1.2 數據分析的職業發展及分類

數據分析的職業發展分為技術路線和管理路線。技術路線分為數據分析助理、數據分析專員、初級數據分析師、中級數據分析師、高級數據分析師、資深數據分析師、數據科學家等；管理路線分為數據分析主管、數據分析經理、數據分析總監、首席數據官等。

從工作內容上劃分，數據分析的職位主要分為兩大類：業務數據分析和數據挖掘算法研發，如圖1-8所示。下面分別對這兩類職位的基本要求和職能進行詳細介紹。

1.業務數據分析

● 熟悉行業知識、公司業務及流程，有自己獨到的見解，能夠根據分析結論驅動業務決策。

● 熟練的溝通技巧，需要和運營、產品、市場、技術、客服等部門打交道。

● 掌握數據分析思路、分析理論以及數據分析方法，并能靈活運用到實際工作中。

● 熟練掌握數據分析相應工具，包括Excel、SQL、SPSS、R、Python、SAS、Tableau、PowerBI等軟件；熟悉常見的算法，了解產品和運營的分析思路，能拿出業務優化方案并促進落地等。

● 職位主要細分為數據運營專員、業務分析師、運營分析師、商業分析師、BI分析師、數據產品經理等。

2.數據挖掘算法研發

● 熟悉公司業務及流程，推動數據挖掘理論在不同場景的落地，解決產品線、企業經營等方面的實際問題。

● 扎實的統計學、數據挖掘、機器學習理論基礎，能夠利用高等數學知識推演高維數學模型。熟悉聚類、分類、回歸、圖模型等機器學習算法，對常見的核心算法理解透徹，有實際建模經驗。

● 具備扎實的計算機操作系統、數據結構等理論基礎，熟練掌握大數據依賴的計算機技術，包括：操作系統（Linux、shell等）、實時流計算（Spark、Storm）、海量數據處理（Hadoop、Hbase、Hive）、開發語言（C、C++、Java、Scala等）、數據分析與機器學習框架（R、Python、TensorFlow、Mahout等）。

● 職位細分主要為數據挖掘工程師、數據算法工程師、數據開發工程師、數據研發工程師、機器學習工程師等。