你应该加入什么样的数据分析团队？

在这里不讨论什么类型数据分析Team更好，众说纷纭，无解！只是谈谈对于一个分析师，从哪些维度来评估、思考，进而做出相对正确的选择！

｜知识都是有益的，但不是所有知识都能够有助于职业成长，换岗的成本很大

01.前言

在数学专业，最常见的莫过于Y=f(X,Z)，它是很好的一种思维方式。那么对于分析师，其x和y是什么呢？X：时间 Z：企业状态 Y：岗位价值
1.关于X（时间），随着年龄和生活维度增加，其自然职场竞争力会越来越低，在所有因素中，时间的权重应该是远超其他因素的。

image

2.关于Z（企业状态），其实就是企业当前的发展阶段，中小微企业还是规模较大的上市公司？3.关于Y（岗位价值），它一般会反映在职级和薪资上，可以参考几个互联网公司（数据比较老，仅作逻辑参考）

image

也就是对于分析师，如何在有限时间内，通过 f 转换为局部最优的岗位价值，以对冲年龄增长带来的自然职场竞争力的衰减。这个过程，与自己对团队、行业等条件的选择高度相关，本文只谈团队选择！

02.数据分析团队形式

｜任何数据分析团队的组织形式，都是基于企业当前战略的拆解，作为数据战略的一部分而存在

随着企业的不同发展阶段战略，它对数据战略的要求是不一样的，而数据分析团队作为数据战略落地的重要环节，其组织形式也会进行不同的调整！一般比较常见的有三种组织形式：

• 嵌入型团队
• 功能型团队
• 混合型团队

1.嵌入型团队为每个团队（销售团队、市场团队、产品团队、客户服务团队等）都配备数据分析师，负责解决团队特定的分析需求，并汇报给不同的业务负责人。

优势：

• 数据分析师被安排到特定的团队中，快速提供精准适配的服务（随时待命解决数据分析问题）
• 属于业务架构，在信息掌握、落地推动等方面具有天然的优势

缺点：

• 当存在跨部门分析需求时，他们难以支援，且基础设施和学习预算也会严重不足
• 分析师未来技术全面性的培养、企业数据战略层面的思考等都会存在问题

2.功能型团队

一般是常见的独立架构的分析师团队，他们向分析师负责人汇报工作。 优势：

• 分析师技术成长、整体数据战略理解和落地等方面，优势明显
• 可以获得属于团队的预算和必备的基础设施，并机动地解决所有人的分析需求

缺点：

• 数据分析师需要大量的时间熟悉项目。在一个功能型团队中，分析师通常按项目级别被分配到项目中，这意味着该项目已经进展了一个阶段，数据分析师才参与工作。他们需要开始学习相关知识。根据以往的经验，数据分析师对这种现状时常不满，因为他们无法深入到任何一个领域，跟随项目一起成长
• 业务信息获取存在天然的隔阂，对分析师的主动性、沟通能力要求很高

3.混合型团队

这是一个具有独立负责人的团队，但每一个分析师都有自己负责的特定领域，他们的汇报线是分析师负责人和业务负责人，可以与支持的部门一起共同工作。对于功能型和嵌入型团队，是公司在一定发展阶段的组织形式，是支持效率和成本的平衡。在公司较为成熟的条件下，混合型团队在支持效率、成本和分析师的成长等方面，是一种比较好的平衡。

03.团队选择

对于分析师而言，薪资不要作为唯一的判断标准，假设职场生命期为[25,70]，则职场生涯收益可看作一个定积分问题：

image

未来的目标、当前成长阶段都要考虑清楚，进而不断优化自己的职场曲线！

image

image