1. 首頁 > 生活百科 >

數據分析師的職業要求 高級數據分析師要求


作為一名多年奮斗在業務前線的數據分析師 ， 本著學習的態度 ， 想要提升一下自己 。準備以一個初學者的心態重新學一下數據分析 。發現現在的數據分析課程 ， 動不動就打包了Python、Hadoop、java、R、HIVE、SQL、Spark等工具 。這些工具別說用了 ， 很多我聽都沒聽過 。相信很多小伙伴肯定也有著類似的經歷 ， 那一個初學者面對如此多的課程要從何入手呢？
【數據分析師的職業要求 高級數據分析師要求】要回答這個問題 ， 首先我們要弄清楚自己的職業規劃是什么？學習數據分析的初心是什么？如果你的答案是解決現有業務問題 ， 那接下來的文章你一定要看完 。但如果你是要找一個offer ， 那你也可以參考本文找到自己未來的職業定位 。
數據分析師是一個很范的概念 ， 就好像別人問你 ， 同學你是學什么專業的？你回答我是一名理科生 。數據分析師有很多個方向 ， 但總的來說可以分為三大類：業務分析師 ， 數據工程師 ， 數據科學家 。
業務分析師
大多數有意從事數據分析領域工作的人 ， 最初都是業務分析師 。成為業務分析師資格相對簡單 ， 但是想做得很厲害卻很難 。他們的主要工作是通過分析數據 ， 幫助公司做出決策 。事實上我不認為存在單純意義上的業務分析師 ， 他們往往有多重身份 。他們可能是市場部的專員 ， 亦或是商品部的主管 ， 亦或是企業高層 。雖然身份不同 ， 但是只要是通過數據指導業務進展的人 ， 都可以被稱為業務分析師 。
請記住：任何不以業務為基礎的數據分析都是在耍流氓
當然業務分析師也有專業的 ， 他們是站在業務分析師塔尖的人物 。他們通過數據建模 ， 數據可視化 ， 機器學習將原本需要一群人完成分析任務一個人搞定 。這種獨孤求敗式的人可以說是萬中無一 。因為在組織中 ， 這種人要比業務人員更了解業務細節 ， 比IT人員更懂信息架構 ， 比管理人員看得更遠更廣 。
從上述描述中你應該能看出來 ， 所謂的業務分析師 ， 其實不需要懂太多的技能 ， Excel足以 。其實 ， 現在很多企業還是ERP+Excel在辦公 。不要把數據分析當成是多么遙不可及的事物 ， 腳踏實地一步步前進才是王道 。在一個個業務問題中不斷得磨礪自己的技能 ， 我不需要比所有人都厲害 ， 只需要比身邊的同事多學一點 ， 多了解一點 ， 下次升職加薪就有主動權 。
那有的同學就要問了 ， 難道做業務分析的人不需要懂SQL ， Python這些工具嗎？其實 ， 還真不一定要學 。大部分的公司用的ERP都是SaaS平臺（用瀏覽器打開的那種） ， 你根本拿不到數據庫 ， 學什么SQL 。
另外大部分的需求現在的Excel都能完成 ， 學Python完全沒有必要 。不信你可以問問那些大牛 ， 有幾個是日常工作python不離手的 。這些東西在你職業生涯遇到瓶頸的時候再學也不遲 ， 過早接觸反而不利于職業發展 。
數據工程師
現在很多公司往往擁有不止一個系統 ， 做分析時候經常需要從各個系統中抽取 。例如：需要銷售數據從ERP（資源管理系統）中抽取 ， 需要財務數據從財務軟件中抽取 ， 需要供應鏈數據從WMS（倉儲管理系統）中抽取 。這也就導致了現在數據中臺泛濫的原因 ， 同時也為一個職業興起奠定了基礎 。
數據工程師從名字中就可以看出 ， 是偏向于工科的 。他們的主要工作是為業務分析師提供數據保障 ， 他們需要具有創建和集成API的能力 ， 同時還需要擁有IT知識運維和優化數據庫的性能 。所以SQL是數據工程師的必備語言 ， 同時因為要從各個系統中把數據抽取出來 ， 所以需要對于ETL很了解 。當然最好還要擁有爬蟲和機器學習的能力 。
數據科學家
傳統公司往往不需要數據科學家 ， 他們既然被稱為科學家其實是偏向于理科的 。對于數學的要求是比較高的 ， 需要擁有統計學的相關知識 。同時對于Python R SAS 需要精通 。因為他們往往需要與大量的數據打交道 ， 所以對于分布式算法也是必須掌握的 。因此免費開源的Hadoop系列（Hive Spark）也是要精通的 。
數據科學家其實也可以被稱作高級業務分析師 ， 因為 ， 他們本質上也是要從數據中發現商業價值 ， 只不多是通過數據挖掘的手段 。其實 ， 數據挖掘并不神秘 ， 只是把原來需要業務分析師花費大量精力才能得出的結論 。數據科學家通過統計學的方法得出來僅此而已 。
最后 ， 用一個不嚴謹的說法來做一個總結吧 。如果說業務分析師是文科 ， 那么數據工程師就是工科 ， 而數據科學家就是理科 。如果站在公司老板的角度考慮這三個角色 ， 數據工程師是做基礎的 ， 數據科學家是設計框架的 ， 而業務分析師是具體實施的 。

    推薦閱讀