相比刚开始找实习的时候要清醒了不少，再也不会抱着侥幸的心理，觉得这工作我可以干，也不会抱着舍不得沉没成本的心态，偏得找到那种能用上全部所学知识的工作。一旦选定了一个职业方向，就注定得学一批全新的配套知识和技能，毕竟一年的泛读式教育，并不是为了对口工作，而是科普专业。
其实对于数据分析而言，就是两个方向的事情，一是技术向，一是业务向。技术向的职位对应的是数据库工程师、数据挖掘工程师、算法工程师等，业务向的职位对应的便是数据分析师了。
技术向需要重点掌握的机器学习算法，数据库，编程之类的知识，业务向需要重点掌握的是取数能力(SQL)、各类分析能力，例如行业分析、业务分析、运营分析、产品分析、流量分析、用户分析等。
从两个月的实习体验中能观察到，数据分析业务向的工作，并不能算成技术型，倒是像服务型。
主要的工作内容大体分为两类，一类是左右服务，满足各部门的数据提取需求和数据观测需求，协助分析、评估日常的工作情况。譬如说协助产品部门检测产品功能的效果，协助运营的部门复盘运营活动的效果，帮助营销部门评估营销渠道的质量。
一类是向上服务，为各部门的负责人们提供支持。老板们在做出决策时，大部分时候并不是拍脑袋的工夫，是在事实的基础上，权衡思考后的结果。而这些事实，是通过数据体现出来的，也就是用数据作为证据，去证明行动的合理性。
如此，对于数据分析而言，SQL取数的能力和业务分析能力就是非常核心的卖油翁手艺了。
由于数据分析与业务关联紧密，对业务理解的加深，能使数据分析工作更加得心应手，有点知己知彼，才能百战不殆的感觉。所谓的业务，说白了就是得搞明白公司究竟是怎么赚钱的，一旦知道具体是如何赚钱的，就能充分换位思考，多穿穿所有业务相关方的鞋子，在分析上便能指其所指，同频共振，有的放矢，避免很多低效的沟通。
不过我发现，具体的、繁琐的业务流程其实并不难理解，可是若是要从中获得业务洞察，继而通过业务洞察，获得商业洞察，提升商业敏感度。则需要系统地补充学习经济金融、数字营销、品牌打造、用户运营等商科知识。
很有几分“功夫在诗外”的体感。
最后再讲讲职位寻找的内容，在经过一番的教诲后同意，最佳的选择是去具备交易属性的互联网公司，其中以电商为甚。所谓的交易属性，就是具有高频的买与卖。在这些用户行为频繁积累的过程中，产生的分析需求是维度最复杂，数据量最大，挖掘程度最深，最生生不息，繁复多样的。此外通用性很强，一旦电商的数据分析熟练掌握甚至精湛，日后无论做任一细分门类的数据分析，都不会差到哪去。
淘宝，京东，亚马逊，拼多多，苏宁易购，国美，当当均系此类；
OTA，也就是OnlineTravelAgent大体也属于比如说携程，去哪儿，同程，飞猪，马蜂窝。
突然想起自己之前讲过的一个笑话：腾讯大疆华为中兴，中兴我是不会去的，其他三家也是不会要我的哈哈哈。