《数据科学家:21世纪最性感的工作》是《哈佛商业评论》(HBR)上最受欢迎的文章之一，激励了无数人投身分析领域。这篇发表在《哈佛商业评论》上的文章的主题之一是分析行业工作岗位增长的趋势。IBM最近预测，到2020年，美国数据专业人员的数量将从36.4万人增加到272万人。
毫无疑问，整个行业的商业分析职位空缺都在激增，但所有这些职位都需要同样的技能吗?我收到了很多关于分析行业可能的职业发展轨迹的问题。这些查询通常来自那些想要在分析领域有所突破的人，或者已经在这个行业工作并正在寻找更深层角色的人。
在本文中，我们将研究数据分析行业中可用的主要角色。我还将提出一个框架来思考您在商业分析领域的职业生涯。
一、关于数据分析市场
该行业将需要大量的大数据和机器学习专家，甚至需要更多(约10倍)的人能够根据分析做出决策，尽管他们可能不是大数据或机器学习方面的专家。通常的要求就是“具备基于大数据分析的理解和决策技能”。
这些角色主要是战略角色和产品管理角色，它们可以为分析专家定义需要解决的新挑战。我们将在本文后面将这些战略角色与数据科学家角色进行对比。首先，让我们看看这个行业角色的多元化。如果你画一个分析的词云,您将看到所有的词出现,包括统计、计算机编程、战略、规划、报告、等领域的业务分析是极其多样化。想想你的职业生涯有这么多可能的选择，这可能会让你不知所措。
二、业务分析专业人士是做什么的?
“业务分析”这个词完美地总结了我们在业务分析下分类的每种类型的工作。“业务”强调商业理解的重要性，“分析”指的是统计、计算机工程和运营研究在这类角色中的重要性。
分析专业人士最终可以在一个非常以战略为导向的角色中工作，也可以作为一个非常专业的深度学习科学家。前者拥有更强大的业务组件，而后者拥有更强大的分析组件。显然，您的角色通常在这两个组件之间进行权衡，您可以在两个组件的比例不同的角色之间进行切换。为帮助理解，我在下面的图表中绘制了我们行业中的各种角色:
显然，上面的图表是我个人对这个行业的理解，每个角色在这个图表中的位置当然是可以争论的。我想让你关注的主要观点是，你可以在商业分析行业中扮演的角色的多样性，以及你可以从当前角色中选择的多样性。首先，让我们试着理解上面关于角色类别的5个突出显示的框。
报告的角色
这是业务分析专业人员的主要角色类别。角色主要关注“发生了什么(事件)”，而不是“它(事件)为什么发生”。然而，在公司自动化了许多这些过程，机器学习变得流行之后，这些角色中的大多数都在最近发生了变化。然而，仍然有许多角色将有超过50%的工作是报告，其余的角色将回答这个问题——“为什么会发生这样的事件?”
中间分析角色
这就是我职业生涯开始时所扮演的角色。大多数经济学/统计学/计算机科学毕业生将以这些角色开始他们的职业生涯。这是业务和分析的最佳组合。
中间分析领域的角色也非常多样化。在这一类别中，一个极端的角色将集中在试图解决“现在发生了什么?”这类中的另一个极端是高度关注业务的角色，比如产品定价，您需要创建许多业务场景，并为公司销售的产品找到最优价格。
大多数角色在了解业务和使用诸如决策管理/风险分析/欺诈分析的深度学习等前沿工具之间取得了更理想的平衡。这些角色大多涉及自动化决策。例如，您可能需要创建一个算法，该算法可以基于客户风险概要接受或拒绝信用卡应用程序，或者可以选择具有较高倾向的客户来选择保险产品的交叉销售报价。所有这些业务问题都要求您在大客户概要文件上创建预测模型，并根据一些业务度量对其进行排序。
如果你不知道下一步该去哪里，找到适合自己的一个好方法就是在这两个盒子的边界上扮演一个角色。例如，如果你想在未来扮演一个战略角色，你可以通过扮演一个基于损益表的中间分析角色(如产品定价)来测试你的适合度。为了掌握战略角色的诀窍，您还可以选择其他一些角色，比如portfolio analytics。请注意，如果您选择在策略角色的道路上前进，那么您可能不得不离开数据科学技术，比如深度学习。
另一方面，如果您想测试您是否适合作为数据科学家，您可以担任业务嵌入式数据科学家角色，而不是纯粹的数据科学家角色。这样的话，在你走上以研究为导向的工作岗位之前，你不会失去对公司的掌控。
除了以上两条路径，您还有一种方法可以在业务和分析之间找到很好的平衡——技术产品经理角色。但这类角色在行业中并不容易获得。数据科学主要被公司用来通过建立数据支持的战略来发现相对于其他公司的竞争优势。
像谷歌和Facebook这样的科技公司不仅利用分析来制定战略，而且也用来创造产品。例如，谷歌即时搜索是一种使用机器学习提供搜索结果的技术产品。这些科技公司需要具备商业损益表和机器学习技能的人才来设计这类产品。如果你选择在这条道路上继续前进，你不仅可以申请大型科技巨头，还可以在NICE、Aspect或interaction等小众技能公司中寻找产品经理的职位。
战略角色
如果所有的企业都处在一个完全竞争的市场中，他们如何赚钱?如果你是一名经济学学生，你就会知道答案。所有成功的企业都是建立在市场效率低下的基础上的，因此没有“完全竞争”。战略家的角色是识别这些不完美之处，并培养他们去经营一个成功的企业。对于大公司，我们既有企业层面的策略师，也有企业层面的策略师。
公司战略是当你在公司层面上工作时，回答诸如“什么是适合你公司的业务组合?”，“为了实现这个投资组合，你需要收购/投资/增长/关闭哪些新业务?”，“什么是适合您的企业的组织结构，可以促进运营和其他领域的协同效应?”例如，如果你为富国银行(Wells Fargo)的企业战略工作，你将建立一个战略，以收购或关闭投资/零售银行/信用卡等业务;您还将致力于创建全球运营，以消除单个企业的运营成本等等。
商业战略更多的是与特定的业务联系在一起。虽然企业战略可能更侧重于企业层面的支出方面，但企业战略更侧重于实现净收入最大化。例如，富国银行(Wells Fargo)的信用卡策略师可能专注于将信用卡客户的收入最大化。许多操作可能是Well Fargo所有业务部门的共享资产，如呼叫中心、聊天中心、分支机构等。因此，这些费用项在公司级别而不是业务级别上得到了更好的优化。责任的分配可能会因公司而异，但大多数情况下，企业和企业战略师都是携手合作的。
这两个角色都要求您通过创建各种业务场景和计算不同投资的净现值来评估产品特性更改、流程更改和技术投资带来的好处。分析专业人士非常适合担任这类角色，因为他们对数字的把握以及对将被用来创造竞争优势的最新技术的深刻理解。
数据科学家的角色
对于大多数希望进入数据科学的人来说，这是最令人着迷的角色。数据科学家角色是专家的职位。你可以专攻不同类型的技能，如语音分析、文本分析(NLP)、图像处理、视频处理、医学模拟、材料模拟等等。这些专家角色的数量都非常有限，因此这些专家的价值是巨大的。这就是为什么我们现在看到对数据科学家的需求如此之高。
要想在这些角色中脱颖而出，您需要不断更新最新的工具和技术。您还应该投资于相关语言的培训，并具备向客户和企业简单解释复杂模型的技能。