数据分析课|这些数据分析师的职业划分，你真的了解吗

实际上，这是因为现在业界对于数据分析师、数据挖掘师、算法工程师这几类岗位的界定不清楚。但就以我现在3段数据分析师的工作经历来看，这三类还是可以很清楚的区分开来的，也给学弟学妹们提个醒，找好自己的定位：

1、数据分析师的职业划分——数据分析师，

主要技能SQL、Excel，从数据库里写SQL语句得到数据，然后在EXCEL里加工可视化后做成报表或者报告，利用你的商业敏感度，给出可靠的结论。听起来很简单是不是，但这其中需要的商业敏感度，确是最需要积累的。具体方向有3个：数据产品、决策支持、数据运营。其中，数据产品 PK需求把控&项目管控能力;决策支持 PK商业sense(例如做营销，360网址导航这种每月几百万的框架到底要不要签?);数据运营 PK提炼特征能力综上，你会发现在互联网公司，数据分析师要处理的问题，跟营销、产品、运营一样。

2、数据分析师的职业划分——算法工程师，

主要技能数学功底+统计功底+实打实的写代码能力+看论文读最新算法论文的能力。要求相当高。对应岗位推荐算法工程师、搜索算法工程师、文本挖掘、语音识别、图像处理这类算法工程师。比如阿里，做推荐的算法工程师基于访客、商品、商家的在线、离线信息等等数据库的数据，来得到一套推荐的逻辑，通俗点说，怎么给出个公司，给每个商品算个得分，排列出来给买家看到，买家会想要买更多的商品。而这背后的算法，其实市面上大部分机器学习的书都覆盖不到，是需要算法工程师基于算法基本功(数据结构、核心算法范式)+商业感觉(业务逻辑、综合行业运营、分析师的假设经验)+利用数据不断的实验迭代得到最好的结果、获得参数、还要担心本身样本不随机带来的系统偏差等等问题。

3、数据分析师的职业划分——数据挖掘工程师/数据科学，

当用户的行为通过日志等形式被记录后，数据挖掘/数据科学便成为认知用户的工具。通过KDD工程标准化的流程，即：业务理解、数据理解、数据处理、建模、评估、部署的过程、业务理解是基础，只有正确、全面的理解了业务逻辑，后面的挖掘才是有理可据的，通常需要结合数据分析师提供的经验。实际中常用的算法有分类、预测、关联规则这几类，往往可以解决实际中绝大部分问题。与算法工程师的技能要求相似，区别在于算法工程师的工作往往用于改进产品表现;数据挖掘工程师用于挖掘用户的性质。前者是事中，后者是事后。

听了介绍，你应该比较理解了!其实最简单的找到自己定位的方法，就是找到你心仪公司的校招岗位，看底下的岗位要求，找到你最感兴趣的、跟你的能力和经历最匹配的，就可以啦!So easy!妈妈再也不要担心我找不到方向啦!哈哈哈!

以上就是有关于数据分析师的职业划分的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。