数据百问系列：数据分析的门槛将会提高还是降低
0x00 前言
问题
随着数据科学行业的火热，大量跨专业、跨行业人才涌入，数据分析的门槛究竟将会提高还是降低？
话题整理者：未期，某不知名大学透明本科生，GIS背景。画过地图，写过代码，热爱统计。目前在数据科学的道路上缓慢前进，希望与大家共同学习~
问题描述
网络上有关数据分析各种自学路线及各大机构的培训课程火热，转行数据分析相对其他技术岗位较容易。而与此同时，各大高校开设大数据相关专业，培养专业型人才。
岗位招聘时对专业匹配程度的考虑比率占多少呢？相关专业的毕业生就业是否会受到冲击？
本话题来自一位在校生对于网络上各种数据分析培训以及自身发展的困惑，得到各位行业内小伙伴的解答。下面是讨论的内容以及总结。
0x01 讨论内容
讨论1
随着大量跨专业，跨行业的小白涌入，招人的难度是极大提高了，以至于我们这种小公司都不招数据分析xx了，直接招初级程序员然后考他怎么写SQL提数，搞掂！数据分析个毛线，个个要的钱多懂的贼少。有时候客户也问，找个懂业务的数据分析咋这么难，一个个要价高懂得少，咋整？
答：不要招数据分析，招运营，然后考他数据分析的题，合格的录用。
讨论2
数据分析必须结合业务经验，是数据分析的根，而业务经验来自于行业不断的深入实践复盘。现在风大，清一色的纸上谈兵式的数据分析师都被吹起来了，风停的时候，才是见真章的时候。
讨论3
冲击是肯定会有的，大浪去淘沙。
但是评定一个数据分析师优劣的标准还很模糊，反过来讲对于企业来说，拥有了更多的选择，不同的人用不同的角度阐述不同事实并给予不同的预测，终究会有符合未来趋势的。所以我认为数据分析团队是以量去取胜。——就像有人认为百度All in AI在3年内绝对能看到结果，而我认为百度也正在发展好看视频。
讨论4
门槛越低的岗位，对于HR来说，你的能力未知性和“水分”就越高。
一方面，你需要非常出色的成就来证明自己 = 很多问题上，没有标准答案，波动就太多
门槛高，技术要求高的地方
一方面，装和掺水没用，很多东西，问的技术问题多了，你能力怎么样，能做什么，一清二楚。
另外一方面，因为技术有标准，波动就很少。多轮面试，大家不会有太大的分歧
在一些部门，对数据分析有技术要求，同时要有一些和他们产品相关的过硬技术知识。
讨论5
传统制造行业IT，现在公司在集体培训tableau，业务对数据分析的需求很多。但是公司很大的问题，一方面业务的需求，一方面IT对业务的了解仅仅局限于传统系统上，很难做到通过大数据去为业务去服务，数据变现很难，感觉数据分析师需要了解主流的IT架构业务流程数据分布还要了解业务的流程产出报表指标等体系，这对分析师的岗位要求比较高，仅仅会搭建个平台，SQL这样的项目实施，很难持久下去，数据与业务的深度结合，业务不断深入使用，数据不断变现才是数据分析岗位的关键，个人看法。
讨论6
不仅数据分析师这个职业人群被强行拓展，我们看到的互联网领域内所有的职位都有这个趋势。简单说几个吧，首先是医药行业的电子商务或者O2O，这个行业对于各种资质和行业知识要求非常高，因此仅搭建系统不是完整解决方案，需要有医疗从业者来担当运营或者产品经理。还有一个明显的产品策划趋势，就是越来越多的法律专业的同学进来，因为设计一个产品不再只是用户体验的事，而是建立规则（就像法律一样），一个复杂的运营活动工具，是特别耗费脑力的，让它有秩序的不违法的运营越来越考验规划规则的能力。
我们在回到数据分析师本身这个职业，当前的现状对于产品运营人员来说，不看数据，不分析数据完全无法展开工作，那么优秀的产品运营必然是要不断加强数据分析能力的，这就使得对于数据的分析和使用的普遍水平在提高。那么相对产品和运营，数据分析师的能力只能不断的向下淘汰，向上拔高。所以，我们很可能会看到数据分析的门槛降低了，人人都需要具备且开始具备了。由会看到专业的数据分析能力要求越来越高。
讨论7
这个市场，总是听到类似的话：
人人都是产品经理！！！
人人都会数据分析！！！
但是你很少会听到：
人人都是前端开发
人人都是后端开发
人人都是测试
人人都是运维
你就知道门槛这个事情，在数据分析这个岗位上，基本是不存在的。
主要原因还是市场上的确有这么多的需求，培训机构也好，学校也好，都是见机行事，涌入的人多，相关专业的毕业生就业肯定会受到一定程度的冲击。
但是越是涌入的人多，有相关背景(统计学、数学、数据科学等)的科班生就越是吃香，鱼龙混杂下，这些科班出身的同学，会受到用人单位的青睐。
所以不用担心，涌入的人多这个岗位就会越做越精，对科班出身的同学其实是一件好事。
讨论8
现在大小公司的技术栈，差异越来越大。小公司的数据不光要负责分析，还得搞很多平台化、产品化的需求。但大公司的技术栈非常完善，你不需要考虑技术怎么做，只需要做业务需求就可以了。因此大公司成熟技术能力给人了一种错觉，数据也不过如此。
但其实，数据是入门门槛最高的职业之一，要想做好，得学习非常多的东西，可以说有一种终身学习的赶脚了，学习能力比技术能力更重要。很多人只学了半吊子入门，技术怎么搞不会、算法怎么写不会、产品怎么搞不会、商业怎样理解不会，这给人的感觉非常水。
因此相较于过去，相较于小公司，对人的要求只会越来越高，甚至于数据会变成一门非常看重跨学科知识的岗位。数据只是个幌子，你的视野和决心决定了你的上限。
0xFF 总结
对于这个问题的讨论，大家的回答大致分为两个角度：
“数据分析”逐渐成为一项人人需具备的技能。
对于小公司而言，数据分析团队不仅负责数据分析，还涉及很多平台化、产品化等更多的需求。团队偏向选择综合型人才，数据分析为基本技能。
对于大公司而言，职责更加细分，但是对于产品运营人员来说，不分析数据其工作完全无法开展，必然是要不断加强数据分析能力的，这就使得对于数据的分析和使用的普遍水平在提高。
更加专业的数据分析人才仍然被需要。
业务经验是数据分析的根，这来自于行业不断的深入实践复盘，是模式化培养、纸上谈兵式的数据分析师所不具备的。 随着需求的深入，要求专业数据分析师对业务流程有着成熟完整的理解，将数据与业务深度结合，通过数据为业务服务。因此，对于专业数据分析师，除了数据分析的技术要求之外，还需拥有和产品相关的过硬的技术和知识，要求只会越来越高。
大量人才的涌入，相关专业的毕业生就业受到一定程度的冲击。但涌入的人多这个岗位就会越做越精，对有相关背景（统计学、数学、数据科学等）的科班同学其实是一件好事。
回到这个问题本身，如何看待数据分析门槛的高低，我认为与主体自身层次和视野有很大关系。高中数学和大学数学，也都叫数学，而两者的差别之大自不必多说。 同理，不能将现在炒得火热的“数据分析”与实际业务中的“数据分析”混为一谈。无论是学校还是培训机构，给人带来的成长都是有限的。想要真正做好数据分析，需要不断学习、深入实践、总结经验。
“数据只是个幌子，你的视野和决心决定了你的上限。”