都叫做數據分析師，為什麼一個要求Excel，另一個要求C++？在看招聘需求的時候常常會遇到這種情況，今天我們就來聊清楚數據分析的各類崗位！

數據分析是這幾年的顯學，無論是Google/Facebook/亞馬遜這類巨頭，還是名不見經傳的十幾人的小企業，都在招聘數據分析人才。但我們發現都是做數據分析，但要求卻全然不同，這裡確實有數據分析職稱命名尚未規範導致的。今天我們從數據分析的流程來詳細聊一聊：數據採集和存儲、數據提取和分析、數據展現和應用三個環節。

1、數據採集和儲存

數據採集負責收集各種各樣的原始數據，收集上來的數據需要儲存，往往因為高流量，需要保證數據穩定性，會採用Flume+Kafka，如果有實時統計要求，還要考慮到流數據。

負責這類數據底層的工程實現和架構工作的，一般而言職位Title會是數據架構師、大數據分析師、數據倉儲、數據技術，其實應該叫做數據分析開發工程師，一般歸屬到技術部，很多工作是圍繞ETL/DW/BI進行，包括原始數據的再加工與數據清洗。需要掌握的知識從最初的SQL，到了解Hadoop集群、了解presto/impala/spark、了解ELK、了解分布式存儲和NOSQL、了解SPark/Hive/MapReduce/JSON/Java/C++······具體要看企業的要求。

這類崗位發展，技術更新速度比較快，所以需要保持吸收以及活用開源。

2、數據提取和分析

這裡可以分為技術方向與業務方向。

技術方向的數據分析師

Title通常為高級數據分析師、演算法分析師、演算法工程師，其實是指數據探勘工程師，有些歸類在研發部門，有些則屬於單獨的數據部門。數據探勘工程師要求很高統計學能力、數理能力以及程式碼技巧。要了解機器學習和常用的演演算法，同樣需要程式碼能力去實現，不論R、Python、Scala/Java，至少掌握一種。模型的實施，往往也要求Hadoop/Spark的工程實踐經驗，精通SQL/Hive是必須的。數據探勘工程師，往後發展，稱為演演算法專家、深度學習專家、數據科學家。

業務方向的數據分析師。

Title一般為數據分析專員、數據運營、商業分析師、數據分析師、BI分析師、大數據研究員，一般屬於運營部門。
絕大部分人，都是從這個崗位開始自己的數據分析之路的，也是數量最大的崗位。數據分析思維和業務的理解，是數據分析師賴以生存的技能。很多時候，工具是錦上添花的作用。要求的技能為Excel, PPT, SQL, Hive, Spark, R, Python, Tableau，FineBI等。數據分析師往後發展則稱為數據運營經理/總監，數據分析經理等。

3、數據展現和應用

來自帆軟FineReport的資料視覺化展示

快速、即時、美觀的展示視覺化報表，並根據報表的內容指導運營決策，這就是數據展示和應用的過程。Title一般包含報表開發工程師、BI系統開發、BI分析師、BI系統分析師、BI產品經理等，負責報表BI系統的導入、開發，要求的技能與第一條中數據採集存儲類似，還要熟悉資料視覺化的工具使用。當然，資料視覺化工具又是一個大議題，需求不同需要不同的工具實現，種類也很多，以後詳談。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！