上篇回答了两个问题：一是数分人会不会被人工只能取代？答案是不会，因为人工只能现阶段只是工具，二数分人是项目pm，工具不肯能取代项目pm。二是数分人会不会被同样可以作为pm，又会sql工具的业务方取代？答案也是不会，因为数分人90%的时间是在做数据准备，从数据采集到数据整理，这项工作是多流程的，是复杂的；其次，我们还从社会分工的有效性上说明了为什么答案是不会。

  下篇，我将从以下三个方面来说明数分人的发展道路。我相信，很多人进入这个页面，最想知道的一件事情就是这个吧。好了，我就直接开始吧:

数分人跳槽难不难

  还是先抛出答案:难！

  听到这个答案，大家也别慌。带我解读下难点在哪里，咱们见招拆招就简单多了。其实，有时候游戏并不难，难的是在不知道游戏规则的情况下，一关一关的打下去。

1. 算法被炒的很热，所以很多企业希望数据分析师会算法，自然算法考核点就会纳入招聘标准。对，就是这样一堆分不清数据分析与算法岗的区别的人，在面试的时候一个劲的考察数据分析岗位的算法知识，结果进去后发现干的还是数分的活，甚至有的公司连数据都没有，还死拼命的考察应聘者的算法能力。这种招聘内容与实际工作内容不一致的现象，导致数分人跳槽很难。

2. 很多业务方会sql, 这就使得企业对数分人的要求更高。有的管理者连高级数据分人长什么样都没有见过，一个劲的把所有问题都作为数分人应该解决的问题，设置连怎么拉新，怎么卖货都交给数分人解决。

3. 19年时资本寒冬，企业收缩成本，大量裁员，向市场释放大量劳动力。算法，运营，产品，数分一起丢入市场，而企业head count 又少，导致竞争更加激烈。

  其实，我觉着1，2两点虽然不符合标准的数分人的要求，看似对数分人更加严苛。但以本没人在互联网多年的工作经验来说，1，2两点确实时数分人该扩展的能力：①算法能力，如上篇所说，算法是提升效率的工具，而且是当下有利的工具，为何不用呢？没道理不用。②业务理解能力，如果大家看过我的数据分析（一）：分析师常用的分析模式及其可视化，就该知道：只会数据分析，不了解业务，就只是在做数字游戏。不仅业务不认可你的产出，你自己也会怀疑自己的价值。所以：1，2其实是当代高素质数分人应该具备的要素，只是大部分公司连结构清晰的数据部门都没有，就想着招聘高素质的数分人，确实是与企业现实需求不符的，就算有高素质的数分人进去了，见到企业未达标的数据能力，恐怕也力不从心，无法施展自己的才能，最终选择离开。第3点的话，资本市场的寒冬，并非你我一人之力可以改变，算是“天灾”吧，无法控制的意外，个人认为无需苦恼在意。

数分人如何突围

这一节的内容就比较多了，先列个大概供大家参考，具体的技术本模块，单独写一篇与大家说起：

1.连excel，sql，python（速成ESP套餐）都不会的，赶紧学技术，加强能力

2.吃了ESP套餐的，学点数仓，ETL，数据治理，提升基础能力

3.和业务走的近的，多补充业务知识，特别是新领域的数据运用

4.公司数据基础好，本人知识扎实的，挑战一下算法

总之，横向扩展业务只是，纵向扩展算法只是，两大利器傍身，走遍天下都不怕。

数分人如何转行

  严格来说，这篇又可以单独写。这里先列个提纲：

  1. 业务能力强的，可以往用户增长、用户运营等策略性强的部门转，这些部门天生就需要很强的分析能力。

  2. 技术强的，可以往数据产品方向转，移动BI、大屏、运营助手等产品是很好的出成绩的地方

  有两条路吹的很火，可实际上不是特别好的出路：

  1. 数据中台。经过一年爆吹，大家发现：这玩意没鸟用呀。少拿阿里的数据产品举例子，人家天生数据多，可以卖给一堆企业，就其他企业那烂兮兮的数据，建中台有毛用，不是在烂泥巴里起高楼吗，不塌才怪。

  2. 数据分析转算法。经过泥沙俱下的18,19年，大家也发现只会调参的“算法工程师”有毛线用。真正算法项目，工程的难度是远远高于算法难度的，这使只会数据的人没啥优势。更何况，现在仍然有大量狂热应届生涌进这个领域，和他们比起来半吊子出身的数据分析是没啥竞争力的。所以谨慎选择转行。

最后，引用下我比较喜欢的一位老师的话作为总结。大家会发现：如果你搞清楚时代前进的步伐，搞清楚自己的定位，持续进步，你始终能在时代中找到自己的位子。如果你原地踏步，那啥玩意都能把你淘汰。前景不是看出来的，而是自己努力出来的。能搞掂的具体问题越多，自然越有前途。所以新的一年，我们继续具体问题具体讨论，大家一起进步哦。