數據分析師屬于哪種崗位_數據分析師

數據分析師屬于哪種崗位？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：
  1）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？
  2）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。
  3）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：

  1）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。
  2）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。

3、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。數據分析師