AI无法取代的数据分析师职位：产品数据分析师

📢 转载信息

原文链接：https://www.kdnuggets.com/the-one-data-analyst-role-thats-ai-proof

原文作者：Natassha Selvaraj

---

以前，在筛选数据分析师职位的候选人时，更容易分辨谁具备完成工作所需的技能，谁不具备。但如今，几乎所有人都通过了数据分析师面试的前几轮。

借助AI，那些实践经验很少的候选人也能够精确地构建仪表板和编写SQL查询——这些技能曾经需要数年时间才能掌握。因此，雇主对资历和领域专业知识的要求变得更高，这在某种程度上已成为硬性要求。

此外，不同技术角色之间的界限越来越模糊，资历也成为了先决条件。员工需要承担更多项目，学习更多技能，并在更短的时间内产出更多成果。然而，这并非全是坏消息。

根据我在该领域的经验，我相信有一种特定类型的数据分析师不仅能生存下来，还能在AI革命中茁壮成长并屹立不倒。

那就是...

产品数据分析师 (product data analyst)

在本文中，您将了解到：

• 什么是产品数据分析师 (PDA)
• PDA与传统数据分析师的区别
• 成为PDA所需的技能
• 我在一家大型科技公司担任PDA的亲身经历

本文的视频版本，请观看此内容：

# 什么是产品数据分析师？

 
为了说明PDA和普通数据分析师之间的区别，让我们考虑一下每个角色专业人员的“一日生活”。

// 传统数据分析师的一天

Brian是一名传统数据分析师。他获得了一份入门级职位，目前已在该职位工作一年。

Brian的工作内容如下：

• 使用SQL提取去年的销售数据，并用它来构建仪表板
• 识别过去3个月内停止与公司进行交易的客户群体
• 通过整合来自组织客户关系管理 (CRM) 系统和营销渠道的数据，找出上周转化率下降15%的原因

这类工作通常需要掌握SQL、Excel、构建仪表板和一些编程技能。我的第一份数据分析师工作就要求我做完全一样的事情。这当然不容易。但AI正在降低从事这些工作的门槛。

上述所有任务都可以使用 Cursor、Claude 和 ChatGPT 等AI工具更快地完成。

由于大量使用AI工具，Brian有时会觉得自己更像一个提示词工程师，而不是数据分析师。Brian的雇主意识到，由于新的AI工具，Brian的工作可以更快完成。因此，他们停止招聘其他数据分析师，而是让Brian完成所有数据分析项目。虽然Brian有稳定的工作，并且由于AI而成为更高效的分析师，但他有时会觉得自己的职责与去年相比没有太大变化。他没有在公司阶梯上攀升或获得晋升。

更重要的是，Brian希望学习更多技能并加深知识深度，而不仅仅是使用AI来更快地完成同样的工作。Brian正走在传统的[数据分析师]道路上。这没什么不好，但通过简单地重新定位自己并学习一些额外技能，他可以更快地晋升并赚更多的钱。为此，Brian必须将AI用作杠杆，而不是竞争对手。

// 产品数据分析师的一天

Sarah是一家社交媒体公司的PDA。

她的工作是这样的：

• Sarah与构建“reels”（短视频）的团队合作，了解特定地区的创作者为何不太倾向于使用此功能。然后，她与设计团队合作，构建新功能以弥补这一差距。
• 她负责一个名为“创作者助推”（creator boost）的新功能，以了解推广新创作者是否能在不影响用户参与度的情况下提高创作者留存率。为此，她进行了一次A/B测试。（剧透：这类分析并不容易。结果很少是直截了当的，向利益相关者解释起来就更困难了。）
• Sarah还会参加产品评审会议，对领导层的假设提出质疑：例如，副总裁假设用户想要更长的视频，而Sarah需要用表明注意力在约35秒后下降的实际行为数据来反驳这一观点。

您发现Brian和Sarah的工作有何不同吗？

Sarah的工作在技术复杂性上不一定比Brian的更复杂。两位专业人士都具备相同的技术技能；他们都知道SQL，会写Excel公式，也会构建仪表板。

他们工作之间最大的区别在于 Sarah对产品决策有着更大的影响力。如果推出新的“创作者助推”功能，并且公司因此获得了100万美元的收入，那么Sarah就直接为超过一百万美元的产品收入做出了贡献。

因此，她对公司具有很高的价值，很容易获得晋升，并获得更高的薪资增长。

# 如何成为一名PDA？

 
我曾在传统分析师和PDA岗位上工作过。职业生涯的前两年，我是一名传统数据分析师。我现在是一名PDA。

成为传统数据分析师所需的技能如下：

• Excel
• SQL
• 一些编程技能（最好是Python）
• 数据可视化
• 统计学

要成为PDA，除了核心数据分析技能之外，您还需要学习以下内容：

// 技能1：A/B测试和实验

您可能以前听说过A/B测试。如果您有一个网站，并想知道蓝色按钮还是绿色按钮能带来更多点击量，您所需要做的就是进行A/B测试。

首先，您选择一部分访问您网站的用户，然后将他们随机分成两组。一组将看到绿色按钮，另一组将看到蓝色按钮，点击次数更多的那个按钮将被推出。

上面的例子是最简单的A/B测试方法。

实验涉及到更多内容，例如确保您选择的群体分布均匀，并确保您的A/B测试具有足够的统计功效。

在我的PDA面试中，我被问到很多问题，这要归功于 Udacity的免费A/B测试入门课程，我才得以回答。

// 技能2：定义产品指标

产品分析师与传统数据分析师的另一个不同之处在于定义成功指标。

为了理解这意味着什么，让我们考虑前面提到的新的“创作者助推”功能。当您助推新创作者时，这通常会使他们更愿意在平台上发布内容，从而提高留存率。提高的留存率正是TikTok和YouTube等平台所希望的，因为它能让用户在平台上停留更长时间。

但是……什么是“新创作者”？发布了第一个视频的用户？还是发布了5个视频的用户？

此外，如果创作者从计划中获得了初始助推后，后续帖子的参与度是否大大降低了？这是否会导致未来更高的用户流失率？这是否比根本不发布该功能更糟糕？

此外，作为一个社交媒体平台，还必须考虑用户的参与度。如果观众因为根本不热衷于推荐新创作者而减少了平台使用，该怎么办？

PDA需要在创建成功指标时考虑所有这些因素。为了衡量像这样的新功能的成功与否，产品分析师可以决定创建多个成功指标，例如：

• 短期创作者留存率
• 长期创作者留存率
• 观众参与率

在PDA面试中，面试官通常会给您一个像我上面举例的用例。然后，面试官会问您会为该用例定义哪些成功指标以及原因。

要学习指标定义这项技能，我推荐以下资源：

• 这个一小时长的视频，讲解如何定义产品成功指标。
• Amplitude上关于定义成功指标最佳实践的这篇文章。

// 技能3：事件追踪

假设您已经定义了成功指标。对于这个新的“创作者助推”功能，您的成功指标是创作者留存率。

现在，您需要数据来实际创建此指标，通常使用应用程序事件，例如创作者上传和点击。您通常会使用SQL构建指标。但是，有时您可能想要跟踪一个指标，却发现当前没有捕获所需的事件。

例如，如果您的平台目前没有跟踪“上传”事件，您就无法知道创作者上传内容的频率。由于没有捕获此事件，您就无法构建出成功指标（创作者留存率）。然后，您需要与工程团队合作，向他们解释必须捕获哪些事件，以便您能够有效地跟踪产品的成功情况。

要了解更多事件跟踪信息，我建议阅读这篇文章。

// 技能4：应用统计学

这是数据分析师已经具备的一项技能。

作为一名PDA，您的重点必须是使用编程工具来应用统计学概念。

以下技能与PDA的角色最相关：

• 假设检验。
• 统计显著性：统计显著性与实际显著性、效应量和p值的区别。
• 因果推断基础（混杂因素、处理效应）。
• 辛普森悖论和选择偏差。

可汗学院 是学习这些概念的好地方；只需输入主题名称，然后观看视频教程即可。我通常从可汗学院这样的网站学习某个主题背后的理论。然后，我会转向ChatGPT，让AI平台教我如何在真实数据集上实际应用统计概念。

# 在哪里可以找到PDA职位？

 
Facebook、亚马逊、苹果、Netflix和谷歌（FAANG）以及其他大型科技公司雇佣了大量的PDA，因为他们每天都会推出新功能并进行A/B测试。

Meta的职位名称通常是“数据科学家，产品分析”（Data Scientist, Product Analytics）或“产品分析师”（Product Analyst）。这些职位的薪资在 24.9万美元到38.2万美元 之间，而传统数据分析师的职位薪资在 18万到28.2万美元 之间。这是一个相当大的薪资差距，说明了PDA的需求有多大。

除了FAANG之外，您还应该关注：

• 构建面向用户的产品的快速成长的初创公司。
• 电子商务公司。
• 金融科技和医疗科技公司。

此外，公司在起草与数据相关的职位名称方面并不擅长。一个职位名称在数据领域可能意味着多种含义。

事实上，我见过公司以以下名称招聘PDA：

• PDA。
• 产品分析师 (Product analyst)
• 产品数据科学家 (Product data scientist)
• 数据科学家，产品分析 (Data scientist, product analytics)
• 分析经理（产品方向）(Analytics manager (product-focused))
• 增长分析师 (Growth analyst)

有些公司只是发布“数据分析师”或“数据科学家”，而实际上它是一个PDA职位。我建议阅读数据职位的职位描述，以了解它是否是面向产品的职位。

通常，PDA职位的描述会提及“与产品经理协作”、“A/B测试”、“与跨职能团队合作”以及分析“产品指标”等关键词。

# 关键要点

 
本文涵盖了很多内容。具体来说，我们了解到：

• PDA角色的具体内容
• 您应该成为PDA的原因
• 如何学习成为PDA所需的技能
• 在哪里可以找到PDA工作

请记住，AI正在以您无法想象的速度改变我们的工作方式。在这个时代，您必须提升自己的市场价值，掌握与AI互补而非竞争的技能。这正是PDA的切入点。

由于这些专业人士为公司的底线带来了巨大的直接价值，他们的工作往往更安全，薪资更高，晋升也比普通数据分析师职位更快。
 
 

Natassha Selvaraj 是一位自学成才的数据科学家，热衷于写作。Natassha撰写有关数据科学相关的一切内容，是所有数据主题的大师。您可以在 LinkedIn 上与她联系或查看她的 YouTube 频道。

---

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。