第6问：数据分析领域主要的岗位有哪些？

导读：随着大数据的兴起，数据分析相关的招聘也越来越多，但很多人对该领域的很多职位和工作内容仍然不是很了解。目前，数据分析领域主要有以下几类岗位：业务数据分析师、商业数据分析师、数据运营、数据产品经理、数据工程师、数据科学家等，按照工作侧重点不同，本问将上述岗位分为偏业务和偏技术两大类，并对每个岗位按照下图所示技能栈进行分析，阐述不同岗位的特点。

1．偏业务方向的数据分析岗位

偏业务方向的数据分析岗位一般归属于业务部门，有业务数据分析师、商业分析师、数据运营、数据产品经理等，该类岗位的职位描述如下图所示。

（1）业务数据分析师。

业务数据分析师需要将业务数据体系化，建立一套完善的指标体系，并完成数据提取、清洗、多维度分析及预测等工作，并生成策略推动落地。数据分析师可以基于指标体系进行拆解，逐层细化，抽丝剥茧，找到问题的根因。指标体系如果需要自动化监控，还需要进行BI报表开发，所以数据分析师也需要了解一些BI工程师的知识。

该岗位所要具备的技能栈如下图所示。

（2）商业分析师。

商业分析偏向经营和战略方向的分析，一般更加宏观，通常涉及业绩目标制定、各个渠道经营状况监控、业绩指标异常监控和量化归因并为决策者提供决策依据，同时还需要有敏锐的商业嗅觉，对市场、竞对有较为全面的认知，能快速察觉政策、竞对、市场风向等，并及时做出响应。

例如，想要开一家快递驿站，首先需要考虑在哪里开，这就要调查居民密度、居民消费能力、竞争对手、线上消费能力等因素。这些分析更加宏观，数据来源广泛，而且需要一些调研进行定性研究，和业务数据分析这种微观的分析有一些差异。

该岗位所要具备的技能栈如下图所示。

（3）数据运营。

数据运营主要负责运营相关数据的分析，为日常运营提供数据支持，协助运营人员制定运营策略和方案落地。

以活跃指标的下跌为例，需要分析的问题有：活跃指标下跌了多少？是属于合理的数据波动，还是异常波动？什么时候开始下跌？是整体的活跃用户下跌，还是部分用户？为什么下跌？是产品版本迭代，还是运营效果不佳？怎么解决下跌的问题？

该岗位所要具备的技能栈如下图所示。

（4）数据产品经理。

这个岗位比较新，要求同时具备产品经理和数据分析师的技能。它有两种定位：一种是具备强数据分析能力的产品经理，另一种是公司数据产品的规划者。

前者以数据为导向优化和改进产品。产品经理有更多的机会接触业务，可以顺便把数据分析师的活也干了，属于一专多能的典型。大到页面布局、路径规划，小到按钮的颜色和样式，数据产品经理都可以通过数据指标评估，擅长用分析进行决策。

后者是真正意义上的数据产品经理。随着数据量的与日俱增，会有不少与数据相关的产品项目，如大数据平台、埋点采集系统、数据可视化系统等。这些也是产品，但是更注重数据呈现，也需要提炼需求、设计、规划、项目排期，乃至落地。

该岗位所要具备的技能栈如下图所示。

2．偏技术方向的数据分析岗位

偏技术方向的数据分析岗位有数据开发工程师、数据挖掘工程师、算法工程师等，该类岗位有的归属研发部门，有的则单独成立数据部门。与偏业务方向的数据分析岗位相比，偏技术方向的数据分析岗位要求有更高的数理知识以及开发能力。

（1）数据开发工程师。

数据开发工程师更偏数据底层，其工作内容有数据采集、清洗、存储、建设数据仓库、数据应用、建设数据平台等。这个岗位基本不涉及数据分析的能力，而对大数据处理能力要求较高，需要较强的编程及架构设计能力。

在很多中小型公司，由于人力有限，数据分析师还会承担一部分数据开发工程师的工作，兼做一部分数据清洗、ETL和数据表开发的工作。

该岗位所要具备的技能栈如下图所示。

（2）数据挖掘工程师。

从概念上说，数据挖掘是通过一些数据挖掘算法（如分类、聚类、回归、预测、协同过滤、关联规则等）挖掘海量数据背后的业务价值。

如寻找共享单车最大效率的投放策略就是数据挖掘的工作范畴。数据挖掘工程师除了需要掌握算法基本原理，还需要很强的编程能力，如Python、Scala、Java，往往也要求具备Hadoop/Spark的工程实践经验。单看工作内容，数据挖掘对分析能力没有业务型数据分析那么高，但这不代表业务不重要，尤其在特征选取方面，对业务的理解很大程度会影响特征的选取，进而影响模型效果。

该岗位所要具备的技能栈如下图所示。

（3）算法工程师。

数据挖掘工程师可以继续精进成为算法工程师，后者对理论要求更高，不局限于简单的分类或者回归，还包括图像识别、自然语言处理、深度学习等领域。深度学习更前沿，它由神经网络发展而来。因为各类框架、模型较多，算法工程师除了要求熟悉TensorFlow、 Caffe、MXNet等深度学习框架，对模型的应用和调参也是必备的，后者往往是普通“码农”和“大牛”的区别之处。

该岗位所要具备的技能栈如下图所示。

3．小结

上面介绍了数据分析相关岗位的主要工作内容，以及不同岗位之间的区别，大家可以基于自己的兴趣和特长选择相应的岗位。一般来说，对于新人，比较适合的发展路线是先成为一名业务数据分析师，积累一定的经验后，再决定是向商业分析、数据挖掘方向发展，还是精进成为数据运营经理、数据分析经理等管理层。但无论是偏业务的岗位还是偏技术的岗位，要想借助数据驱动业务产生价值，必须是业务和技术并重，业务是终极目的，技术是实现业务的手段，两者相辅相成，缺一不可。