最近有个刚毕业的姐妹问我，数分四年来工作内容和重点的变化是什么，这是个很好的问题。想当年我也有过一模一样的困惑，但是前辈给的答案又太过简单或者抽象，现在就以我个人的观察和经历尝试回答下吧。

先说结论：从负责某个单点的分析，到负责某一系列的分析，到负责某一个业务的所有分析，面临的问题从明确变得抽象、关注的内容从数分本身逐渐拓展到整个业务全团队，对思维能力的要求会不断提升。

这个过程大概会经历三个阶段。

阶段1️⃣：接触的分析是一些很明确且简单的问题，但通常比较零散
比如xx指标是多少或者数据基建类工作（e.g. ETL、搭看板）、看看某个指标不同维度有没有差别、或者一些简单摸底之类的，这类问题通常业务团队也有明确且靠谱的思路，只是执行交给数分。而且刚开始数分比较难有业务意识，即去思考这个分析对业务的作用，所以角色比较工具人，这阶段也比较痛苦，难有成就感。

阶段2️⃣：开始有一些分析topic，虽然业务会有些自己的解法，但也需要数分提供一些输入
但这类问题基本上一篇分析报告也能解决。比如xx为什么下降了、用户为什么流失了、给用户分个层之类，数分开始关注分析的业务落地性，但经验不够丰富，容易被业务“忽悠”：即所谓的落地方式，其逻辑经不起推敲。比如PM说想通过数据a验证结论b从而推进策略c，但这个逻辑可能不太可行。

阶段3️⃣：为业务项目做系统性分析，面临的问题也越来越不具体，甚至很宏观，或者说越来越“大”
这类问题我们通常称为「天问」。
比如现在业务有什么问题或者卡点？怎么提高收入？这类问题不是一篇分析报告能解决的，而且业务团队可能自己也没有啥思路，需要数分和业务团队一起讨论：问题可以拆到几个模块、每个模块怎么分析、怎么验证结论、时间节奏优先级等，是一个持续数月不断迭代的过程。
这时候，数分更像一个以数据视角看问题的业务人员，因为除了分析本身，还需要「主动」关注上下游团队的动作，比如产品侧、运营侧、算法侧分别会面临什么问题、这些问题分析能不能解、结论又如何指导他们决策...同时需要具备识别“伪需求”的能力。
插个题外话，面对天问，快手分析师更倾向于通过一篇万字长文回答everything，而字节倾向于这种逐步拆解、验证的模式，我个人觉得后者比较合理。

不过对于刚刚从业的新人们，很容易陷入手上全是dirty job的情况，除了对未来职业发展道路感到困惑，对如何改变现状提升自己也会很迷茫。我个人尝试过的两个比较有效手段：

1️⃣去数据文化好的团队
在数据文化不是很好的团队里，对分析师的定位（纯提数工具人）和提供的资源（数仓和数据PM团队、产研运的数据分析思维）会不太友好，导致成长空间有限。环境问题我们个人很难去改变，所以还是快跑吧，活水、转岗、跳槽都行
（什么样的团队数据文化会好也是个好问题！

2️⃣出去面试
通过被深挖项目经历，来发现哪些问题是之前没想过的、现阶段还需要补充哪些内容，借他人之手缕清目标。不用太担心是否通过，因为目的是借助它帮自己明确定位、查漏补缺。没拿到offer，那对于接下来还要做什么能有些灵感；拿到offer，要是个不错的机会，也不亏嘛！