数据分析的窘境

我提到的数据分析是个宏观概念，其中对从业人员的问题更加严峻。

起因是我看到知乎上一个有关“你为什么离开数据科学（Data Science）行业?”的问题，其中链接到了Quora的一个同名问题“Why did you quit Data Science? ”有兴趣的都可以去看看。

01

—

你的数字化转型为何失败？

另一半就是，为了实现这个数字化流水线代价是巨大的，比如下面这位老哥提到企业可能没有提供足够的软硬件投资，导致很多模型也就根本跑不起来。

问题是，这样的“数字流水线”的建设投入所带来的营收提升是多少？这是一个还未在市场上被完全论证的结果。或者还有另外一个条更鲜明的道路，同样这点钱，真实的建设一条新的产线，企业是能有历史的经验，足够的信心确保能提供额外xx%的营收提升，可以给CEO说，xx年就能回本。而整个数据科学所需的以及能给企业带来的结果是不明确的。

或者说的更赤裸一些，企业宁愿召销售，每个销售的产能是可估计的，可以通过调整薪资结构，压榨员工做到边际收益爆炸。比如某企业巅峰时期150W的代理销售规模。提问：如果企业缩减这50w人，换成一堆数据分析，他们能否赋能剩下的这100w销售，提高额外的50%销售量？

某位大佬曾经教育过我，算法优化的再好能提高5%-10%的业绩到头了吧，问题是企业要的是翻倍。在投入有限的情况下，是选50w的销售团队还是50w的数据分析？大家面临的是有限的市场，谁更快的抢夺市场价值。分析人员是否认知到市场是有限的？所有的分析和模型都忽略的这一限制条件。自然大部分的产出都无法说服业务，业务是不懂数学，但分析师们也没懂业务啊。

真买我不买

随着各家大厂出来卖，大家对数据科学，数据分析有了过分的期待。知乎上还有个高赞回答是个匿名用户，他通过比较了数据分析和软件开发的现状说明了更现实的情况。其中尤其是说到软件开发的优势地位，我直接就抄在下面，值得分析团队好好琢磨。

“

第一，价值和贡献很难被否认。软件开发做出了一个实打实的产品，无论这是一个系统、一个界面、还是一个网站，只要它上线了，它就成为了一个“电子奴隶”，以计算机的身份持续输出劳动力。而数据分析，你的产出只是一个观点，一个决策建议。如果这个决策建议没有被采用，那你的价值和贡献就是零。如果这个决策建议被采用了，是不是就说明你的贡献很大了？错，只能说明你模型的结果跟那些业务团队本来的想法刚好差不多，他们很高兴用你的模型来做“决策背书”，万一决策失误亏了钱，拉你一起背锅。

第二，业务人员和技术人员分工明确，“外行指导内行”很少发生。在软件开发组，业务人员跟我们是有“壁”的，虽然我们之间经常开会交流，但是在工作职责上的界限划得很清，我们不干涉他们怎么搞业务，他们也不干涉我们怎么写代码。这样的分工我觉得明显更舒服，首先是不会存在“外行指导内行”的尴尬情况，其次是也很少出现沟通困难（对牛谈琴）、意见分歧（搞分裂）、以及各种各样的办公室政治drama。而数据科学则完全相反了，数据科学家常常要和那些传统商学院毕业的人共同做决策，这两派的方法论和知识体系都大不相同，因此“外行指导内行”的感受其实是互相的，数据科学家觉得业务团队不懂数学，只会ppt上夸夸其谈，而业务团队觉得数据科学家不懂投资，只会搞那些奇怪的模型。在两派互相不理解中，输的一定是数据科学家，因为那些业务人员是赚钱的，谁赚钱谁说了算。

第三点，是最重要、并最具有争议的一点，软件是可以架空业务团队的 (尤其是在二级市场，一级市场较短期内不会被电脑替代）。这体现在两个方面，一是权力架空，二是盈利架空。下面详细说。我轮岗的软件开发组，第一个是做电子交易系统（类似自动交易和高频交易）。我听一个前辈说，几年前他们就被人看作是IT support，定位就是做“脏活累活”的码农，每天看业务团队脸色过活。业务团队为了解放自己的双手，一直给他们提需求，这个月是要自动处理交易数据，下个月是要开发一个更specialized的交易算法，下下个月是要模块化和封装交易算法以便快速调用，还有什么一键切换交易算法，以及开发傻瓜式操作界面，而软件开发团队为了满足这些天马行空的要求，被逼着弄了一堆黑科技新技术，后来这样几年过去了，这个交易软件竟然进化成了一个包揽所有活儿的智能交易系统，而业务团队从八面玲珑的交易员退化成了在电脑上点点按钮的操作员，核心交易执行全都牢牢掌握在开发团队的手里。一开始，业务人员会为了软件解放双手而欢呼 ，没有注意到自己在逐步丢失筹码和话语权，而他们工作中最灵魂的部分正在被软件蚕食，等他们后知后觉的时候，已经迟了。曾经15个人的交易团队，现在只剩下两个了，其他的人要么被公司主动裁了，要么是有自知之明，知道自己的工作越来越没价值，主动跳槽走了。业务团队被软件开发团队服务得太舒服、太到位了，结局是成了傀儡皇帝，被自己的大臣给架空了。

来源：知乎https://www.zhihu.com/question/278539797/answer/2556798214

”