自2018年開始，數據分析師的崗位就開始火熱，很多培訓機構開始瘋狂的鼓吹數據分析人口如何稀缺以及數據分析如何高薪。在看招聘機會的時候，很多JD崗位描述里具備Python，數據挖掘算法等，所以很多人花了大量的時間學習Python和機器學習，其實工作中可能幾乎都用不到。JD也多半是用人部門說要招一個數據分析師，然后HR直接從某處粘貼過來的，造成了應聘者的困惑，不知道具體是干嘛的。

接下來給大家聊下互聯網數據分析師的類型以及未來潛在的發展路徑。

01數據分析師種類

要聊數據分析師，首先得從數據開始，了解互聯網公司的數據流程，可以參照下方的這個流程圖，通過流程我們可以識別數據分析師的種類。

通過這個圖由下往上我們可以看到三大類型的數據分析師：數據開發層，數據智能應用層，業務解讀層。02程序猿-數據開發類

數據開發是偏技術序列的數據分析師。這里的崗位主要分為兩類：

一類是數據倉庫型同學。工作內容涉及數據底層表，數據模型搭建，進行ETL轉換建立維度表，針對業務線建立hive報表，還有spark與hadoop這種大數據平臺的分析師。

還有一類是偏算法與數據挖掘的分析師。就是主要根據需要建立一些用戶的打標簽體系，比如根據用戶的消費維度，瀏覽維度等等進行打標簽。還有一塊是根據用戶相關標簽進行推薦算法的應用。

相對來說數倉的技術門檻略低一些，人數相對較多，這塊的發展路徑就是技術序列往上爬，到數據庫，算法經理/總監等。

03搞數據的產品經理

數據產品部分屬于數據應用層，根據業務方的需求，將一些常見看數取數的以產品的形式呈現。這塊也主要分為3種類型：

一種是提供查數取數的平臺化數據產品，對象是分析師的大數據的取數平臺（主要是SQL語言來查詢），對象是運營和業務人員的報表與數據集取數平臺（通過幾個維度字段篩選）。

還有一種是將常見看數的場景以可視化的平臺展現（方便業績走勢和區域達成，搜索詞熱度排名與收益情況等），像淘寶就有提供的針對商家的生意參謀這種的數據產品，自媒體平臺像微信公眾號也有數據產品看自己文章的一些維度的數據圖。

最后一塊是現在比較火的數據中臺，將各業務線數據打通，然后提供統一的數據標簽接口，攜程內部是由數據智能部中在打造這一塊，屬于在發展階段。

這塊的發展路徑可以走數據產品經理路線，是既要有數據分析技能也要有產品設計管理的技能，比較新興的一塊領域。

04業務分析師型

數據的解讀層就是目前人數需求最多的偏業務型的數據分析師，也是入門門檻最低的崗位。這種數據分析師由于相對技術的同學來說是靠近業務的，業務的領域更多的是跟對接需求的領域是相關的，領域取決于業務模塊類型。

業務型分析師的主要工作內容我覺得理解成一句話就是數據需求項目管理，對接業務線的需求方，然后溝通相關需求，了解業務背景，最后通過數據處理與分析輸出結果，最后與相關方確認結論后，實現項目交付。

日常3塊工作主要是：

1- 臨時性的取數；這是一個數據分析師剛到一家公司起步的時候做的最多的工作，首先是一些略復雜的取數需求，業務方自己能力無法實現，也有來自老板想要看一些數據，在這個同時可以熟悉一些數據口徑，和對于數據背后業務意義有更多的理解。

2- 建立指標監控體系；接地氣一點就是做報表。根據業務線KPI關心的內容建立指標監控報表，輸出周期性的業務周報月報。

3- 數據分析項目，主要是業務線的異常原因分析，加上一些數據分析專項項目（比如一些場景的描述性統計洞察，一些基本的回歸預測模型）。

從工作場景基本上可以看出，絕大部分場景是SQL取數/或者數據集取數，然后excel可以作圖制作報告，很少的建模場景會用到Python。

沒有那么技術，也沒有那么業務，所以好入門，也很容易被替代，想成為數據分析專家，重點是懂業務的基礎上加一些分析思路，這才是靈魂。