データ運用職（データ分析だけではありません！データ関連の主要な 7 つの職種の一覧）

データ分析だけではありません!データ関連の主要な7つのポジションの一覧

出典: Gumuliao データ

まずは写真から？

今日の記事は大きな要約です。毎年春と秋の採用のたびに、多くの読者から私にプライベートメッセージが届き、データ分析が複雑すぎる場合はどうすればよいかを尋ねられるからです。経験1～2年のデータアナリストの中には、自分の仕事の価値が低すぎると感じて転職したいけれど、他に何ができるかわからないという人も多いのではないでしょうか？私はデータ関連の就職活動の選択肢における情報格差を常に嘆いていますので、私が知っていることを整理し、偏った部分を弁証法的に見ることができるようにしています。私は皆さんに議論の土台を提供するために、いくつかのアイデアを提示しているだけです。真実は必ず議論を通じて明らかになる。

それは単なるデータ分析ではなく、また単に「データ」という言葉が含まれるものについてでもありません。

一部のポジションは特に「データ関連」であり、内輪に位置します: データ分析、データエンジニアリング、戦略製品、データ製品

一部のポジションは「データ関連」ではなく、外部のものです: データ操作、ビジネス分析、コマーシャル分析

散在した紹介は理解に役立ちません。上記の位置はデータの流れに応じて理解できます。一部のポジションは複数のリンクにまたがり、一部のポジションは 1 つのリンクに固定されますが、より多くのリンクにまたがることは好ましくありません。しかし、確かに「フルスタック」と呼ばれるトレンドがあります〜さまざまなリンクの意味を説明しましょう：

データを収集するためのアプリトラッキングなどの「データ取得」

データウェアハウスなどの「データストレージ」は、単純にクリーンアップされてウェアハウスに保存されます。

データガバナンス、データ間の関係性の整理などの「データ管理」

「データ処理」、例えばラベル作成、アプリケーションシナリオに応じた生データの処理など。

分析モデリング、効果評価、テーマ分析、オンラインモデルなどの「データ分析」。

端末シナリオにデータを直接自動適用するレコメンデーション戦略などの「データアプリケーション」

就職活動や仕事選びの視点で考えると、ポジションの基準が高いか、面接対策があるか、入社後の収入が高いか、やりがいがあるか、昇進の余地があるか、といった点を重視するべきでしょう。私は、閾値要件、需給比率、所得水準、価値認識、上方余地という 5 つの次元を整理しました。まず、以下の 7 つのポジションについて全体的な定量的な調査を行い、その後詳細を紹介します。

ps1: 各次元の満点は 5 ポイントで、スコアが高いほど良いです。たとえば、需給比率が 5 ポイントの場合は供給が需要より少ないことを意味し、3 ポイントの場合は供給と需要が均衡していることを意味し、1 ポイントの場合は供給が需要を上回っていることを意味します。

ps2: スコアは、データに関連するいくつかのポジション間でのみ比較され、データに関連しない他のポジションとの比較は含まれません。

「一文で紹介」: データ分野で最も需要のある技術職

「日常業務内容」：コンピューティング/ストレージプラットフォームの構築/運用および保守、データモデリングおよびデータウェアハウス構築のためのデータフローの統合、レポートまたはBIプラットフォームの設計および実装（コンピューティングロジックの実装およびパフォーマンス最適化を含む）、一時的またはカスタマイズされたビジネスニーズのサポート（データの実行）

「具体的な出力内容」：データプラットフォーム、データレポート

「ポジションのメリットとデメリット」：メリットは、特にデジタル変革のギャップが大きい伝統的な業界において需要が大きく、技術を学ぶための一定の基準があり、収入が高く、対応しなければならない人が比較的少なく、心配事が少ないことです。デメリットは、第一線の仕事から遠い、お得感が低い、鳥が飛び去った後に弓をしまうリスクがある、非難されやすいなど

「誰に適していますか」: データに敏感で、慎重で、落ち着いていて、忍耐強い人。データの価値とそれがもたらす達成感を認識する（これは、ユーザーが製品から見て触れることができる達成感とは大きく異なります）

「一文で紹介」：需要と供給の深刻な不均衡を伴う、重要だが価値の低い総合データジョブ

「日々の業務内容」：データ処理、データテーブルの処理、データの分析、データモデルの起動

「具体的な出力内容」: データ ウェアハウス テーブル、データ分析レポート、データ ダッシュボード、オンライン モデル

「ポジションのメリットとデメリット」: メリットとしては、需要が高く、比較的シンプルで安定した労働環境が挙げられます。デメリットとしては、残業が多い、考え方が固い、最前線の業務から遠い、開発スペースが限られている、価値の測定が難しい、などが挙げられます。

適している人: データ分析に熱心で、論理的に強く、ある程度のデータ専門的バックグラウンドを持ち、あまり細かいことにこだわりすぎない学生

「その他追加情報」：女子生徒の割合がかなり高く、数学のフルスタックスコアの数も増加しています。

「一言で紹介」：本質的には、データを理解し、分析し、具体的な製品を出力できるtoBプロダクトマネージャー

「日々の業務内容」：要件の伝達、ドキュメントの作成、テストの受け入れ、レポート作成

「具体的な出力内容」：要求文書、データ製品、調査・分析レポート

「ポジションのメリットとデメリット」: メリットには、上司と交流する機会が増えること、成果が目に見えてわかること、ビジネスとの距離が近いことなどが挙げられます。デメリットとしては、価値を測定するのが難しく、ツールとして利用されやすいことが挙げられます。

誰に適していますか?データ、分析、さらには戦略を理解し、論理的で共感力に優れ、プロダクトマネージャーになりたい学生

「その他の追加情報」：種類が非常に豊富で、将来性が非常に重要であり、位置付けが明確ではない

「一文での紹介」: アルゴリズムと製品をつなぐ架け橋であり、多くのデジタル変革に適した選択肢であり、製品マネージャーにとっても最適な選択肢です。

「日々の業務内容」：ニーズの伝達、書類作成、データ分析、結果評価

「具体的な出力内容」：需要文書、調査・分析レポート、オンライン戦略

「ポジションのメリットとデメリット」: メリットとしては、敷居が高い、ビジネスに近い、価値を測定しやすいなどが挙げられます。デメリットとしては、製品とアルゴリズムの間に挟まれることが挙げられる。

適している人: 分析やアルゴリズムを理解し、ビジネスを理解しようとし、少しオタクっぽいスタイルを持っている学生

「その他の追加情報」: 細分化にはさまざまな種類があり、非常に頭を悩ませる多目的なものです

「一言で紹介」：業務中のデータアナリストでも、優れたデータ分析能力を持つ業務でもどちらでも構いません。

「日常業務内容」：データ指標システム構築、データ追跡・計算、効果評価・分析、特集テーマ分析

「具体的な出力内容」：指標システム、データ分析レポート、データモデル

「ポジションのメリットとデメリット」: メリットは、ビジネスの最前線にいて、ニーズをより深く理解し、より実践的な分析ができることです。欠点は、日々の些細なデータ抽出やレポート統計のニーズに縛られ、技術スキルがあまり向上しないことです。

「その他追加情報」：データアナリストと比較すると、この職種はより実用的ですが、それほど明確で主流ではなく、パートタイムの仕事として使用されることが多いです。

「ひと言で紹介」：伝統的な業界でよく見られる、金融とビジネスのバックグラウンドを組み合わせたデータ分析

日々の業務内容：会議、統計、データ分析、レポート作成

「具体的な出力内容」分析レポート

「ポジションのメリットとデメリット」：メリットは、総合的な能力をより発揮でき、視点が上司に近くなることです。欠点は、ポジションのほとんどが伝統的な産業であり、インターネットなどの新興産業のポジションが少なく、データの粒度が大きいため、テクノロジーの割合が弱まることです。

「その他の追加情報」：企業の財務や業務の観点からさらにデータを分析します。分析手法の技術的な観点から見ると、インターネットデータ分析者とはかなり異なり、データ量もそれほど多くはありませんが、視点が異なり、よりマクロ的です。インターネット企業では、運用分析はビジネス分析の一部門となることがあります。

「一文で紹介」：上司のガードはデータよりも思考方法論を重視する

日々の業務内容: 会議の開催、調査やインタビューの実施、レポートの作成、ビジネス状況の分析、戦略計画の策定

「具体的な出力内容」：報告書、分析レポート、調査レポート

「ポジションの利点と欠点」: 利点は、上司に非常に近いため、比較的グローバルな情報を把握できることです。欠点は、表面的であまり根拠がない傾向があり、開発の道筋が少し単一であり、初期段階では些細なことが多いことです。

「その他追加情報」：ある事業に責任者として降格し、中央軍の師団から地方軍の指揮官に転じるのが最善の道です。インターネット企業では、ビジネス分析は運用分析と戦略の 2 つの領域に分けられることがあります。大手企業の中間プラットフォームが崩壊し、ビジネスポイントがビジネスに委譲されるケースが増えており、もともと高い視点を持ち、目立った動きを期待していた多くの学生が不安を感じることになるだろう。

実際、キャリアの選択は単に仕事を選択することではなく、むしろ業界の選択に関するものです。次の表を使用すると、上記で紹介したさまざまな職種の業界別の現状を把握できます。

在庫と比較を容易にするために、業界のデジタル化の程度に応じて 3 つの簡単な分類を作成しました。その中で、インターネット業界全体が最も包括的かつ綿密にデータを適用しており、金融/通信業界がそれに続き、最後に多くの伝統的な業界が続きます。伝統産業の中でも分野によって企業間のデジタル化の度合いに差はあるものの、全体としての「差異」は大きくありません。

仕事を選ぶときは、業界に加えて、それが会社にとってより多くのお金を稼ぐことになるのか、それともお金を節約できることになるのかということも考慮する必要があります。個人的な弱点と盲点があります。それは、お金を貯めるという認識が、お金を稼ぐという認識ほど高くないということです。そのため、お金を稼ぐことを選択できる場合は、絶対にお金を貯めないことを選択する必要があります。この観点から、上の図をシミュレートして表を作成します。

上記にたくさんの情報を記載しました。一般的に、業界の状況、仕事の要件、自分自身の能力や性格など、さまざまな要素を組み合わせて、これらのボックスで自分に最も適したものを見つけられることを願っています。

何かを好きになることは大切ですが、多くの場合、人々が何かを好きになるということは、特定の立場についての単なる幻想です。たとえば、多くの学生はデータアナリストがデータを活用してビジネスを推進すると考えていますが、実際の仕事ではそうではありません。このポジションの存在感は比較的低く、意思決定を行うのは依然として人間です。だから仕事を選ぶときも、幻想を打ち破って現実に向き合うことができるのです

もう一つは、インターネット上に業界に関する誤解を招く情報がたくさんあることです。たとえば、今インターネットに参加することは、1949 年に国軍に参加することと同じですか?これに全面的に同意するのは難しいです。なぜなら、私たち一人一人が今、より良い環境と収入を必要としているからです。特にこの未来がまだ確率的である場合、今日を 10 年後の未来と交換することはできません。したがって、次の波が来る前に一瞬一瞬を捉えて進路を変えることは、一般の人々にとって実践的な操作です。

自分の好みや客観的な条件に従い、マッチングの問題については適切な人にアドバイスを求めることをお勧めします。

わかりました。この要約によって、同様のデータ フィールドのジョブ選択の問題が完全に解決されることを願っています。