数据岗位以后再也没有数据分析师！

曾经终败给现在 2023-02-14 02:18 42阅读 0赞

大家好，我是朱小五![format_png][]

本文我主要带大家梳理5个数据相关的岗位，分别是：

一、数据分析（数据挖掘和商业分析）

二、数据产品

三、数据开发

四、数据运营

## 引言 ##

最近几年，大数据成为互联网最火的领域之一，现在似乎所有的岗位不和数据挂点钩，就显得没那么有前（钱）途。但是大家清楚到底有哪些岗位和数据相关么？如何在这个大势中把握住机会呢？

**一般来说，提到大数据想到的就是机器学习、数据挖掘这些，当然除此之外，还有商业分析、数据产品、数据开发和数据运营。**

等等，为什么我经常听到的数据分析没有在这里面？？？

![format_png 1][]

是的，我在这里特意没有提数据分析这个词，因为它太抽象了，以至于很多人都没有弄清楚到底是怎么回事。数据挖掘是分析数据，商业分析也是分析数据，数据运营也需要分析数据。

**所以准确来说，其实是不存数据分析这个岗位的！它是对很多岗位的统称，一般泛指数据挖掘和商业分析。**

读到这里，肯定很多人一肚子问题：

1、你说的商业分析是什么？听起来好高大上。

2、你说没有数据分析这个岗位，为啥我在招聘网站上经常看到招数据分析师？

3、 我是做数据分析的，为什么工作内容没什么模型，天天写SQL？

……

别急，让我慢慢带你梳理清楚。

![format_png 2][]

## 数据挖掘和商业分析 ##

首先，从我们经常听到的数据分析开始，前面也说到，它主要是指数据挖掘和商业分析。那怎么理解这两个岗位呢：

**1、数据挖掘是从算法维度理解数据。**

**2、商业分析是从业务维度理解数据。**

说的直白一点，数据挖掘就是我用算法这个框子去套用数据，从而挖掘出数据的价值。而商业分析是我基于对业务的了解，结合统计学知识，用相关的指标去衡量它，从而了解业务的现状，发现可以改进的点。

前者是偏算法，主要技能点是良好的程序开发基础（C++、Python、Java等语言），熟悉分布式计算平台、机器学习开源框架等等。后者是偏业务，主要是熟悉统计学、掌握分析思维、逻辑、熟练使用分析工具等，所以一定要分清楚了。别找了一份商业分析的工作，却花了大量的时间在研究算法而不是深入了解业务，那就南辕北辙了。

哈哈，读到这里，想必大家对这两个岗位已经清楚了吧，以后找工作要看清楚招聘要求哦。

接着，我再带大家梳理数据产品、数据开发和数据运营。

![format_png 3][]

慢着，你还没有回答商业分析师最关键的问题：为什么我天天只是写sql取数？（哈哈，留个小悬念，下一期针对商业分析的工作内容再回答 ^\_^）

![format_png 4][]

## 数据产品 ##

**数据产品可以理解为对公司内的数据进行加工，模块化、框架化的展示出来，辅助业务去做决策。**

把商业分析的理念和沉淀的框架赋能数据产品，反过来数据产品也可以帮商业分析师解决很多的数据需求。

> 怎么理解这句话，举个例子：  
> 高考理科总分=语文分数+数学分数+英语分数+理综分数（物理化学生物）。如果小明高考分数比之前模拟测试高了很多，这时候你就会去分析：是他语文分数比之前高，还是数学，或者理综呢？对，这里的分析逻辑其实就是按上面公式的框架来的。同理，分析业务问题的时候，也是会拆解出具体的框架。  
> 这时候，班主任说让你帮忙统计下每位同学每科的分数，如果分数存在数据库里，你就要去写sql查（这也是商分经常做的事情之一，查数据），但是如果有产品就按分数公式上传了同学每科的分数，这时候你就不用查了，直接下载就好了。

所以，我们再来理解下这句话：

**把商业分析的理念和沉淀的框架赋能数据产品，反过来数据产品也可以帮商业分析师解决很多的数据需求。**

说完了两者的合作关系，再来聊聊它们之间的异同。数据产品经理要求具备分析能力，而商业分析师呢也要懂业务、懂产品，两者其实交集很多。但从思维上来说，前者是产品的分支，所以更注重产品思维，分析方面主要是掌握常用的分析方法和技能，后者更偏重分析，分析能力标准更高一些。再者，从技能上来说，数据产品经理需要具备产品的通用能力，如完成需求原型、总结需求文档、管理项目等等，而商业分析师是则更聚焦在统计学、分析思路、分析工具的使用上。

![format_png 5][]

## 数据开发工程师 ##

那数据开发又是做什么的呢？

数据开发工程师又叫数据仓库工程师，因为公司里的库表基本上都是他们创建的，所以他们是和商业分析师打交道最频繁的岗位之一了。

介绍他们之前，我们先来梳理一下一般公司的数据平台架构是怎样的。

![format_png 6][]

结构分为三层：原始数据层（ODS层）、数据仓库（DW层）、数据应用层。

1、原始数据层，也叫ODS（Operational Data Store）层，一般是抽取线上库表保存的数据，或者用户操作的日志数据，数据结构基本同业务表保持一致。很多公司也是直接把这层的表以ods命名开始，使用者一看就明白了。

![format_png 7][]

2、数据仓库层（DW：Data Warehouse）：对来自ODS层的数据经过ETL处理（抽取Extra，转化Transfer，装载Load）形成库表，可以细分为基础层、主题层和数据集市。

基础层：主要是对ODS层数据进行轻度汇总，产出一些维度表、明细表等等。

主题层：按照一定维度或者业务逻辑，对基础层或ODS层的数据进行聚合，形成主题表。例如在电商领域有用户主题的画像表、线上行为主题表、支付相关的表等。

数据集市：主要是对基础层和主题层的数据按业务需求进行聚合，形成一些宽表。这些宽表可能包含了用户基础画像数据，到最近购买支付的数据等等。方便数据分析部门和业务部门使用。

3、数据应用层：主要是消费数据仓库层的数据。例如分析线上用户的精准push平台、观测业务指标的数据产品等等。

**数据开发工程师主要就是负责ODS层和DW层的数据库表开发。**

弄清楚了数据平台的架构，再提示一点工作小技巧：如果发现公司DW层某张表数据有问题，可以不用急着找对应的开发，自己可以按照这个逻辑来定位下问题在哪里，很有可能问题出现在ODS层。这时候直接去找ODS层对应表的开发同学上报bug，这样就能看出来你非常专业啦。

## 数据运营 ##

最后，再跟大家介绍数据运营岗位，这也是我个人非常看好的岗位之一。从名字就可以看出来，**工作内容主要是利用数据去运营。**

我为什么看好这个岗位呢？**因为它自成一体，是一个闭环，有很高的天花板**。几乎没有岗位不需要了解业务，就商业分析来说，经常会被老板吐槽说分析脱离业务。

1、而对于数据运营来说，本身就是处在业务当中，所以熟悉程度自然不用多说，加之以数据辅助，可以说是如虎添翼。

2、除此之外呢，还有一个很大的优势就是数据策略的推动有落脚点，因为你本身就是在运营，所以很容易落地自己得到的数据结论，同时又能很快的接收实际反馈，快速迭代。

运营业务-产生数据-分析数据得出结论-落地运营-接收反馈-迭代分析-落地运营……

所以这也是我一开始说的，这个岗位本身就是一个闭环。**但是和专业的商业分析师比起来，普遍来说，数据运营的分析能力弱一些，这也是挑战所在。同时据我观察发现，很多人都只是停留在使用常规的运营数据，以及深陷琐事当中。**如果你跳出来看这个岗位，就会发现自己有很大的成长空间。

![format_png 8][]

好了，今天的文章就介绍到这里了。

来源：一个数据人的自由地

完）
    
    写在后面：周末到了，没有按时学习的可以补补哦 ~坚持学习和输出哦~记得打卡，在群里分享你的代码和笔记~我们一直在进步好文章，我在看❤

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9yZXMud3gucXEuY29tL21wcmVzL2h0bWxlZGl0aW9uL2ltYWdlcy9pY29uL2NvbW1vbi9lbW90aW9uX3BhbmVsL2Vtb2ppX3d4L1llbGxvd2RvZy5wbmc?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXRzYU5GZjZET2liOVlyUWZpYkp0bWJpYU5xc1p6Sk82dExHaWNFbE53ZFdWckF6SVhRd3ppYkUycmxPUS82NDA?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXRuRUs1Z3ZIQkJ2dXpvVWxIQXZXUVhDNmI2R0VxU3NVT050cmd4N1B2UDFVZjY3aWJ3Q2lha2g5Zy82NDA?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXRBeWJmTkpiMWljd2hZR1IwN3VTc1JpYU1mUGlhbXhrWWNpY3lWVTNCaHZKSHRqZ0l0WWNsMXNuaklnLzY0MA?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXRnZ1MzQmd5WWdRTGliNWZnVVNMaWFFRUhabUFrWFd4eE1hNWJPRU5xbmF3TUtYblZoRXRSSGJ3QS82NDA?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXRsdDBsUzRXNU1GaWNvZGV3aWMxUXBSM1A1bmJyUjRIOUlyaGprMXAzdjdhczVpY2pXc2Y0QlhsMHcvNjQw?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXR2bldmUndOSEJvQ1pCdHcyZ2xmMWljREdMa3drc1dWUTJ5NUJlWUdoMTVacXhwank1R3hmZk5nLzY0MA?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGlhaWNRYzI1U25XaHkyUlJUY1lLdnJNRWFVVjJpYXU3UXF3aFJpYXNROVBIUkI0QUNFR3BHdktoTDR1azR1cGROek5pYmRJWmg4cU5vaWMwUHcvNjQw?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9qV2czRWlibllXOWlibGlib0xncjZlUTJKYkhpYXZKUzJkQXRlUEpYN29pY3ZadTdIaWFKcWg5NWljTGtpYjNlMm9iRmtGVUZwYTVhbnBnVWNkOG9SMUp6aWFOYWpRUS82NDA?x-oss-process=image/format,png