データ操作ポジションとは何ですか？ （データ分析だけではありません。10年の経験を持つデータの専門家が、7つの主要なデータポジションについてお話しします）

データ分析には単なるデータ分析以上のものがあります。 10 年の経験を持つデータ プロフェッショナルが、7 つの主要なデータ職種について説明します。

データ関連の職種というと、「データ分析」を思い浮かべる人が多いですが、実はデータ関連の職種は数多くあります。この記事では、データ関連の職種の概要を紹介し、それぞれの職種の長所と短所について詳しく説明します。見てみましょう。

私は修士課程を修了後、9年間働いています。私は北京、杭州、深センに住んでいました。私はBaidu、Alibaba、Tencentで働いたことがあります。私はデータ分析、戦略製品、データ製品の分野で働いてきました。過去 5 年間、私はデータ製品に注力してきました。私は読書が大好きで、年間約40冊の本を読みます。でも私は猫と犬の方が好きですね。将来はペットに関わる仕事がしたいです〜

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、データ分析、データ エンジニアリング、戦略的製品、データ製品などの内輪にあたります。一部の職種は、あまり「データ関連」ではなく、データ操作、ビジネス分析、コマーシャル分析、アルゴリズム エンジニアリングといった外側のリングに属します。

散在した紹介は理解に役立ちません。データの流れに応じてポジションを識別し、上記のポジションを理解することができます。いくつかのポジションは複数のリンクにまたがり、いくつかのポジションは1つのリンクに固執しますが、より多くのリンクにまたがる方が良いというわけではありませんが、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簡単に説明します。

• 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」 。
• 推奨戦略などの「データアプリケーション」は、データを端末シナリオに直接かつ自動的に適用します。

就職活動や仕事選びの観点からは、ポジションの基準が高いか、面接対策があるか、入社後の収入は高いか、価値観はあるのか、昇進の余地はあるのか、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: スコアは複数のデータ関連ポジション間でのみ比較され、他のデータ関連以外のポジションとの比較は含まれません。

一言で説明すると: データ分野で最も需要のある技術職。

日々の業務内容：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・保守、データモデリングやデータウェアハウス構築のためのデータフロー整理、レポートやBIプラットフォームの設計・実装（コンピューティングロジックの実装や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業務ニーズ（実行データ）への対応。

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。

ポジションの長所と短所：長所は、需要が大きく、特に伝統的な産業のデジタル変革において、ギャップが大きく、技術を研究するための一定の閾値があり、収入が高く、対処する人が比較的少なく、心配事が少ないことです。デメリットとしては、第一線の業務から遠いこと、お得感が低いこと、鳥が飛び去った後に弓を失うリスクがあること、非難されやすいことなどが挙げられます。

適している人: 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（製品からユーザーが見て触れることができる達成感とは大きく異なります）を認識している人々。

一言で説明すると: 需要と供給の不均衡が深刻で、重要ではあるが価値の低い総合的なデータ ジョブです。

日常業務の内容: データ処理、データテーブルの処理、データの分析、オンライン データ モデル。

具体的な出力コンテンツ: 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。

この職種の利点と欠点: 利点としては、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。残業が多い、考え方が固定している、最前線の業務から遠い、開発の余地が限られている、価値を測るのが難しいなど、デメリットは数多くあります。

適している人: データ分析に熱心で、論理がしっかりしていて、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。

その他の追加情報：女子学生の割合が非常に高く、フルスタック数学のスコアの数が増加しています（これは従来の企業には当てはまりません）。

一言で自己紹介：本質的には、データを理解し、分析ができ、具体的な製品をアウトプットできるtoBプロダクトマネージャーです。

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

具体的な出力内容: 要件ドキュメント、データ製品、調査および分析レポート。

ポジションの長所と短所: 長所には、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いことと、ツールとして簡単に使用されてしまうことが挙げられます。

適している人: データ、分析、さらには戦略を理解し、論理的で共感力が強く、プロダクトマネージャーになりたい学生。

その他追加情報：種類が非常に豊富、将来性が非常に高い、位置づけが不明瞭。

一言で説明すると: 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、文書の作成、データの分析、結果の評価。

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。

ポジションの長所と短所: 長所には、敷居が高い、ビジネスに近い、価値を測定しやすいなどがあります。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ます。

適している人: 分析やアルゴリズムを理解し、ビジネスを理解する意欲があり、少しオタクっぽいスタイルを持つ学生。

その他の追加情報: さまざまな種類の細分化があり、非常に頭を働かせ、用途が広いです。

一言で紹介すると、運用部門のデータアナリスト、または優れたデータ分析能力を持つオペレーターになることができます。

日常業務内容：データ指標システムの構築、データ追跡・計算、効果評価・分析、特殊分析。

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。

ポジションの長所と短所: 長所は、ビジネスの最前線に立つことで、ニーズをより深く理解し、より実用的なコンテンツを分析できることです。欠点は、些細な日々のデータ抽出や統計レポートのニーズに縛られてしまい、技術があまり向上しないことです。

その他の追加情報: 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よくあります。

一言で説明すると、金融とビジネスの背景を組み合わせたデータ分析は、伝統的な業界では一般的です。

日々の業務内容：会議の開催、統計の収集、データの分析、レポートの作成。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鍛えることができ、視点が上司に近くなることです。欠点は、ほとんどの職種が伝統的な産業、インターネットなどの新興産業であり、データの粒度が大きいため、テクノロジーの割合が弱くなることです。

その他の追加情報: データは、企業の財務と運営の観点から分析されます。分析方法や技術の観点から見ると、彼らはインターネットデータアナリストとはまったく異なります。データ量はそれほど多くありませんが、視点が異なり、よりマクロ的です。インターネット企業における職務機能の観点から見ると、一般的な業務分析はビジネス分析の一分野です。

一言紹介：データよりも思考方法論を重視する上司の護衛。

日々の業務内容：会議の企画、調査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、戦略計画の立案。

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、情報に関して比較的グローバルな視点を持つことができることです。欠点としては、空中に浮いて地面に降りられない傾向があり、開発の道筋が少し単一で、初期段階では些細なことが多いことです。

その他の追加情報: 最善の道は、ある事業に責任者として降格し、中央軍事顧問から現地の部隊指揮官に転身することです。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分析の 2 つの方向に分かれています。

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。以下の表を使用すると、上記で紹介したさまざまな職種のさまざまな業界の現状を把握できます。

目録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。その中でも、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応用しており、次いで金融・通信業界、そして最後に多くの伝統的な業界が続いています。伝統産業の中でも分野ごとに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、これらのボックスの中から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。ですから、仕事を選ぶときには、自分の空想を脇に置いて現実に直面することもできます。

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軌道を変えることが、一般の人々にとっての実践的な操作です。誰もが自分の好みと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べきだと私は提案します。

この記事はもともと @古牧君 によって Everyone is a Product Manager に掲載されました。著者の許可なく複製することは禁止します。

タイトル画像は、CC0 プロトコルに基づいて Unsplash から取得したものです。

この記事で述べられている意見は著者自身の意見のみを表しており、人人士品夢家プラットフォームは情報保存スペースサービスのみを提供します。