数据分析师是什么
数据分析师在不同的公司，不同的业务，和不同的职位下有不同的定义，不能一概而论，所以这里需要一一分析。
公司业务
- 在垂直的或者说业务比较集中的公司
数据的来源以及类型相对比较少，我们在数据预处理上不需要太多的精力，更注重数据的使用和多维度展现，挖掘有价值的信息，这个岗位是比较有探索性的，更接近于「数据挖掘工程师」。
- 在业务繁杂的公司里
「数据分析师」的地位比较微妙。业务繁杂意味着变动比较快，这使得一般意义上的「数据分析师」往往无法长时间地做相同的业务（一直对接同一业务的分析师我们一般叫做「行业运营」（不要觉得运营岗位不够高大上，事实上优秀的运营也很擅长数据分析，对公司的价值很大），所以快速产出数据的能力就变得尤为重要了。此外，在这种情况下，我们需要优质的数据体系，更进一步地，需要「数据产品」。像 Tableau 就是非常优秀的数据产品，很多大型的公司也会去设计自己的数据产品，以满足业务的需要。有了做数据产品的需求，我们就多了两类新的职位，一个叫「数据开发工程师」，一个叫「数据产品设计师」。
公司定位
- 数据驱动公司
对于「数据驱动」的公司来说，我们会先看足够多的数据，再从数据中找到有意思的点，然后进行分析来决定未来要做什么业务，在「数据驱动」的公司里，数据分析师的地位很高，因为公司的 KPI 是由你来决定的。
- 业务驱动公司
对于「业务驱动」的公司来说，我们先决定要做什么业务，然后再决定要什么数据，如果没有优秀的领导者带领，数据分析师一不留神就会沦为「取数机器」。
职业定位
- 数据仓库工程师
离原始数据最近、离业务最远是 数据仓库工程师（它有很多别名，如：数据工程师/数据融合工程师/ETL工程师等等），他们的工作主要是把技术从用户和商户这里提取的行为数据进行清洗和预处理，使其结构化，是更接近于技术的岗位，相对来说，工作会比较单纯一些。
- 商业数据分析师
距离原始数据较远、离业务较近的是 商业数据分析师（又称：Business Intelligence，BI），他们的工作是提取正确的业务数据，并制作报表和具有洞见的分析。这类岗位可能需要处理很多繁杂的数据口径、需要会 SQL，根据公司的报表体系需要会 Tableau/Excel，但更重要的是能给业务方有效的输入。也正因为这个岗位链接了数据和业务，所以需要非常强的「协同能力」。
- 数据挖掘工程师
距离原始数据和业务都不近不远的数据岗位主要是 数据挖掘工程师 （也有一些分支，如：算法工程师、机器学习工程师等等），这些岗位往往不需要接触最原始的数据，也不会在业务的最前线，但通常需要给业务提供一些间接的能力，比如判断能力（如：两个用户的关系是否为同学）、预测能力（如：预测会产生业务风险用户）、识别能力（如：判断一张图片是否为猫）等等。这类工作本身比较独立，很有创造性，但要求也比较高。
职业发展路线
-
初级
-
程度
提出一个业务问题，可以用数据进行回答，并能保证合理的数据结构、与业务的关联度，以及，数据是对的。
-
主要工作
要求熟练使用Excel即可，常说的“表哥”就是这个职位。主要是给没有数据部门的产品经理打个下手。针对产品经理提出的需求来做分析。然后用PPT写一些分析报告即可。比如说，社群会员面试的一家互联网教育机构，他们的要求就是用Excel整理学生买课的信息，看看哪一门课程最受大家喜欢之类的。
-
-
中级
-
程度
有能力独立完成高质量的数据分析报告，如产品规划、市场活动等，可以cover住从前期规划到中期细节完善再到后期评价分析的整个过程。
-
主要工作
一般是IT部门的数据分析师。不仅要会技术还要懂业务，通过发现问题，分析问题，得出结论，为公司的决策做支持。主要干的工作是数据提取、报表开发、撰写分析报告。
-
-
高级
-
程度
独当一面的分析师，可以负责一个子产品(一组模块)级别的项目，带领一个团队来全面解决问题，把控手下数据分析师的工作质量。技术方面，能掌控数据分析的整个过程，对数据采集、埋点、造型、进入数据仓库的清洗有良好的手段。可以回答数据能够回答的任何问题。在这里，能与不能的定义边界是，数据分析师用尽了所有可以想到的办法。
-
主要工作
探索未知的数据维度，带领大家知道更多未知数据维度，并且使用这些数据维度数据来给公司更多讯息，进而影响决策，甚至战略。
-
-
转职
-
成为某个领域的数据专家
数据分析师主要是为所在的行业数据进行分析，所以离不开业务领域的知识。而业务领域知识积累要靠这个领域多年工作的经验积累。所以简单来说：数据分析师=技术+业务。一个领域的数据专家会对整个行业的理解非常的深入。
-
职业前景
-
初级
2018年水平：8k 左右
-
中级
2018年水平：13K 左右
-
高级
2018年水平：20K左右
-
专家以上
25K左右
市场的需求
留白
技能地图
-
初级
Excel，统计概率，简单的SQL查询。
-
中级
统计概率，精通SQL，Python或者是R, 算法
-
高级
统计概率，数学，精通SQL，编程语言Python或者是R，算法，机器学习，hardoop，spark，JAVA
专家
除了高级的技能之外，还需要对行业有深耕的知识
数据分析的根本
使用数据来说明，分析和解决问题。
引用：
2018 数据分析师成长指南 https://juejin.im/post/5ae197816fb9a07ab110e028
如何做好数据分析师的职业规划？https://zhuanlan.zhihu.com/p/35544225
数据分析师还吃香吗？用数据告诉你https://zhuanlan.zhihu.com/p/35633537
