数据分析专业怎么样？

来源：蜘蛛抓取(WebSpider) 时间：2022-07-21 05:13 标签： 数据分析四个步骤是什么

看了这么多数据分析的岗位JD，我想说：数据分析师可以说是岗位介绍最杂的岗位之一了，除了不同公司的业务对工具技能有不同的要求以外，主做技术和主做业务的都可以叫做数据分析师。并且一搜“数据分析”关键词，也会跳出来很多相关岗位，导致很多想转行的小伙伴说需求时，总把“转行数据分析”和“转行数据分析师”搞混，今天就在这篇回答下好好做个区分！

开头也说过“做技术，做业务都能叫数据分析师”那么就把数据分析师分为“技术”和“业务”两大类来说。

特点是薪资可能会比业务类的高一些，但很少有公司会把技术类的岗位划分在“数据分析”岗位下，一版名称是“xx工程师”都为技术类岗位，这里我们简单介绍下。

1. 数据挖掘工程师/数据爬取工程师/算法工程师

其实这个岗位是真正意义上的大数据工程师，这类岗位比较容易辨别，只要岗位JD中提到“掌握集机器学习/算法”大多属于这类。

他们主要依靠各种机器学习算法来完成数据处理过程，工作偏向于数据工程，网络上面的很多数据分析比赛，比如说Kaggle，也是面向这类岗位。

这类工程师一般是基于Hadoop大数据架构的数据库工程师，他们之中有不同的分工，有的会要求求职者能够从0~1搭建数据库，有的仅仅要求求职者完善已有数据库。

主要负责管理传统关系型数据，比如SQL和Oracle之类的。

这类岗位对于编程要求较低，但对BI工具的掌握要求较高，比如Tableau、PowerBi等。

刚才说过岗位名称里面带“工程师”的一般是技术类，那么不带“工程师”的岗位基本就是业务类了。

这里包括数据标注、数据统计、报表录入、数据获取、数据清洗等对求职者的数据分析能力要求较低的重复性工作岗位。一般这类岗位的名称起的很好听，比如数据标注师、数据统计师等，但本质上都是做重复性的工作，对于职业成长的帮助较小，但同时门槛低，比较好入职。

你可以把这个岗位理解为对数据分析要求较高的运营，因为数据运营不单单要承担数据分析的职能，还要直接参与到运营过程中间去。这个岗位也是转行者入行的首选，因为成功率比较高。

主要负责数据分析平台搭建与和营，一般自建数据分析平台的企业会招聘这个岗位。因为是产品经理，所以对产品经历的经验和数据分析的经验都有要求。

这个岗位不参与任何其他岗位的工作，也不参与任何运营，完全依靠数据分析来指导业务。

商业分析的薪资在这些业务岗位中是最高的，同时门槛也很高，很多公司招聘时会要求具有“投行或者是咨询公司工作经历”对学历要求也比较高。

比如广告投放数据分析师、销售数据分析师这类专门为某一岗位做辅助，提升某一岗位业务的分析师。一般这类岗位的要求比较多样化，原因是要匹配某一岗位的业务。

分类的岗位介绍完了，再告诉大家一个小技巧：

如果想知道某一岗位是做什么的，直接去招聘网站搜索岗位JD，最好是大厂的，这样内容会比较清晰、完整、专业。

另外还想拓展一个内容：也就是“数据分析”与“数据分析师”这两个概念。

  • “数据分析”是一项职业能力，一个领域，具备这项技能可以做：数据分析、商业分析、用户研、策略分析、商业分析等岗位
  • “数据分析师”则是具有专业数据分析能力的人群。具体分类都在上面了

所以转行数据分析，不一定是做数据分析师。

希望这篇回答可以帮助你解决现在的困难！

原创 小管 复旦管院 收录于话题#职场+6#复旦89#数据分析1#求职2

“大热”的数据分析师到底是什么？

从事互联网行业数据分析需要哪些技能？

数据产品和数据分析有什么区别和联系？

随着大数据在各类场景中被广泛应用，人工智能快速发展，数据分析开始越来越多地被行业所关注，数据分析师也成为了大热的职业。复旦大学管理学院职业发展中心（CDO）邀请两位职业导师——字节跳动高级数据产品经理王文开、字节跳动数据科学专家方桢，与大家聊一聊关于数据分析的那些事。

/本文阅读时间约6分钟/

企业的数据分析团队是什么样的？

以我所在的团队为例，我们是商业产品中的数据科学团队。

我们的目标是实现数据驱动决策，让数据可以产生真正的商业价值。我们的价值观，第一就是正直中立，因为数据分析团队是一个横向的跨业务团队，当我们希望可以通过分析数据来解决一些问题的时候，保持中立的态度是非常重要的；第二是要坦诚务实，因为数据分析工作很多时候其实还是非常枯燥的，需要有一个务实的态度不断去挖掘数据，才能真正找到数据的价值，解决业务问题。

在数据基础层，数据产品主要集中在数据开发平台和数据管理平台。在平台工具层，数据产品包括可视化平台、取数平台（针对运营和销售的取数工具）、建模平台（面向对数据有处理能力的高阶用户）、预警报警平台（对于指标设立规则，制定阈值、算法等的规则）、分析归因平台（针对指标波动的归因，需要数据科学家和数据产品经理合作解决）。

在应用决策层，数据产品会更贴近实际的应用场景，包括实验平台（版本的上线，开展实验对比新老策略的效果）、增长平台（比如预估潜在价值）、诊断平台、画像平台等。

可视化平台就是让普通用户可以通过拖拽的方式完成数据可视化，学术界用的比较多的是R、ggplot、Python，普通用户用的是excel，商业上用的比较多的是Tableau、PowerBI、Qliksense等。

自助取数平台可以支持不懂SQL的人的获取数据。

分析归因平台需要数据产品和数据科学家合作构建，由数据科学家提供业务分析思路和分析方法，最后的数据产品可以将其抽象成一款可以灵活配置的产品，支持用户自己定义分析逻辑。

当一名数据分析师需要哪些能力？

我列举4种和数据分析相关的能力，而每个不同的职位都会对应其中的不同能力，建议大家可以为自己的能力打个分，了解自己擅长什么、感兴趣的是什么、需要提升的又是什么。业务能力（商业sense、业务理解、商业逻辑、战略思维）

数据分析能力（数据解读、数据展示、本质提炼）

算法应用能力（数学统计建模基础、机器学习基础、coding实现）

工程能力（算法实现、效率提升、大型工程）

最好的状态就是你所在职位需要用到的2-3种能力都能打到6分，然后再根据自己的兴趣去加深其中的1-2种技能，把6分提升到9分，这样就会慢慢成为这个领域中的专家。

独立的数据部门和业务部门中的数据分析师，在要求和技能上有什么区别？

每一个部门DS的本质工作都是相同的——寻找规律、驱动决策、完成目标。区别在于所在的部门和自己要达成的目标或许会有不同，目标不一样就导致要思考的逻辑、路径、手段也不一样。

但其实你获取的数据是一样的，所以在专业技能上，数据基础技术不会有特别明显的差异，可能只是某些技能用得多，某些技能用得少的区别。

无论是哪一种数据分析师，只要你分析的结果能够驱动做决策的人去做决定，那么这就是一位数据科学家的价值所在。

对数据分析师的职业发展有什么建议？

做到独当一面：先从单一模块到多个模块（单模块做好了之后，再去负责其他模块），最终对数据产品整体有一个比较好的了解。

思考业务价值：需要思考自己做的对业务有什么价值，比如可视化平台有很多报表，提供给业务方的话，对他们有什么价值？是否能够有效地让一些点子落地？能否通过数据分析反向引导业务发展的方向？

做到理解业务：除了数据产品工作之外，还需要对商业产品的业务有比较好的了解，知道业务部门的问题和痛点。平时多关注所在行业发生的事，做到有前瞻性的洞察。

Business Sense是一种快速业务逻辑洞察的能力，你需要非常快地知道这个业务逻辑是什么。首先，你需要知道，你的业务目标是什么。一定要清楚，你进行这些数据分析是为了什么，有时候业务目标没有那么明确，就需要你自己去思考业务部门的逻辑和需求。

第二，有了目标，要怎么来达成这个目标？需要思考当前业务的产品、运作、规划，与业务目标之间的逻辑线条是怎么建立的。举个例子，比如你是百度百科，那你要怎么赚钱，这中间有怎样的商业逻辑？

第三，知道达成目标的步骤。有很多思考的逻辑框架值得参考，我使用得比较多的是思维导图，它可以层层抽丝剥茧，让你了解每一条链路如何展开。其他相关的逻辑框架还有金字塔原理、MECE原则等。

在校大学生如何培养互联网商业思维？

互联网产品不外乎就是用户增长和变现这两大视角，想要培养自己的互联网商业思维，可以从身边经常使用的互联网产品入手，去思考这款产品是怎么实现这两个目标的。例如，你看B站，那么你就可以思考如何成为一个头部的UP主；你使用百度百科，那么你就可以思考百度要如何通过这款产品获得收益。

也许你还关心……在巨大的不确定性面前，什么才是“稳定的”

原标题：《想当数据分析师？你真的了解这个职业吗 | 职场+》

我要回帖

更多关于 数据分析四个步骤是什么 的文章

 

随机推荐