常見的幾種“分析”概念

在業務實踐中，有很多“分析”概念會讓大家感到疑惑，從而直接影響從業者的職業規劃，其包括職業定位、發展路線等。因此有必要將幾種最常見的“分析”概念進行介紹，為大家今后的職業定位和發展提供幫助。

1.數據統計

數據統計是對最初級的數據從業者的定位，其含義如其字面意思——統計，具體工作是從海量數據中進行數據提取、數據清洗、數據匯總和基本輸出工作。數據統計是所有公司必不可少的工作內容，由于該工作不需要具有太高的技術含量，因此其替代性非常強，通常該工作會通過數據產品自動化來實現。

數據統計要求從業者具有良好的數據提取和處理能力，核心需求能力是能熟練掌握SQL的使用技能及Excel的使用技能，這是從業者職業發展的開始。

統計類工作的定位一般是初級分析師或數據分析員。我們常見的統計工作如日報、周報、月報、季報、年報等，直接陳列數據、報表等類型的報告皆屬于此類工作的典型內容。

2.數據分析

數據分析是在數據統計基礎上的必要延伸，也是數據從業者的必經階段。數據分析的基本流程通常包括需求收集、需求處理、需求評估、數據準備、數據分析、數據展現，除了基本流程外，通常還會包括業務溝通、業務優化等過程。數據分析的需求常見于大中型公司，小型公司的分析類需求較少，更多的是側重于統計需求。

數據分析對從業者的要求較數據統計高，需要從業者具備良好的數據處理和分析能力，同時由于數據要符合落地性的需求，要求從業者需要具備基本的業務常識和經驗，以保證數據分析的結果有用、可用、易用，進而推動業務人員理解數據、分析業務、優化業務。

分析類工作根據從業者的層次不同，通常會分為中級分析師、高級分析師、首席分析師等，不同公司對分析師的級別定義不同，但作為中高級分析師，其關注點不僅是數據本身，而是更側重于從數據中挖掘價值、發現業務，進而優化其可優化的節點。常見的分析類工作包括專項類分析、市場類分析、項目類分析等。

3.數據挖掘

數據挖掘嚴格意義上屬于數據分析的一部分，但由于其獨特的技術技能要求及應用領域，已經從數據分析中脫離出來形成單獨的數據職業。數據挖掘是指從海量的數據中挖掘其隱含的、潛在的數據價值的過程，側重點是針對未知知識的探索。

數據挖掘要求從業者在人工智能、機器學習等挖掘技術中至少掌握一門數據挖掘技術，并且需要特定程序和語言進行輸出，展示層面需要具有一定的可視化技術來解釋挖掘結果和價值，因此具有較高的數據從業要求。

數據挖掘從業者的公司定位，根據面向對象的不同可分為以下兩種。

業務類數據挖掘工程師：其側重點是運用數據挖掘算法為業務提供數據分析和挖掘價值點，直接優化業務運作。

技術類數據挖掘工程師：其側重點是通過數據挖掘算法的優化和改進，為數據產品如DSP、RTB、個性化推薦等提供算法支持，是整個數據產品的重要環節。