干货 ：数据分析师的择业指南

最后，不要眼光全部锁定在「大数据」这件事上。数据分析这个领域地位的崛起，刚好凑巧碰上了「大数据」这个概念的崛起。但是它们不是一个东西。超大规模的数据量并不一定带来足够深刻的洞见，也并不一定是必要的。去寻找那些信息密集度大的数据，而不是光从量上着眼判断。

第三点：去选择给一家即将进入空白市场的公司

当评估市场机会的时候，去选择一个还没有将成型的解决方案的公司。几乎所有的公司都已经有了一些成型的应用，当然数据分析师是必要的岗位，但是更值得去选择一些拥有明确研发方向，强有力的数据研究团队，但是仍然还处在研究解决一系列问题过程中的公司。

很多情况下，对于数据分析师而言最具有意义，最具有无限想象空间的职场机会往往没有得到重视，甚至于他们都不曾意识到手头上的某个工作是有史以来最难得的重大机遇。而选择一个公司，就是要让「承担风险」成为一种被鼓励，值得赞许的事情，去挑战某些基础的假设理论，去从数据层面释放更多的可能性。

那么究竟怎样才能筛选出这样一家公司来呢？其实观察一下工程技术部门与数据研究团队之间的合作关系就能搞清楚了。工程人员是否保持着高涨的热情与数据分析团队一共合作？是否不断地将实验，各种想法整合到产品当中？公司是否有一个基本的架构，能够支撑新概念，新技术的灵活整合？实际上，如果一个公司真的符合上面所描述的种种条件，其实「数据分析」和「工程技术」之间的界限已经模糊得消失不见了。

一个白手起家，闯入陌生领域的公司有可能没有非常稳定的公司组织结构，这固然让人觉得有点儿不靠谱，但是作为数据分析师来说，这个地方是充满最多创意性和自由的地方。在从来没有人涉足的领域去构建一些东西，这样性质的工作同样是可以评估测量的。不要光是看重设计中「数学」以及「统计」的地位，而且还要重视「数据通道」，「API」。

当然，渐进性的进步当然会带来渐进性的影响，但是如果你拥抱一次全新的机会，在空白领域，从无到有地开发出一个系统，并不断迭代提升，那么这个版本号为 1 的产品有可能成为这个领域的基础，借此深刻地影响整个行业。