做數據分析前我們首先要明確分析目的和內容，對于數據分析師而言，他們的進階需求無外乎是各個企業對數據分析師的職位要求。在前程無憂、中華英才網以及智聯招聘上，我們隨便搜索下數據分析的崗位信息，都能找到大量類似于下面的一些職位要求信息：

別看崗位職責，任職要求這么多，說白了主要就三點要求：1）對相關業務的理解；2）掌握一到二種數據分析工具；3）良好的溝通?？赡懿煌墓疽驗樾枨蟛煌?，會在要求上有點小小的不同，而這個不同主要集中在數據庫上。了解數據分析師的具體需求之前，我們有必要先了解數據分析師的職位體系。
 
數據分析師的職位體系

在傳統行業中，數據分析更多存在移動、銀行、超市等行業，在這些行業中你才會偶爾聽到數據分析師這個職位，也許更多是聽到數據挖掘工程師、數據建模師。在中國也許只在電信的項目中，才會存在真正的意義上的數據挖掘。
 
數據行業從廣義上講可以分為以下幾個職位：
 
1、數據分析師
 
更注意是對數據、數據指標的解讀，通過對數據的分析，來解決商業問題。主要有以下幾個次層次：

• 業務監控：診斷當前業務是否正常？是否存在問題？業務發展是否達到預期（KPI）？如果沒有達到預期，問主要問題在哪？是什么原因引起的？
• 建立分析體系：這些數據分析師已經對業務有一定的理解，對業務也相對比較熟悉，更多幫業務方建立一套分析體系，或者更高級是做成數據產品。例如：營銷活動。分析師會告訴業務方，在活動前你應該分析哪些數據，從而制定恰當的營銷計劃。在營銷過程中，你應該看哪些數據，從而及時做出營銷活動調整。在營銷活動，應該如何進行活動效果評估。
• 行業未來發展的趨勢分析：這應該是數據分析師最高級別，有的公司叫做戰略分析師/商業分析師。這個層次的數據分析師站的更高，在行業、宏觀的層面進行業務分析，預測未來行業的發展，競爭對手的業務構成，幫助公司制定戰略發展計劃，并及時跟蹤、分析市場動態，從而及時對戰略進行不斷優化。

 
主要技能要求：
 
數據庫知識（SQL至少要熟悉）、基本的統計分析知識、EXCEL要相當熟悉，對SPSS或SAS有一定的了解，對于與網站相關的業務還可能要求掌握GA等網站分析工具，當然PPT也是必備的。
 
2、數據挖掘工程師
 
更多是通過對海量數據進行挖掘，尋找數據的存在模式、或者說規律，從而通過數據挖掘來解決具體問題。數據挖掘更多是針對某一個具體的問題，是以解決具體問題為導向的。例如：聚類分析，通過對于會員各種人口統計學、行為數據進行分析，對會員進行分類，對不同的類型的會員建立相應的profiling，從而更好的理解會員，知道公司會員是到底如何？高、中、低低價值的會員構成，既可以后期各種會員的運營提供指導，提高活動效率，可以指導公司的營銷，例如廣告的投放策略。以及用于公司各種戰略的制定。
 
主要技能要求：

• 數據庫必須精通。很多時候，你模型的數據預處理，可能完成在數據庫里完成，你用到的數據庫技巧更高。
• 必須要會成熟的數據挖掘工具、數據挖掘算法，例如：SPSS/CELEMENTINE、SAS/EM等，當然如果你會一、二款開源軟件，并會寫一些程序代碼那是最好的，大公司都喜歡用開源的軟件，例如：R、WEKA。
• 數據建模師

這個職位與數據挖掘工程師還是有本質區別的。數據建模師，更多偏向于中、小數據量，而且其使用更多更多是統計學的方法，而數據挖掘中的例如：決策樹、神經網絡、SVM等在這里是根據不會涉及的。
 
當然二者有一個共同之處都是，針對很具體的問題，都是會解決某個具體問題，例如：營銷反應率，你就可能歷史的郵箱、短信的反應情況，來建模型進行預測，從而提高郵件反應率，或者減少對用戶來說的“垃圾”郵箱，提高用戶體驗。所以從掌握的技能上講，這二者就有很大的區別，數據建模師其實很少會提到算法這個詞，更多說使用什么模型，有感覺嗎？但是從實務界來看，這二個模型越來越沒有明確的分工，一般來說都會二個職位的人都會去學習對方的知識，所以這二個職位有合并的趨勢，但在未來幾年來，我覺得公司要招人的時候應該還是要有區別的。
 
新進入數據行業的同學，可以根據自己的背景背景選擇相應的職位，學數據、統計學的朋友更多可以偏向于建模師，而計算機特別是寫編程出現和同學，可以走數據挖掘工程師，也許適應性更好，但這不是絕對的。
 
數據分析師的職位級別劃分
 
不同公司對數據分析師的職位劃分騷有不同，在一些中小型企業，沒有成立獨立的數據中心前，數據分析的相關職位往往是在譬如市場部、運營部這些部門之下，通常數據分析成員在2-4人不等。對于一些大型企業，有獨立的數據部門的企業，其數據分析團隊人員則是十到百人不等，其職位頭銜有通俗的總監、經理、主管劃分，也有助理、資深、專家之類的劃分。下面是一張微博上傳的比較火的某集團的數據分析師職位級別劃分圖表，大家可根據自身的情況對號入座。