转行数据分析必看!你不知道的数据分析10大分类

数据分析师可以说是我见到过岗位介绍最杂的职业，没有之一。

同样顶着“数据分析师”的Title，有的岗位介绍里面可能只要求掌握PPT，而有的岗位却要求精通SQL甚至是Python。

为此，自己翻遍了各大招聘网站上面差不多200多个岗位才发现，虽然这些岗位都叫做“数据分析师”，但其实他们可以被细分了非常多的子类别。

按照业务和技术2个方向，我把招聘网站上的数据分析师分为2大类

业 务 类

绝大多数岗位名称里面不带“工程师”3个字的都是此类

一、【职能辅助类】

这类数据分析跟数据运营有点像，但唯一不同的是他们只对单一职能起到辅助作用。

比如说销售数据分析师，就只统计不同销售员的业绩数据，但并不参与到实际销售过程中，由于是对业务起到辅助的作用，因此这类数据分析对应聘者的要求最为多样化。

就拿销售数据分析来说，可能对数据挖掘的能力要求比较低，往往更看重应聘者的是否在该行业内有从业经验和数据可视化能力。

除了销售数据分析外，风控、广告投放、催收、财务等数据分析师都属于这一类。

二、【数据民工】

数据民工主要指数据标注、数据统计、报表录入等对应聘者数据分析能力要求不高的机械性工作。

虽然这类工作有着很好听的名字，比如说“AI数据标注师”，但此类工作大都机械重复，并且成长性和延展性都很差。

同样，这一类岗位是对应聘者能力要求最低的岗位，不过不推荐投简历。

三、【数据产品类】

这可以说是最近最火的数据分析类岗位之一了，只要是自建数据分析平台的企业都会招聘这个职业。

他主要负责数据分析平台搭建与运营，这类数据分析的工资可以说是业务类数据分析里面第二高的。

由于是产品经理，所以这位岗位既要求有产品经理的经验，又要求有数据分析的经验，如果是想往数据分析方案转行的同学，基本上可以不用考虑这个职位。

四、【数据运营】

这个职位可以说是顶着数据Title的运营，和之前讲的职能辅助类数据分析不一样的是，数据运营不单单要承担数据分析的职能，还要直接参与到运营过程中间去。

你可以把它理解为一个对数据分析能力要求较高的运营，这个职位也是运营最容易转行成功的数据分析岗位。

五、【商业分析】

我觉得这个岗位是最能配得上“数据分析”Title的职位，他并不是任何其他职位的辅助，也不参与到任何运营过程中去，完全依靠数据分析来指导一线同事的战略战术。

商业分析是数据分析里面工资最高的职位之一，当然，也是最难应聘上的职业之一，许多知名公司对该职位的应聘者往往要求具备“投行或者是咨询公司工作经历”，部分岗位还要去应聘者得是硕士学历。

六、【伪数据分析】

一些心术不正的公司可能因为部分岗位招聘困难，所以把销售、客服、行政、猎头的职能稍加修改，揺身一变，这个完全不相关的岗位也成了数据分析。

同样的操作也发生在产品经理身上，所以以后大家应聘的时候，最重要的不是看岗位名称，而是看岗位的岗位介绍。

技 术 类

技术类最大特色就是普遍工资比业务类高，由于只有极少一部分公司，会把这些岗位也划分到数据分析下面，所以我只做简单介绍。

一、【数据挖掘/爬取工程师】

可能很多人第一眼看到这个名字，以为这个职位就是写一些爬虫，但实际上这个岗位才是真正意义上的大数据工程师。

他真正的名字应该叫做“算法工程师”（算法工程师其实也分为2类，第一类就是这种），或者说更准确的来讲是“机器学习工程师”。

这类工程师主要依靠各种机器学习算法来完成数据处理的整个过程，他们更多的工作偏向于数据工程。

这类岗位非常好辨别，只要你看到岗位要求里面提到“掌握机器学习算法和Python”，大都可以归为此类，网络上面的很多数据分析比赛，比如说Kaggle，也是面向这类岗位。

二、【大数据/ETL工程师】

此类岗位绝大多数都是基于Hadoop大数据架构的数据库工程师，根据应聘公司数据库的完善度。

这类岗位有着不同的分工，可能要求应聘者从0~1搭建数据库，有可能是仅仅要求应聘者对数据库进行完善。

三、【数据库DBA】

主要负责管理传统关系型数据，比如SQL和Oracle之类的。

四、【BI工程师】

这类工程师可以说得上是对编程要求最低的工程师了，但该岗位往往对应聘者的tableau、PowerBi等BI工具的掌握有着极高的要求。

虽然这些bi工具中也有需要编程的地方，但他们需要学习的编程语言比如DAX远远比JAVA和C简单得多。

总 结

之所以写这篇文章，主要是因为我在尝试向数据分析方向转行的过程中，犯了一个很严重错误，我要往业务型的数据分析师方向转型，却把学习重心放在了数据挖掘工程师所要掌握的机器学习上面。

之前我自己所获得的全国数据分析大赛亚军，其实也只能提现自己在【数据挖掘工程师】上面有天赋，关于业务型的数据分析师，我还有很多东西要学。