自己从事数据工作多年，干过大多的数据岗位，成为管理者后，也带过很多的人，关于各类数据岗位人才的关键素质，自己也形成了一套看法。
正如智商是多基因作用的结果一样，要成为某类数据岗位的人才，肯定也是多因素决定的结果。
但每类数据岗位还是有其特定要求，而能适配这些特点的人更能在这些岗位脱颖而出，我这里就结合自己的实践，谈谈五类岗位最关键的要求和各自工作内容的区分。
图片来源于leecode
1、数据分析师数据分析师最关键的素质，是要有“下立地，上顶天”的气质。
“下立地“就是要接地气，要有足够的取数实践，具备较强的业务和数据敏感性。
很多合作伙伴的大牛深谙数据分析的讨论，方法论牛逼，PPT写得很好，但一般实操还是不行，主要的制约因素就是数据能力，数据分析工作一般不会外包，主要在于外包人员很难长期的“接地气”。
数据理解能力不是说你知道有这个表和这个字段就可以了，也不是看看数据字典就可以了，而是要能知其所以然，要能追根溯源数据是怎么来的，要能知道这个数据是否真实的反映了业务的实际状况。
同样一个业务口径，往往可以采取多种数据口径，而要辨析清楚这个差别，选择到最适合的，一定要有足够的取数实践。
“上顶天”就是胆子要大，脸皮要厚，能说会写，敢于跟上级去沟通互动。
“下立地”在迫使你成为一个内向的人，“上顶天”则迫使你成为一个外向的人，数据分析师一定是能够达到很好平衡的人。
在跟上级的互动中，数据分析师会始终处于学习期，不断接受上级的指示，然后消化吸收，然后反馈，然后再接受指示，如此迭代......，这才是数据分析师真正的成长之路。
所有的数据分析技巧和方法论，都可以在跟上级的互动中学到，这些才是真功夫，不用刻意去学习什么金字塔理论，老板的言传身教就是最好的方法论。
这种能达到“下立地，上顶天”的数据分析师，最后大多突破了数据分析师这个岗位本身，成为一名优秀的管理者，我数了下自己欣赏的很多数据分析师，后来大多成为了主管，即使是到了其他部门也是晋升迅速。
数据分析其实是数字化时代每个人都要具备的能力，拥有数据分析的技能不仅是为了满足领导的决策需要，更要能直接指导生产。
我总是建议数据分析师有机会一定要到各个实际业务岗位磨练一下，因为现实世界并不是靠系统上存储的那些数据所能完全反映的，如果你始终囿于一只数据团队内部，只喜欢跟数据打交道，那只能做一颗螺丝钉。
所谓成也数据分析师，败也数据分析师。
2、数据挖掘师
数据挖掘师最关键的素质，不是模型能力，而是要有产品思维。
企业中真正有价值的数据挖掘师往往不是技术最强的那个。自己曾经管理过很多的数据挖掘工程师，每当需要评定每个数据挖掘师的业绩时，技术能力最强的常常排在后面，而评价最高的往往是有想法，愿配合的那个人，那个人甚至不会R或Python，只会点EXCEL的技能。
当前大多企业的数字化水平一般，数据挖掘工程师面临的环境并不友好，大多企业数据挖掘师面临的最大挑战，其实是要能够找到数据模型在企业生产流程的真正应用场景，规模化这些场景，创造出真正的价值。
现实中的数据挖掘师一定是能理解业务，熟悉流程，懂得系统，会做分析，还会运营，不要只会对着电脑猛干，围绕着AUC，ROC，F1这些指标闭门造车。
数据挖掘师要能把模型当成一个产品去运营，具备产品的思维和方法，能设定目标并找出实现的道路，能正确的识别问题、并找出最合适的解决方案（不仅限于技术方案），带领团队把大问题化解为小问题，最终完成项目。
也就是说，其能在整个产品的生命周期从头到尾将一个模型产品负责到底，在笔者做成功的几个数据挖掘项目中，无一例外遵循了以上的原则，凡是不遵循的，全部失败了。
3、数仓模型工程师
数仓模型工程师最关键的素质，是要有工匠精神。
数仓模型的好坏直接决定了应用的效能，其也是数据中台的核心内容，但对于数仓模型工程师的挑战也特别大，这是由数仓模型的生态位决定的。
数仓模型夹在基础数据和上层应用之间，承上启下的价值巨大，但也是最容易被忽略和替代的。
因为上层应用完全可以绕过数仓模型，直接基于基础数据完成应用模型的建设，虽然应用要花点代价做自己的个性模型，但架不住快和灵活啊，对于单个应用来讲，其没有驱动力去配合数仓模型工程师完成中台模型的构建，即使这种行为从长期来讲损害企业利益。
正是由于这个背景，数仓模型工程师前期没啥成就感，很难被理解，做的工作非常枯燥。
一：要对企业的数据资产要有全局的理解，这个不下苦功夫不行。
二：要对垃圾的原始数据做清洗，这个没点执着的精神不行。
三：要基于对业务和数据的充分理解进行领域、概念、逻辑和物理建模，并且要在没有业务推动的情况下去沉淀优化。
四：要厚着脸皮去推销自己的成果，可能还要建章立制。
最后，技术也没啥好研究的，维度和关系建模都是几十年前的东东了。
数仓模型是在做长远的正确的事情，没有足够的耐心很容易放弃。笔者带过的很多数仓模型师，要么去做报表取数了，要么去做应用去了，即使做维护也好啊。
数据仓库领域的怪现象就是，数仓项目一旦完成，数仓模型就基本停滞发展了，5年都没有什么改变，因为人都跑完了。
但数仓模型一旦做好了，价值也非常大，因为底层模型做好了，其效能可以辐射到所有的应用，否则就不会有数据中台了。
这让我想起孔子对得意门生颜回的评价：“吾与回言终日，不违，如愚。退儿省其私，亦足以发，回也不愚。”
孔子的意思是：“我和颜回谈论一整天，他从不提反对意见和疑问，就像一个愚笨的人。可是，我注意观察他课后的情况、却发现他很能发挥我所讲的内容，颜回并不愚笨啊。“
数仓模型工程师无需显山露水，更不能卖弄聪明走捷径，好的模型都是自己一步一个脚印运营出来的，但正是这些模型构成了数据中台真正的底蕴，所谓大智若愚。
4、数据产品经理
数据产品经理最关键的素质，是要对于数据有深刻的理解。
数据产品经理是产品经理的一个子集，但到底是与数据相关的素质重要，还是与产品经理相关的素质重要呢？
这里我从客户的视角出发给出两个看法。
第一个是有关数据产品主要内涵的，我觉得客户对于数据产品有两大诉求，一种是以信息展示为主，解决信息快速获取的问题，比如报表和指标，另一种是以信息加工为主，解决精准度的问题，比如洞察、营销或风控，而以流程为核心的大多数产品，即使有一些数据的内容，也不属于数据产品的范畴。
第二个是有关数据产品核心能力的，在我们运营的所有数据产品中，虽然前期客户会