数据分析是支持性岗位，不能直接带来利润，在大环境不好的情况下，企业对数据分析的需求量就会下降，数据分析的进入门槛不是那么高，因而供给越来越多，供大于需的市场下，投简历没有回应也是正常现象，即使有工作的也卷的厉害。
数据分析还有一个不太好的特点，就是大部分的工作成果基本是服务业务部门的，所以在最后衡量价值的时候往往被低估。而业务部门在数据提供的支持下做出的价值就会放大，因为业绩是他们直接产生的，这会让老板产生一个错觉，数据分析的价值没有那么大。
关注以下公众号，即可获取更多商业分析和数据分析干货和分享！
如何破解这两个问题，找到好的职业上升通路？有两条路可以借鉴！
路径1：创造可见的直接价值
寻找直接向中高层老板汇报的岗位，搞定老板让他看到价值
整天不和老板打交道，你做的价值再大他也看不见，尤其是支持性岗位，有了成绩他也会认为是业务部门的贡献大。所以，打破他认知的方式就是直接向他汇报，在他面前创造他能感知到的价值。
比如经营分析和战略分析，当然这些岗位对综合能力的要求也很高，给老板出数据是最基本的事情。更重要的是要发挥自己的数据优势，结合行业、竞争对手还有自身业务去提出一些打动他的建议，让老板在有需要的时候第一时间想起的就是你，这时候你就是指导业务的角色，自然而然价值就会被老板看在眼里，不会被低估。
此时你需要的是尽快打造自己的以下能力：
（1）各条业务线的数据指标弄的明明白白，条缕清晰，口径统一；
（2）老板需要数据的时候，马上给到老板准确快速的数字，并解释出前因后果；
（3）平时多关注行业和竞争对手的数据和策略，时不时的给老板提点业务上的点子，让老板知道我们也是有视野的，我们的建议不是闭门造车，是经过多方考虑的严谨建议；
（4）会算账，帮助老板算清钱的事，能告诉老板做这件事我们要花多少钱能赚多少钱，做那件事我们能节省多少钱；
（5）软技能，沟通技能，知道老板想什么要什么。总之想老板之所想，急老板之所急就对了。
路径2：创造稀缺性
你能通过别人缺乏的技能帮业务解决问题
我们来看一下，基本上做数据分析都会的东西：搭指标体系、做监控、埋点、ab test、做报表、日报周报月报、做复盘、做评估等，这些技能基本上大部分数据分析都会做，这些是很难创造稀缺性的。
我们思考一下，在日常工作中，你利用机器学习、搭模型、做预测的场景多吗？或者有人会遇到，但大部分人没有用到。做的出彩的、模型做的准确的多吗？很少。那么此时，技术上比较好的人就可以往机器学习和模型预测去发展，向数据科学家的路径去发展。
这种情况下，你仍然是支持岗位，服务的仍然是业务，但是没有你他们很难找到替代的人去做模型、处理大数据、使用技术提升效率，只能用手工计算。但是数据那么多，估计业务自己也会把自己淹死，何况他们的本职工作不是数据。此时数据分析提供的价值就很难被否定和削弱了，价值提升了，就用不着和大部分的数据分析师去卷了。
此时你需要的是尽快打造自己的以下能力：
（1）精通高级统计分析，用数据讲故事；
（2）熟悉机器学习技巧和算法，测试数据；
（3）快速精准建模，提升自动化解决问题效率；
（4）高效预测，解决商业问题。
关注以下公众号，即可获取更多商业分析和数据分析干货和分享！