+少量代码修改就可以完成之前很复杂的写代码工作，不禁让我感叹人必须一直学习，否则一项新技术的产生就可能会消灭一个岗位、甚至一个行业！
在今年年初，单位组织了一场IT竞赛，我应该是唯一一个非IT专业、非IT岗位参加这场竞赛的员工。虽然靠着我的业务知识和Python能力勉强通过了初赛，但是因为不会机器学习的相关算法，复赛就被刷掉了，让我了解到了机器学习的重要性。
在今年5月末的时候，因为单位考证推荐里有CDA，而这个时候我的SQL和Python能力也有了一些基础，所以我就想测测自己的斤两。在看到考试大纲前，我想以我这么多年的数据分析经验+一年来的技术提升，CDA Level2不敢说，Level1当然是不在话下的了。但是实际上CDA Level1如果我一点都不按大纲学习的话，可能我已经挂了，因为里面60%的知识点都是和统计学有关，剩下40%才是我平时所从事或会的知识，也就是说我只有Level 0.4的水平！
所以我花了一个月的时间，把CDA Level1的视频看了一遍，又买了《数据分析的统计基础》看了一遍，总算勉强通过了CDA Level1的考试（仅仅是C的成绩）。通过这次考试，我最大的收获并不是那一张薄薄的证书，而是把我对数据分析的认识瞬间拔升了一个大台阶。
二、再谈谈我对数据分析以及数据分析师的看法
我是一个实用主义者，在我看来一个数据分析师，应该是业务+技术。为什么我之前好几年靠Excel就能够满足日常需求了呢？一方面是我的确世面见得不够多，另一方面也是因为数据量很少超过100万的，Excel再加上我的业务知识就已经足够了。但是随着信息化的发展，常规的工具已经不足以满足我的日常工作需求，而且我也不甘心继续做这种随便一个人学习1个月就能上手的工作了。
上面这张图是数据分析的8个阶段，可以说绝大部分的数据分析师也只是在1-4阶段而已（包括一年前我的在内），对于上述8个阶段的解释，可以看https://blog.csdn.net/fireofjava/article/details/51324555 ，归纳的很好。
从第5个阶段开始，就需要用到统计学的相关知识，但是可悲的是，因为一些领导能力的限制，即使你已经有了很好统计学知识，可能也不得不迁就领导，讲领导听得懂的“人话”。
但是社会在进步，人们的个人能力也在不断提升，就好比现在大家都已经接受了深度学习，知道了AI技术，也对将来的AI代替很多岗位深信不疑，可是真正深入学习深度学习后才会了解，深度学习就好比一个黑匣子，你根本就不清楚里面的运作是什么，但是人们就是接受了这一事实。
我个人很反感过程管控，因为过程管控其实就是结果不可控后的一个自我补救：我做的虽然不好，但是我有动作啊，你不能因为结果不好就怪罪我。
扯得有点远，但是数据分析师的现状就是50%的数据分析师就是一个表哥表姐,30%-40%的数据分析师可能稍微高级一点，是一个SQL Boy/Gril，再加上一点PPT能力，做好描述性分析，把现状讲清楚就行了。只有不到10%（或者更少）的数据分析师才是真正的数据分析师，能够做好数据挖掘，能够使用机器学习之类的算法，能够为企业的发展方向指出一条准确的道路，帮助企业赚钱。
三、聊了这么多，最后进入主题，聊聊我所认为的数据分析师发展方向
我认为，绝大部分所谓的数据分析师，正如我上文所说，根本就不配称为这个名字（包括我目前在内），应该用运营分析师来代替。真正的数据分析师（或者叫数据挖掘师更恰当），应该是业务（对产品、行业的了解）占40%，算法（机器学习）占40%，工具（如Excel、Python、SQL等）占20%。
而数据分析师的发展方向，我觉得无非就以下几种：
1、管理岗
一个好的领导必须有数据分析的能力，他的构成应该是管理50%+业务40%+工具10%，还必须高情商，否则“玩人不成反被玩”也是可能的；
2、算法岗
算法岗的要求比较高，一般硕士起底，做的高深的都要博士，985应届本科可能也可以做，因为算法岗对IQ的要求真的很高，我自学了一个月的机器学习，目前还是脑子昏沉沉的，需要反复回顾才行。算法岗的构成我认为应该是70%算法+20%业务+10%工具。
3、运营岗
这也是绝大多数数据分析师可能会转的方向，这个时候的构成应该是70%业务+20%工具+10%算法（可能都不需要），好处是从技术的深坑中解脱出来，而且有了决定权；坏处则是从此技术可能会越来越差。
4、开发岗
有一部分IT开发人员都是从数据分析师转岗过去的，因为数据分析师在学习中发现编程可能更加适合他们（与人打交道更少），这适合情商不是那么高，但肯钻研技术的那一拨人，这个时候的构成应该是工具80%+算法20%。
四、最后聊聊我的发展方向
我的情商不高，管理岗够呛；智商不够，算法岗无望；年龄太大，开发岗没戏。
所以留给我的选择也就只有数据挖掘师或运营岗了。
现阶段我还是准备继续提升自己的能力，先争取在一年内搞懂基本的机器学习，然后学习linux、javascript甚至是java，让自己有一定的竞争力，然后再看看自己的方向到底是什么。
最后，给自己，也给和我一样迷茫的同仁：既然决定了就不要后悔、不要彷徨、不要患得患失，必须加倍努力，提升自己的能力，这样才能在下一次把握住机遇！
