1.2 数据分析的职业发展及分类

数据分析的职业发展分为技术路线和管理路线。技术路线分为数据分析助理、数据分析专员、初级数据分析师、中级数据分析师、高级数据分析师、资深数据分析师、数据科学家等；管理路线分为数据分析主管、数据分析经理、数据分析总监、首席数据官等。

从工作内容上划分，数据分析的职位主要分为两大类：业务数据分析和数据挖掘算法研发，如图1-8所示。下面分别对这两类职位的基本要求和职能进行详细介绍。

图1-8 数据分析职位分类

1.业务数据分析

● 熟悉行业知识、公司业务及流程，有自己独到的见解，能够根据分析结论驱动业务决策。

● 熟练的沟通技巧，需要和运营、产品、市场、技术、客服等部门打交道。

● 掌握数据分析思路、分析理论以及数据分析方法，并能灵活运用到实际工作中。

● 熟练掌握数据分析相应工具，包括Excel、SQL、SPSS、R、Python、SAS、Tableau、PowerBI等软件；熟悉常见的算法，了解产品和运营的分析思路，能拿出业务优化方案并促进落地等。

● 职位主要细分为数据运营专员、业务分析师、运营分析师、商业分析师、BI分析师、数据产品经理等。

2.数据挖掘算法研发

● 熟悉公司业务及流程，推动数据挖掘理论在不同场景的落地，解决产品线、企业经营等方面的实际问题。

● 扎实的统计学、数据挖掘、机器学习理论基础，能够利用高等数学知识推演高维数学模型。熟悉聚类、分类、回归、图模型等机器学习算法，对常见的核心算法理解透彻，有实际建模经验。

● 具备扎实的计算机操作系统、数据结构等理论基础，熟练掌握大数据依赖的计算机技术，包括：操作系统（Linux、shell等）、实时流计算（Spark、Storm）、海量数据处理（Hadoop、Hbase、Hive）、开发语言（C、C++、Java、Scala等）、数据分析与机器学习框架（R、Python、TensorFlow、Mahout等）。

● 职位细分主要为数据挖掘工程师、数据算法工程师、数据开发工程师、数据研发工程师、机器学习工程师等。