都是做数据分析工作的，差别这么大？
亲爱的读者，你也是做数据分析工作的吗？还是你有做数据分析工作的同事或朋友，不知道你对数据分析工程师的工作是个怎样的认识呢？
是整天吭呲吭呲，“提数小哥”一枚，还是整天模型调参，“算法大师”一个？
你可能会说，不对啊，我们公司的数据分析整天都在整理数据结果，做PPT，然后在会议上汇报，做总结啊！
是的，没错，你说的也是数据分析，只是此数据分析与彼数据分析之间差别有点大而已。
哈哈.. 请注意，作者说的是差别哦，不是差距，并没有大神与菜鸟之分，接下来跟着作者来见识一下数据分析工作的万象丛生吧！
大部分数据分析工程师在就业之初或者再次择业的时候，往往将薪酬和技能要求放在参考的首位，再结合公司的基本情况作出择业选择。
其实，如果能够再深入思考或者了解一下，你会认识到，数据分析最终分析的都是具体的业务，每个公司或者一个公司的不同部门处理的具体业务各不相同。
你选择进入一家公司或者一家公司的不同部门，很可能就决定了你进入的是哪一个领域，不同领域有不同的知识结构，这些往往就决定了你的基本技能树和技能点。
譬如金融领域的风控模型、营销领域的生命周期、广告领域的点击率预估等等，各有各的特色。
不同领域的数据分析岗会给人截然不同的感受，说的夸张点，甚至于衣食住行，都是各有各的level。隔行如隔山，甚至可能还是座金山哦。
所以，亲爱的读者朋友们，如果你们也在数据分析的这条道路上砥砺前行，一定要着重考虑下，你到底想成为哪个领域的数据分析师？
至于该从哪几个方面去考虑这个问题，个人认为主要有四个方面吧。
自己感兴趣
自己擅长
有前途
有钱途
如开篇所述，有的数据分析师整天“提数”，有的整天搞模型，有的整天做PPT，看上去他们也并不是初级、中级和高级之分啊。
是的，那么是什么决定了他们坐在不同的职能岗位上与数据打交道呢？那就是他们每个人选择的不同职业发展路线。
这也是大数据分析岗的优势所在，因为它既需要与业务紧密结合，又可以接触到很多的大数据技术，所以数据分析工程师可选择的发展路线既可以偏向业务，也可以深耕技术。
数据分析涉及领域如此之多，业务线更是千差万别，职业发展更是不尽相同，在这里，作者且将其大致划分为三大路线，供大家参考指正。
1.数据分析/数据运营/商业分析
绝大部分人，都是通过这个岗位开始数据之路的，这也是基数最大的岗位，工作内容大致总结如下：
负责部门的基本数据报表
建立和优化指标体系
监控数据波动和异常
优化和驱动业务
输出各项分析报告
这类岗位多偏向业务，所以在有的公司也会称之为数据运营或者商业分析师。很多初期从事该岗位的人，都会深陷各种业务需求中，一天天的写着SQL，做着一个又一个的报表，活生生成为“报表哥”。
其实这个岗位更为重要的是一个人的数据分析思维和对业务的理解，需要你能够利用数据去解决实际业务上的各种痛点难点，能通过一个个的数据去分析其所反应的问题，从而去优化和驱动业务更好地发展。
有很多公司的首席数据官、首席增长官、数据总监等都是从这个岗位上发展起来的。
2.数据产品
数据产品，简而言之就是具备数据分析能力的产品经理。如果一个公司非常注重数据驱动业务的话，那么数据产品很可能会担当着首席数据官或者首席增长官等重要职位，甚至很可能就是公司的COO。
所以，小伙伴们，如果你现在在数据分析岗，将来有兴趣当COO，那你就可以去了解下这条路线的进阶史啦，是不是想想都很激动，哈哈。不过，我们还是先来看下这条路对我们的成长要求吧。
初级数据产品、中级数据产品和高级数据产品之间的差距可以从各大公司贴出来的人员招聘要求看出来，作者精选并整理了几个招聘信息，给大家看一下，让大家有一个初步概念。
初级数据产品
职位描述：
1. 负责产品的需求调研，规划及交互设计；
2. 持续优化迭代产品，提升产品体验；
3. 协调资源实施产品开发，跟踪进展，推进问题，确保按时保质交付；
4. 具备一定数据思维，根据用户行为和数据发现问题，分析问题及提出合理方案解决问题。
中级数据产品
职位描述：
1.负责数据分析平台的建设，覆盖产品、策略、运营等多种业务场景；
2.负责产品数据分析，发现现有产品存在的问题，推动产品的发展；
3.为增长团队提供数据分析支撑；
4.基于产品及内容进行数据分析，建立质量评估模型；
5.洞察业务各环节，构建合理的业务数据体系，赋能业务团队快速获取数据；
6.深度挖掘行业需求，探索领域数据模型和需求、领域数据应用与知识固化方法。
高级数据产品
职位描述：
1.深入了解业务，指导并支撑业务发展；
2.理解商业需求，能够运用统计，数据挖掘，机器学习的方法解决实际业务问题；
3.负责千万级商业线索的属性清洗，特征筛选，意向预测；
4.负责中小广告主客户群体的生命周期监控，客户价值挖掘，消耗增长等策略的产出。
3.数据工程
以上两条路线均偏向业务，数据工程则是由数据分析岗往技术岗深耕的路线之一，从最初的SQL，到一步步了解hadoop、spark、hdfs，了解分布式存储和NOSQL等等。
大部分公司，数据工程师不需要了解很多的算法和模型相关的知识，但需要熟悉很多的大数据基础技术原理。不过，部分公司也会将机器学习模型的部署和实现交给数据工程团队。
数据工程师的职业发展路线，可以先从分析师的SQL技能开始，逐步了解和学习数据收集、计算、处理等相关的底层知识原理及其功能实现。
数据工程主要就是提供好用方便的数据分析工具帮助数据分析师更好的来分析提取数据，同时自己也会承担一定的数据分析工作。往后发展就是初级架构师、中级架构师直至高级资深架构师。
不同的发展路线，对从业者有不同的职业技能要求，具体如下：
1.数据分析/数据运营/商业分析
要想成为一名合格的业务端的数据分析师，首先需要具备解决问题的能力。每天面对各种问题时，都需要极力去找出以下这几个问题的答案，即what、when、who、why、how。
what：问题是什么，需要清晰准确的问题描述。
when：发生异常是什么时候，看看当时有没有发生什么业务或者技术调整。
who：定位什么指标或者哪个业务点或者哪个环节上出了问题。
why：找出发生问题的原因。
how：问题怎么发生的，该怎么解决。
其次需要帮助业务部门制定完备的指标体系，这些指标需要能够及时的反应数据波动与异常。
EXCEL+SQL，再加上一点统计学方面的思维，基本能够完成大部分日常性工作，另外需要掌握一项比较方便高效的分析型可视化工具，如R或者Tableau。
2.数据产品
数据产品的工作涉及到产品的优化和调整，需要从业者能够通过分析数据从而做出决策的能力。
另外，除了基本的产品原型图绘制能力，PPT报告总结能力，清晰的沟通表达能力等，数据产品还需要能够了解前端日志打点、数据端数据接收等基础数据处理过程，以及推荐算法和机器学习模型等技术相关方面的知识。
同时，更重要的是，数据产品需要通过数据驱动业务发展，需要了解增长黑客，懂得怎么设计增长实验从拉新、留存、活跃、变现、传播等维度来驱动业务发展。
3.数据工程
关于数据工程师的职业技能树，完全可以参考下数据架构师的技能要求。本公众号刚输出的一篇文章《面试大数据分析师，你需要掌握的基础技术栈》，完美的诠释了偏向技术的大数据分析岗需要掌握哪些基础技术栈。
本文且将该文的一张图放在下面供大家参考，强烈推荐感兴趣的小伙伴可前去翻阅下这篇干货满满的面试官经验输出。
数据分析岗介于业务与技术之间，需要通过技术处理数据，需要根据数据诠释业务。
正是因为数据分析岗位的这种特殊性，所以，同样是做数据分析的，领域不同，岗位不同，有时差别就会很大。
亲爱的读者朋友们，希望读完本文，大家首先能对万象丛生的数据分析岗有个更为清晰的认识.
其次，如果你也想转大数据分析或者已经是数据分析岗，但对于未来的发展又没有太清晰的认识的话，希望本文能给你一点小小的参考哦！
-end-
还能看点啥？