近两年数据分析很火，导致了很多公司很多部门都在招数据分析师，但其实干的活鱼龙混杂，我上一篇文章已经分享了互联网数据分析师的类型。那么今天要讨论的偏业务型的分析师，其实有两种组织架构：数据组与业务组，一般在JD中是看不出来的，需要在面试中需要去沟通确认的。即使你刚入了数据分析师的坑之后，也在想考虑怎么办。由于我比较’有幸’两种架构都待过，分享下自己的拙见。
01数据组vs业务组之间的差异
数据组是由一些数据分析师组成的专门组织，而业务组是长在业务部门里的数据分析师。我自己根据我经历过的两种组织的差异性，做了个简单的对比。
数据组也有是随着业务的发展，需求的增长，由数据分析师独立壮大出来的组。专门的数据组最大的好处是有高级数据分析可以学习与指导，然后接触数据面比较广，缺点是离业务较远。
目前造成业务部门内自己长数据分析师而不是用数据组，业务的老板觉得手下用的更顺手，不用等待别人的需求排期，有时也是排外心理不愿意让别的部门插手自己部门的事情。业务部门最大的优点是接地气。缺点就是多数情况下，没有高级的数据分析师指导你，只能自己摸索着发展。
02 面试中需要确认的问题
关于数据分析师，很多时候可能是Excel或者SQL取数的人资源不够，来招个人做取数机，以及业务领导看很多部门都有数据分析师，没想清楚为什么要招这个分析师。所有这些需要大家在面试中进行确认。
首先跟面试官确认这个岗位汇报的对象是谁，业务老大还是数据的老大，然后就能判断出来组织架构。
-数据组，需要确认的问题是否大部分时间是在取数和对接报表需求，是自己取数还是也有IT（数仓）支持？有无更多接触业务的场景与机会。
-业务组，可以确认是否可以自己取数或者服务对象，决定自己获取数据是否受制于他人；老大中的分析具体是解决问题的场景是什么，确认老板是否只是头脑发热。
03数据组与业务组对比
数据组和业务组各有利弊，那么如果有机会可以给你选择，你可能会困惑。曾经的我在数据组面临转岗机会时候，也犹豫了很久，最后决定试下新的机会。最终我的体验的结论是倾向于长在业务组里的数据分析师。
真正在业务部门，你才对这些数据更敏感，才能知道更多数字背后的故事。说白了，就是你和业务部门同事‘混’在一起。
举个栗子：比如你在追踪商品详情页流量来源的效率，发现有个来源页面转化效率特别高，给出个结论要增加这个渠道的流量。其实这个页面只是长在商品详情页里的一个跳转链接，之后回退的一个操作。这样的数据其实是脏数据。
还有一个最近疫情的例子,OTA公司的APP的CR同比下降八成，然后得出结论，疫情对于我们影响很严重。实际情况是业务端做了操作，封闭了国内2月份的下单，当然转化率几乎没有。
在业务部门，业务结果为导向，建立更多的合作机会。
其实在业务部门，大部分是实际应用场景的分析，如果给出一个浅显的结论，是很容易被老板diss的。当然随着跟业务接触时间长了，你可以知道业务目前现阶段关注的重点以及目前遇到的问题，主动出击与业务人员合作，容易出成果。
注意点：避免成为新的取数机，自己闯出一片天
由于你是业务里的数据分析师，业务里的很多需求就会砸向你，我觉得首先得跟业务老板协商好自己的主要工作职责，首先是过滤掉单纯的取数需求，精力集中于能产生行动的分析上，靠自己努力成为业务的分析专家，打造竞争壁垒。
04 数据组同学怎么办
那么现在在数据组的同学，可能会说，我已经在数据组怎么办呢。
我觉得在数据组的缺点是远离业务，所以就是要跳出自己的舒适区，和自己老板协商，对接具体业务产线，参加业务的会议，知道业务关注什么，寻觅合作机会。
更多数据分析资料获取，关注公众号'数据氧气'，回复【POWER BI】。
