隨著計(jì)算機(jī)存儲(chǔ)技術(shù)的發(fā)展，各行各業(yè)（包括金融證券保險(xiǎn)、游戲、咨詢、醫(yī)療、能源、通信、零售、體育等）都可以從其大數(shù)據(jù)的采集、傳輸、存儲(chǔ)、分析等各個(gè)環(huán)節(jié)產(chǎn)生巨大的經(jīng)濟(jì)價(jià)值，如此巨大的數(shù)據(jù)需要專業(yè)的人士去發(fā)現(xiàn)以及挖掘出有用的信息，給企業(yè)各個(gè)層面提供技術(shù)支持和決策引導(dǎo)，數(shù)據(jù)分析師應(yīng)運(yùn)而生。目前市場(chǎng)上合格的 大數(shù)據(jù)分析人才稀缺，所以 大數(shù)據(jù)分析師的薪資非常高，進(jìn)入行業(yè)越早的 大數(shù)據(jù)分析師，隨著實(shí)踐經(jīng)驗(yàn)的增加，身價(jià)越來越高。

職業(yè)發(fā)展與薪資

數(shù)據(jù)分析師的發(fā)展方向概括下來有兩個(gè)：一個(gè)方向是業(yè)務(wù)分析師（偏業(yè)務(wù)分析），另一個(gè)方向則是數(shù)據(jù)挖掘工程師（偏數(shù)據(jù)挖掘建模）。

業(yè)務(wù)分析師

業(yè)務(wù)分析師一般從業(yè)務(wù)的角度出發(fā)，為公司的其他部門（比如：運(yùn)營(yíng)、產(chǎn)品等）提供業(yè)務(wù)方面的數(shù)據(jù)服務(wù)，具體內(nèi)容如下：

報(bào)表開發(fā)：其他業(yè)務(wù)部門（如運(yùn)營(yíng)部、產(chǎn)品部等）會(huì)提一些需求過來，需要數(shù)據(jù)分析師幫他們做一下常規(guī)的日?qǐng)?bào)、周報(bào)、月報(bào)等；

數(shù)據(jù)監(jiān)控：數(shù)據(jù)部門經(jīng)常會(huì)根據(jù)業(yè)務(wù)需求，對(duì)關(guān)鍵性的指標(biāo)進(jìn)行監(jiān)控（如活躍度指標(biāo)、轉(zhuǎn)化率指標(biāo)、留存率等指標(biāo)），監(jiān)控不是問題，問題是數(shù)據(jù)出現(xiàn)波動(dòng)后的查因及解決方案；

數(shù)據(jù)化運(yùn)營(yíng)：說白了就是讓數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。需要將數(shù)據(jù)分析師與一線運(yùn)營(yíng)者的各自優(yōu)勢(shì)進(jìn)行搭配，實(shí)現(xiàn)數(shù)據(jù)功效的最大化；

輸出分析報(bào)告：需要數(shù)據(jù)分析師根據(jù)目標(biāo)項(xiàng)目，整理出一系列相關(guān)的分析報(bào)告，包括可視化的數(shù)據(jù)展現(xiàn)、問題的原因、可執(zhí)行的行動(dòng)方案、預(yù)期的效果等等。

對(duì)于數(shù)據(jù)分析師而言，以上的工作絕大多數(shù)通過Excel和SQL查詢語句就能搞定了。最關(guān)鍵的是數(shù)據(jù)分析思維和業(yè)務(wù)的理解，每個(gè)人所展現(xiàn)出來的能力都會(huì)有所區(qū)別和高低，關(guān)于這方面的培養(yǎng)可以多跟公司的運(yùn)營(yíng)部門同事交流、查看運(yùn)營(yíng)相關(guān)的書籍或者與有經(jīng)驗(yàn)的數(shù)據(jù)分析師進(jìn)行探討等。

數(shù)據(jù)挖掘工程師

對(duì)于數(shù)據(jù)挖掘工程師而言，更多的則是根據(jù)不同的技術(shù)性項(xiàng)目（如何實(shí)現(xiàn)動(dòng)態(tài)定價(jià)、如何預(yù)判某個(gè)事件的好壞、如何識(shí)別出不同價(jià)值的客戶等）來完成挖掘相關(guān)工作，甚至有時(shí)并不需要對(duì)數(shù)據(jù)業(yè)務(wù)非常的熟悉。對(duì)于數(shù)據(jù)挖掘來說，具體有以下這些流程步驟：

明確問題：在進(jìn)行一項(xiàng)數(shù)據(jù)挖掘項(xiàng)目之前，首先需要明確待解決的問題是什么？這個(gè)問題是否可以通過挖掘技術(shù)（預(yù)測(cè)、分類、聚類、關(guān)聯(lián)、推薦等）解決；

數(shù)據(jù)抽取：一旦明確了問題需求，就需要查找跟問題相關(guān)的數(shù)據(jù)，即從數(shù)據(jù)庫(kù)中抽取出解決問題的支撐數(shù)據(jù)、甚至是結(jié)合第三方數(shù)據(jù)（數(shù)據(jù)共享、爬蟲、合作等）；

數(shù)據(jù)清洗：由于現(xiàn)實(shí)中的數(shù)據(jù)存在異常、缺失、量綱不一致、口徑不一致等問題，需要提高數(shù)據(jù)質(zhì)量，否則算法再優(yōu)秀，結(jié)果也是有問題的；

特征工程：在干凈的數(shù)據(jù)基礎(chǔ)上還需進(jìn)一步完成特征的提取，目的是降低模型復(fù)雜度的同時(shí)下找到影響問題的核心變量（因素）；

建模：根據(jù)問題類型（預(yù)測(cè)型、分類型等）選擇合適的模型（同類問題不同模型的試算對(duì)比）進(jìn)行擬合；

模型驗(yàn)證：模型建好后，接下來就是要驗(yàn)證模型在樣本外的表現(xiàn)如何了，一定要避免模型出現(xiàn)過擬合或欠擬合的狀態(tài)；

迭代及部署：整個(gè)步驟都是一個(gè)迭代的過程，因?yàn)閿?shù)據(jù)在變動(dòng)，模型也會(huì)跟著變動(dòng)，通過不斷迭代找到最理想的模型然后實(shí)現(xiàn)線上的部署工作；

在這些過程當(dāng)中，絕大多數(shù)時(shí)間都會(huì)花費(fèi)在數(shù)據(jù)抽取、清洗和特征提取上，而后面的建模、驗(yàn)證和部署則是水到渠成的事了。再一次強(qiáng)調(diào)，如果選擇數(shù)據(jù)挖掘這個(gè)方向的話，必須具備強(qiáng)悍的數(shù)學(xué)功底和編程技術(shù)。

技能要求

入行數(shù)據(jù)分析師還是需要一些基本技能的，例如Excel技能、數(shù)據(jù)庫(kù)操作（MySQL/SQL Server/Oracle/Hive等）、Tableau可視化、R或Python的編程能力等。下圖是一家互聯(lián)網(wǎng)企業(yè)發(fā)布的數(shù)據(jù)分析師的任職要求，可以看得出數(shù)據(jù)分析師崗位對(duì)于分析軟件有著有多樣性要求，單純熟練某一種軟件在工作選擇時(shí)可能會(huì)受到限制。

這些都是企業(yè)在招聘數(shù)據(jù)分析師時(shí)提到最多的“任職資格”，其實(shí)這也都是技能門檻。如果這些你還沒有接觸過，可以在準(zhǔn)備入行前花1~6個(gè)月去充充電，可以選擇閉關(guān)修煉、或觀看學(xué)習(xí)視頻、或挑選口碑比較好的全日制班、周末培訓(xùn)班。