企业数据有四大常见来源：

行业数据：行业情况、宏观数据，一般是第三方提供

用户数据：直接发问卷，调研用户/门店/经销商情况

外部系统数据：比如经营天猫店、亚马逊等平台，平台数据

内部系统数据：企业自身交易系统、ERP、CRM、网站、APP记录数据 

这四种数据来源，对应的是完全不同的四个方向： 

▌ 行业研究线：行业数据→行业研究→战略/策略方向。一般只有对行业政策敏感的行业，比如银行、证券，大型集团总部才设专职岗位做这个，对应行业研究线。行业研究线完全不需要开发技能，关键是：你对行业懂多少。看似门槛低，实际上这些大企业本身招人条件，都过滤掉很多人了。

▌ 市场调研线：问卷/访谈→市场调查→营销/设计方向。市场调研在快消、零售、连锁店、耐用品设计等传统企业非常流行和成熟。在大的互联网企业有可能有用研中心，但小互联网公司估计产品经理和运营自己就稀里糊涂干了。这一条线完全不需要开发技能，关键是：问卷设计、访谈设计、资料总结这些调研相关的经验。 

▌ 平台运营线：使用平台→整理报表→运营建议。这一类经常叫“淘宝/亚马逊/电商数据分析”或者叫“销售分析”“供应链分析”之类。这些就是我们俗称的“表哥表姐”每天主要的任务就是从某个系统导出excel表，然后整理一个新的excel表。至于看得懂看不懂这个excel，完全看业务能力，跟技术操作没啥关系。 

▌ 数据开发线：内部系统→数据仓储→数据模型/数据中台→数据产品（BI）。这一条线，才是目前市场上热烈追捧的技术线路。但注意，这里实际上对应的是好几种技术能力，不是一路打通下来的。在稍微有点规模的公司，这里对应的也是好几个岗位，不是一个人通吃。至少数仓一定有专门的人做。然而经常有企业把这些混在一起，都叫“数据分析师/数据工程师”结果自然是搞得新人头晕脑胀。

数仓、建模、BI、甚至取数，深入下去都有大量技术知识要学。并且从业越深入，交叉领域越多。单一的技能适应能力会非常局限。现在的网红课程往往喜欢把excel，sql，python打包，叫“数据分析师”，把hadoop叫“大数据工程师”，把excel，sql，tableau打包，叫“商业分析师”，把sklearn调个参，叫“人工智能工程师”。给几个数据集让用户跑，其实极大简化了真实工作场景，对于应对初级的、基础类取数（俗称查数姑的小姑娘）是可以的，再深入就得掂量掂量斤两了。 

还有一类很特殊，叫：“高级分析”。有些公司会在业务部门插一个“高级分析”之类。这个位置给得等级高、工资高、但不带人，直接对某个业务大佬汇报。这些岗位虽然可能叫“高级策略分析师”“高级战略分析师”“高级运营分析师”之类的，可本质上要的是业务能力。没有做过总裁办的工作，没有制定过战略规划，没有实战运营能力，是几乎没可能胜任的。而且越是面对大佬，被直接秒杀的概率越大。 

以上五类都是和数据有关工作，如果企业区分清晰，就会有五个不同方向岗位出来。在数据开发方向，还有具体技术类型的差异。在业务上会有明确的业务类型差异。然而这是理想状况。更多的情况是：把这些玩意通称“数据分析师”“商业分析师”。结果引来各种混乱。

二、混乱的根源，在这里