随着各个行业数字化转型的加速，数据价值得到了越来越多的认可，数据分析开始成为一种炙手可热的专业技能。想要对于企业的业务进行数据分析并不难，但是，要想让数据分析真正的指导业务并创造价值，就不是一件容易的事情了。
天天都是SQL，数据分析的烦恼很多人不懂
在传统上，基于大规模数据集的数据分析并不简单。首先，数据分析师需要对于所需要的数据进行梳理以及清洗，通过删除无意义字段，清洗缺失率高、单一取值、分布完全相同的数据，从而降低数据的规模，为数据的分析奠定了基础并提取可能用到的数据。其次，数据分析师需要对这些数据进行预处理，从海量数据中提取可用特征，建立大宽表或者数据仓库。然后，数据分析师需要通过R语言、Python等工具对于这些数据进行分析，并得到相应的结论与报告，生成数据可视化报表，方便运营人员了解情况，做出相应地营销策略与措施。
在这一整套数据分析流程中，数据分析师往往会将大多数时间都耗费在对数据表的处理上，由于其中涉及到的主要技术是SQL，所以很多数据分析师也将自己戏称为“SQL码农”。这种工作既枯燥、又很难得到成就感，因为自己无法知道自己的数据分析是不是对于业务有真正的提升价值，这都取决于领导或业务人员的判断与评价，如果业务人员不认可或是想更换数据分析的目标，那么数据分析师的工作成果就会付诸东流。
如今，随着敏捷商业智能(BI)工具的推广，数据分析的门槛已经大幅度降低了。
对于企业来说，在 DataHunter 的帮助下，企业可以通过ETL流程建立统一的数据仓库，之后再通过 Data Analytics 数据分析平台来进行自助式的数据分析，由于这些分析是自动化的，只需要对于必要的字段、条件进行设置就可以得到清晰的可视化图表，所以基本不需要数据分析师再通过SQL技术来进行复杂的表操作。
此外，借助Data Analytics 数据分析平台，数据分析师不再需要被动的等待业务人员的需求提交，因为大部分的数据分析都是可以支持他们自助完成的，这让数据分析这个工作极大地脱离了单调与范围。
现在，如果你想要体验一下现代化、低门槛的数据分析是什么样的，点击文末“阅读原文”就可以免费试用Data Analytics 数据分析平台。
在未来，随着人工智能、机器学习技术在数据分析中的应用，自动化的数据分析将成为更加显著的趋势，只会数据表技术的数据分析师将会被淘汰。
用数据“讲故事”并得出执行策略才是关键
说到这里，有些数据分析师会问，数据分析作为一个岗位的价值体现在哪里呢?毕竟现在公司里的大多数据数据分析工作都可以由BI工具来自动完成，是不是自己很快就会下岗了?虽然这个风险在客观上存在，但是数据分析这个职业未来仍有着无比光明的前景。
首先，相对复杂的数据建模、模型训练等仍然需要数据分析师的参与，这涉及到非常复杂的数据管理、数据ETL、AI建模等工作，也要求着数据分析师掌握更新的技术，这在未来的业务需求将很常见。例如，公司可能会需要对于业务风险进行分析、对于心颤的销量进行预测，或是需要增加更多的分析维度，这些都是单纯的BI平台满足不了的。
对于常规的数据分析任务来说，数据分析师的工作也有着重要的价值，这在很大程度上体现在如何对数据进行多维度分析并得出优秀的执行策略，这正如Gartner所预测的那样，能将数据以“故事”形式来讲述的数据分析师将获得很多的青睐。
这对于数据分析师的技能提出了更为严格的要求，优秀的数据分析师将不仅仅是一个数据表操作人员，他更是一个业务咨询专家。通过对于数据进行解读并且提出相应的策略，其能够帮助业务人员找到隐藏在数据背后的真相，为企业业务的开展找到明晰的方向，其价值将不可估量。
