数据分析师的价值体现在哪里？数据分析师在实际业务中有什么作用？

数据分析这个行业的确是最近火了。自从13年NYU率先开了“Data science”这个ms，许多学校纷纷效仿出了各种ms/phd program。之后之间仿佛一夜之间到处都是数据分析师，企业似乎也开始对数据分析师岗位有了大量的需求。

那么数据分析师的价值到底在哪里体现呢？

我认为在于：
第一在于对行业知识和常识的深度理解，对信息流通渠道的高度敏感。这需要广泛阅读和自我检验。因为Causal relation并不好用统计学知识得到，很容易犯错；专业知识和常识才能保证不会犯傻瓜错误。

第二，帮助企业和项目搭建自动化的数据pipeline。一来需要分析师要有能力搞data source，另外这也需要他有以数据驱动的IT架构的设计能力。毕竟无论你使用什么模型，其本质都是在做measure。你数据不够，永远不可能得到更贴近真实环境的measure。另外，好的pipeline才能让未来的分析工作和企业方便地scale，不必总需要重复造轮子。你的接口设计的好坏，数据方便调用的程度都是极其考验人能力的。

第三，选用合适的模型简化真实世界的情况，追求定量结果。这需要不仅仅是统计学知识，其它工程知识甚至都需要放入常备的知识库。举几个例子：描述非平稳高维时间序列（Multivariate Time Series）你就用VAR能做得好么？那我用Sticky HDP-HMM就比它好得多。可是这就是唯一的好描述么？未必。Acoustics里的Impulse response analysis/dynamical systems在某些情况下的经验可以借用过来，那也许会比直接用以上那些方法更好。你要是多留心，热工程、地震地质研究、EE、气象、统计物理等等不同的领域都有一些模型能迁移到其它领域使用。