第6問：數據分析領域主要的崗位有哪些？

導讀：隨著大數據的興起，數據分析相關的招聘也越來越多，但很多人對該領域的很多職位和工作內容仍然不是很了解。目前，數據分析領域主要有以下幾類崗位：業務數據分析師、商業數據分析師、數據運營、數據產品經理、數據工程師、數據科學家等，按照工作側重點不同，本問將上述崗位分為偏業務和偏技術兩大類，并對每個崗位按照下圖所示技能棧進行分析，闡述不同崗位的特點。

1．偏業務方向的數據分析崗位

偏業務方向的數據分析崗位一般歸屬于業務部門，有業務數據分析師、商業分析師、數據運營、數據產品經理等，該類崗位的職位描述如下圖所示。

（1）業務數據分析師。

業務數據分析師需要將業務數據體系化，建立一套完善的指標體系，并完成數據提取、清洗、多維度分析及預測等工作，并生成策略推動落地。數據分析師可以基于指標體系進行拆解，逐層細化，抽絲剝繭，找到問題的根因。指標體系如果需要自動化監控，還需要進行BI報表開發，所以數據分析師也需要了解一些BI工程師的知識。

該崗位所要具備的技能棧如下圖所示。

（2）商業分析師。

商業分析偏向經營和戰略方向的分析，一般更加宏觀，通常涉及業績目標制定、各個渠道經營狀況監控、業績指標異常監控和量化歸因并為決策者提供決策依據，同時還需要有敏銳的商業嗅覺，對市場、競對有較為全面的認知，能快速察覺政策、競對、市場風向等，并及時做出響應。

例如，想要開一家快遞驛站，首先需要考慮在哪里開，這就要調查居民密度、居民消費能力、競爭對手、線上消費能力等因素。這些分析更加宏觀，數據來源廣泛，而且需要一些調研進行定性研究，和業務數據分析這種微觀的分析有一些差異。

該崗位所要具備的技能棧如下圖所示。

（3）數據運營。

數據運營主要負責運營相關數據的分析，為日常運營提供數據支持，協助運營人員制定運營策略和方案落地。

以活躍指標的下跌為例，需要分析的問題有：活躍指標下跌了多少？是屬于合理的數據波動，還是異常波動？什么時候開始下跌？是整體的活躍用戶下跌，還是部分用戶？為什么下跌？是產品版本迭代，還是運營效果不佳？怎么解決下跌的問題？

該崗位所要具備的技能棧如下圖所示。

（4）數據產品經理。

這個崗位比較新，要求同時具備產品經理和數據分析師的技能。它有兩種定位：一種是具備強數據分析能力的產品經理，另一種是公司數據產品的規劃者。

前者以數據為導向優化和改進產品。產品經理有更多的機會接觸業務，可以順便把數據分析師的活也干了，屬于一專多能的典型。大到頁面布局、路徑規劃，小到按鈕的顏色和樣式，數據產品經理都可以通過數據指標評估，擅長用分析進行決策。

后者是真正意義上的數據產品經理。隨著數據量的與日俱增，會有不少與數據相關的產品項目，如大數據平臺、埋點采集系統、數據可視化系統等。這些也是產品，但是更注重數據呈現，也需要提煉需求、設計、規劃、項目排期，乃至落地。

該崗位所要具備的技能棧如下圖所示。

2．偏技術方向的數據分析崗位

偏技術方向的數據分析崗位有數據開發工程師、數據挖掘工程師、算法工程師等，該類崗位有的歸屬研發部門，有的則單獨成立數據部門。與偏業務方向的數據分析崗位相比，偏技術方向的數據分析崗位要求有更高的數理知識以及開發能力。

（1）數據開發工程師。

數據開發工程師更偏數據底層，其工作內容有數據采集、清洗、存儲、建設數據倉庫、數據應用、建設數據平臺等。這個崗位基本不涉及數據分析的能力，而對大數據處理能力要求較高，需要較強的編程及架構設計能力。

在很多中小型公司，由于人力有限，數據分析師還會承擔一部分數據開發工程師的工作，兼做一部分數據清洗、ETL和數據表開發的工作。

該崗位所要具備的技能棧如下圖所示。

（2）數據挖掘工程師。

從概念上說，數據挖掘是通過一些數據挖掘算法（如分類、聚類、回歸、預測、協同過濾、關聯規則等）挖掘海量數據背后的業務價值。

如尋找共享單車最大效率的投放策略就是數據挖掘的工作范疇。數據挖掘工程師除了需要掌握算法基本原理，還需要很強的編程能力，如Python、Scala、Java，往往也要求具備Hadoop/Spark的工程實踐經驗。單看工作內容，數據挖掘對分析能力沒有業務型數據分析那么高，但這不代表業務不重要，尤其在特征選取方面，對業務的理解很大程度會影響特征的選取，進而影響模型效果。

該崗位所要具備的技能棧如下圖所示。

（3）算法工程師。

數據挖掘工程師可以繼續精進成為算法工程師，后者對理論要求更高，不局限于簡單的分類或者回歸，還包括圖像識別、自然語言處理、深度學習等領域。深度學習更前沿，它由神經網絡發展而來。因為各類框架、模型較多，算法工程師除了要求熟悉TensorFlow、 Caffe、MXNet等深度學習框架，對模型的應用和調參也是必備的，后者往往是普通“碼農”和“大牛”的區別之處。

該崗位所要具備的技能棧如下圖所示。

3．小結

上面介紹了數據分析相關崗位的主要工作內容，以及不同崗位之間的區別，大家可以基于自己的興趣和特長選擇相應的崗位。一般來說，對于新人，比較適合的發展路線是先成為一名業務數據分析師，積累一定的經驗后，再決定是向商業分析、數據挖掘方向發展，還是精進成為數據運營經理、數據分析經理等管理層。但無論是偏業務的崗位還是偏技術的崗位，要想借助數據驅動業務產生價值，必須是業務和技術并重，業務是終極目的，技術是實現業務的手段，兩者相輔相成，缺一不可。