今天的互聯網從業者比過去任何時候都重視數據，這并非是因為僅僅來自于“大數據”概念的炒作，而是因為我們可依賴的數據極大豐富，而我們可以動用的工具也相當充足。

這樣，有一批立志專門從事互聯網數據相關事業的朋友出現，也就不足為奇。

盡管，傳統意義上的數據人才早已有之，早在人們需要進行統計分析和概率計算的時候便有精通數學的數據科學家，但互聯網領域的數據人才卻與之有巨大的不同。

互聯網運營數據分析人才的定義

我們如何定義互聯網運營數據分析人才？事實上，定義二字本身會讓我覺得不安。我并不覺得要滿足一定的條條框框才能算“人才”，而涉及到商業領域，許多目標的實現可以有許多不同的方法，而且殊途同歸。

但我覺得，作為互聯網運營數據分析人才，還是有幾個基本的共性可循。

第一點，應該是樂于分析且善于分析的人。我認為這多少是有些與生俱來的特質。樂于分析，是指他遇到了問題并不武斷結論，不想當然，且保持愉快的心情去探究。而其他人或許嫌麻煩地避之不及。善于分析，則是指他常?？梢宰霾凰汶x譜的假設，并應用邏輯和方法去驗證這些假設，并在反復的驗證中直到發現問題背后的所在。我認為這一點比其他什么都重要，其他的都可以慢慢彌補，但這一點卻更似乎“與生俱來”。

第二點，他擁有第一點提到的邏輯和方法的相關知識并有運用這些知識的能力。所謂的講邏輯，就是你的論據要能夠支撐你的論點；所謂的有知識，就是你的論據是建立在事實和科學基礎之上的；所謂的講方法，就是運用這些知識的手段和工具是最佳的。比如，要證明一個頁面優于另外一個，你就需要按照邏輯一步步使用一系列的工具和手段，從捕獲數據，到分析數據，到根據分析提出理論上的改進方案，然后再利用較大數據量的隨機測試來檢驗你的方案，以及在隨后的進一步對比和分析。你不可以不講邏輯，說這個頁面就是這么改就一定行?。ɡ习鍌兺际怯羞@樣強烈直覺的，但大多數時候都相當不可靠。）你說行，得講理由，得講證據，而且這證據經得起推論，就是我們探案時候的“證據鏈”。這個過程中包含的方法則包括合理的數據抓取的方法、各種數據細分分析的方法、科學測試的方法等等。這些你要很在行。

第三點，你是“講生意”的。講生意不是說你真的去談生意，而是你工作的一切出發點是為了生意。做分析的時候，我們大抵都覺得自己好似福爾摩斯，我們一頭扎進數據中，我們懷著激動的心情去推理，但我們卻可能忽略了，數據分析人才的存在是為了更好的生意，而不是為了更好的分析。說來有些矛盾，那些最初最好（最好的定義是最有效）分析的人，很多時候并非那些分析科班出身的人，而是最懂業務的人。我幾乎有些偏執地認為，純粹地培養做分析的人才是一個偽命題。善于業務的人一定需要善于分析，但是反過來就不一定。數據分析的人才，必須首先是業務人才。更何況，我們是互聯網運營數據分析，運營就是生意的同義反復。

其實談到這里，講到了數據分析的本質。數據分析本身毫無意義，如果它不能從你的生意出發又回到你的生意。大數據，哦，這個概念也很火，但是，似乎有些落不了地呢。這正是因為，很多時候，大數據既不來源于你的生意，最后也用不到你的生意。這其實就是這幾年大數據概念最需要解決的問題——讓它廣泛地應用于商業。

第四點，工具。相對沒那么重要，但還是得說一下。善于使用工具是數據分析人才的基本素質，如果你覺得工具缺失或者不趁手，還需要有發現并獲取工具的能力。不過，總體而言，我們所遇到的所有分析的問題，都有各種各樣的工具幫我們解決。是的，所有的問題都有工具。

有朋友一定會問，為什么沒有提數學？為什么不講講數據建模？個人認為，也僅代表個人觀點，這些真不是互聯網運營的數據分析人才一定得具備的。并不是說這些東西不重要——不少時候我們會用到這些方法，比如我們在分析用戶流失的時候，我們在進行預測分析的時候，或是我們在歸因、聚類或需要人工智能的時候。但是，如果要把這個東西作為互聯網運營數據分析人才的第一要件去要求，那根本就會擋住無數真正具有天賦的分析人才的事業之路，更何況，這些東西當你需要用到的時候，它們更多是以工具的形態存在，以墊腳石的姿態來幫助你，而不應該作為一個分析愛好者成為人才的包袱和攔路虎。不過，我們很多企業卻把這作為要件，而忽略我前面說的那四點，這就太舍本逐末了。

數據分析相關的職位

幾乎所有的互聯網業務部門都需要有優秀數據分析能力的人才，運營部門毫無疑問。

互聯網運營牽涉到幾個關鍵部門。一個部分是獲取新的用戶（或者新的流量）的部門，另外一個則是對互聯網產品（APP、網站等等）負責的產品部門，然后是在這些產品之上進行日常經營和管理（也就是我們所說的狹義的運營）的部門，最后是服務于既有用戶（或客戶）的部門。這四個部門當然不一定在各個企業截然的被區分開，有時候，幾個部門會合并，例如第一個和第四個部門容易被合并在一起，或者第一個和第三個部門合并在一起。

這些部門之外，再額外設置一個數據分析部門是可能的，但并不常見。這樣的部門可能源自于傳統的企劃部門，進行被稱為企業BI的工作。但互聯網企業這樣的設置并不多見。

但是，這些部門之內，設置數據分析相關的職位就太常見了。對于第一個部門即獲取新用戶的部門，數據分析工作幾乎是貫穿始終的。這些部門往往有一個或者幾個流量優化師，他們的工作必須基于每日的數據，并結合對于流量渠道的深入認識以及與其他同事的持續溝通，從而達到正確地選擇流量渠道、合適價格地購買流量，以及最大化流量產出。他們的工作還包括需要對流量的質量進行持續的追蹤，并不斷提出優化流量的方法。這個工作至始至終都需要強大的數據分析能力作支撐。這個部門的數據分析人才的職位常常是流量優化師、渠道運營經理之類。

第二個部門，他們負責對網站、APP或者移動端H5站等進行不斷改良優化，理論上所有呈現在前端的事情（與網站的后臺相對）都應該是他們負責的，所以產品經理、創意設計、前端工程師等“異星人”是集中在這個部門的。除了他們，這個部門肯定需要一個網站/APP分析師，利用數據來說明設計和攻城獅們的作品是不是真正被用戶所喜愛。也正因此，這個部門的這個職位往往容易引發爭議、爭論甚至爭斗，是一個非常微妙的角色。有些公司不在這個部門中設置這個角色，而是由產品經理兼任，這完全可以理解。中國的情況往往如是，不過我看到的比較大的美國企業，卻幾乎都有正牌的網站（APP）分析師，甚至這些分析師被單獨拎出來成立一個部門。這表明他們的生意比我們做的精細太多。

第三個部門，日常經營和管理部門，這個更不用說了，只要沒有“老板和政治作祟”的地方，肯定必須是數據說話。你的活動主推什么商品、如何定價、進行什么樣的促銷、如何創意、如何文案、如何設置時間節奏和排程等等，都需要依賴于數據。這個部門的負責是運營總監，他的左膀右臂之一必然是運營分析經理，不過我更樂意叫他們運營優化經理之類。這個職位的分析工作日常且密集（regularandintensive），而且遇到特殊事件和旺季則更加忙碌。有些朋友對我說，我們公司并不設置這個職位，但是他們并不否認相關的數據工作——“是的，我們要看很多報表、熱圖，沒有數據我們肯定不敢輕舉妄動。”所以，不設置相關職位可以理解，但是不設置相關職能則不可思議。運營分析人員也同樣會做一些與流量分析人員類似的工作，因為如果經營效果不佳，有必要排除流量本身的問題，才能更好的研究其他的可能性。同理，運營分析人員也會關注承接端（即網站或app）本身的表現。所以，他們相對而言，非常的“全能”。

第四個部門，過去是“數據庫營銷部門”，今天則容易被稱為“用戶增值部門”，名字變了，工作內容也有一些變化，不僅僅是簡單的根據數據發郵件打電話騷擾什么的，更需要做一些跟客戶的深度互動。主要工作是維系既有客戶，并且引導既有客戶實現持續地、更高地消費。這個部門不用說了，本身就是依靠用戶（客戶）數據庫工作的，而且數據庫還需要升級，即不僅僅只是客戶的靜態信息（年齡生日有沒有米什么的），更重要的還有他們的購物、行為及興趣，所以這個部門如果設置，一般都需要有一個數據分析的好手，一個能做數據挖掘的數據科學家。當然了，小公司往往不設這個部門，而中、大型企業這個部門很受重視。我的客戶幾乎全部都有這個部門。不過，有一點我要指出，雖然這個部門是常設部門，但是分析好手和數據科學家，并非各個公司都能夠配備齊的。

除了這些業務部門的常備數據分析人員，還有一個新概念被提出，即增長駭客。我有一個朋友，在一家最近幾年發展極為火爆的互聯網O2O共享經濟平臺任互聯網推廣負責人，第一件事情就是問我有沒有增長駭客的朋友，他們有一個增長駭客職位，需要這樣的人才。我估摸著，這個職位是順應“精益創業”而來的，即，不斷通過數據驗證MVP（最小變量產品）的那個人。嗯，這樣的角色，絕對是精益創業公司所需要的，只是嘛，這樣的人真的太難找了。

待遇幾何？

談到職位，大家肯定會問到待遇。北京的互聯網相關的職位的薪水，近些年真是日新月異的變化。并非是數據分析人員的薪水漲，而是整個互聯網的行業的小伙伴們的薪水都漲！給大家一些參考值吧。剛剛畢業的大學生，在百度的待遇大概一年12-16萬，開發和分析人員的價格并無太大差異。分析人員干到3-5年的，年薪分化情況比較顯著，我看到有公司開40萬年薪招聘分析經理，但并不一定是普遍現象。我那位尋找“增長駭客”朋友公司的薪水大約也是這樣，但還包含額外的令人艷羨的極有可能上市兌現的期權，這樣含金量便大大提高。做到更高職位則不同，數據分析或者大數據應用現在忽然成為風險投資的熱點，所以這一類高級人才的薪水超過百萬人民幣也不奇怪。

圖：國外的digitalanalytics的職位薪水情況，總的趨勢是上漲（Thischartprovidesthe3-monthmovingaverageforsalariesquotedinpermanentITjobscitingDigitalAnalystwithintheUK.）

中國互聯網市場對于數據分析人才的需求原本比對開發工程師的需求要弱，不過市場的人才供應情況更少，這個行業普遍缺乏具有系統性數據分析能力（就是我前面說的那四個能力）的人才。2016年，我明顯感覺到這個缺口在進一步變大，原因在于突然爆發的精益創業、精益經營的需求隨著經濟的下滑而被激發出來。向我討要人才的情況也比15年的時候要頻繁得多。這也是我為什么要開這門培訓的原因，我覺得市場上需要這樣的能力，但這種能力在市場上卻非常匱乏。

面向未來

數據分析人才的未來取決于數據分析本身的未來。最讓我欣喜的事情是，這個未來現在正變得清晰起來，幾個同方向的力量形成合力正在促進數據分析走向一個從可有可無到不可或缺的階段。第一個力量來源于人們普遍對于數據價值的認可和重視。數據文化比過去要被更廣泛的認同。經濟形勢的走弱也客觀上促進了人們對精細化運營需求的提升，這也提升了數據的價值。第二個力量來自于可以使用的工具比過去要豐富太多，而使用難度又成倍降低。你可以比較一下3年前的Omniture和現在的GoogleAnalytics便知道這種變化的速度有多么的驚人。功能更強大但使用更簡便的工具仍然在不斷涌現。第三個力量來自于資本的力量，即更多的基于數據產品、工具、解決方案、大數據、人工智能的商業項目被認可和被大規模資助。第四個力量來自于連政府都在極力鼓吹和促進，盡管我懷疑政府并不清楚數據是什么。第五個力量來自于國外的成功先例所起到的正向激勵作用。

我一直都強調，數據的革命是繼互聯網革命之后另一個顛覆世界的變革，現在我們正踩在這個變革的門線上，下一步是自然而然的走向更深遠的領域，創造更大的價值，乃至創造一個前所未有的商業世界。

所以，我相信任何一個閱讀了我這個文章的朋友，都已經做出了正確的選擇。