数据分析与数据工程类岗位说明

1、数据分析师

解读数据，定位问题提出答案

数据分析师这群人，对于数据的处理已经不是问题了，他们的重点已经转化到怎么样去解读数据了，同样的数据，在不同人的眼中有不一致的内容。

好的数据分析师，是能通过数据找到问题，准确的定位问题，准确的找到问题产生的原因，为下一步的改进，找到机会点的人。

往往科班出身的人，欠缺的不是在处理数据上，而是在解读数据上，至于将数据和产品结合到一起，则是其更缺少的能力了。

注意是对数据、数据指标的解读，通过对数据的分析，来解决商业问题。

主要有以下几个层次：

✅ 1）业务监控：

诊断当前业务是否正常？是否存在问题？业务发展是否达到预期（KPI）？

如果没有达到预期，问主要问题在哪？是什么原因引起的？

✅2）建立分析体系：

这些数据分析师已经对业务有一定的理解，对业务也相对比较熟悉，更多帮业务方建立一套分析体系，或者更高级是做成数据产品。

🌰例如：营销活动。

分析师会告诉业务方，在活动前你应该分析哪些数据，从而制定恰当的营销计划。
在营销过程中，你应该看哪些数据，从而及时做出营销活动调整。
在营销活动，应该如何进行活动效果评估。

✅3）行业未来发展的趋势分析：

这应该是数据分析师最高级别，有的公司叫做战略分析师/商业分析师。

这个层次的数据分析师站的更高，在行业、宏观的层面进行业务分析，预测未来行业的发展，竞争对手的业务构成，帮助公司制定战略发展计划，并及时跟踪、分析市场动态，从而及时对战略进行不断优化。

2、数据挖掘工程师

更多是通过对海量数据进行挖掘，寻找数据的存在模式、或者说规律，从而通过数据挖掘来解决具体问题。

数据挖掘更多是针对某一个具体的问题，是以解决具体问题为导向的。

例如：聚类分析

通过对于会员各种人口统计学、行为数据进行分析，对会员进行分类，对不同的类型的会员建立相应的profiling

从而更好的理解会员，知道公司会员是到底如何？高、中、低低价值的会员构成，既可以为后期各种会员的运营提供指导，提高活动效率。

又可以指导公司的营销，例如广告的投放策略。以及用于公司各种战略的制定。

主要技能要求：

 ✅1）数据库必须精通。

很多时候，你模型的数据预处理，可能完成在数据库里完成，你用到的数据库技巧更高。

✅2）必须要会成熟的数据挖掘工具、数据挖掘算法

例如：SPSS/CELEMENTINE、SAS/EM等
当然如果你会一、二款开源软件，并会写一些程序代码那是最好的，大公司都喜欢用开源的软件，例如：R、WEKA。

3、数据建模师

这个职位与数据挖掘工程师还是有本质区别的。

数据建模师，更多偏向于中、小数据量，而且其使用更多更多是统计学的方法

而数据挖掘中的例如：决策树、神经网络、SVM等在这里是不会涉及的。

当然二者有一个共同之处都是，针对很具体的问题，都是会解决某个具体问题，

例如：营销反应率

你就可能历史的邮箱、短信的反应情况，来建模型进行预测，从而提高邮件反应率，或者减少对用户来说的“垃圾”邮箱，提高用户体验。

所以从掌握的技能上讲，这二者就有很大的区别，数据建模师其实很少会提到算法这个词，更多说使用什么模型。

但是从实务界来看，这二个模型越来越没有明确的分工。

一般来说都会二个职位的人都会去学习对方的知识，所以这二个职位有合并的趋势，但在未来几年来，公司要招人的时候应该还是要有区别的。🧐

新进入数据行业的同学，可以根据自己的背景选择相应的职位，学数据、统计学的朋友更多可以偏向于建模师，

而计算机特别是写编程出现和同学，可以走数据挖掘工程师，也许适应性更好，但这不是绝对的。