数据分析师要学什么（数据分析师与数据挖掘工程师，分别有什么从业要求）

本文目录

• 数据分析师与数据挖掘工程师，分别有什么从业要求
• 想做数据分析工作，大学阶段应重点关注哪些知识学习和能力培养
• 数据分析员是做什么的需要有什么能力，会什么技能，什么技能最重要，能去哪里学呢

数据分析师与数据挖掘工程师，分别有什么从业要求

谢邀，之前我回答过另一个问题，现在我把答案复制过来，仅供参考。

我上一份工作是数据分析师，现在的工作是数据挖掘工程师，因此我可以以我自己的实际经验来回答这个问题。

数据分析师和数据挖掘工程师，同属于数据领域的洞察者，但是两者的工作内容却有着不小的区别。

对于一个数据分析师来说，最重要的并不是编程技能，而是逻辑分析能力、业务理解能力、报告展示能力等。

数据分析师：

数据分析师使用的主要工具可以是编程，但并非必要；

因为现在已经存在大量的强大、易用的数据分析工具，比如Excel、Tableau、SPSS、SAS等，即使你没有编程能力，仍然能胜任绝大多数的数据分析工作；

但是相对于数据挖掘工程师，你还额外需要一些能力，比如数据可视化的能力、写数据报告的能力、在领导甚至许多人面前做报告、讲演的能力等；

同时，由于现在互联网公司都在讲大数据，数据的存储基本上在各种大数据平台和数据库中，因此你有必要掌握Hive、HDFS、MySQL等的使用，SQL的熟练掌握是不可避免的。

数据分析师一般有两种，一种是面向业务的，主要对各业务线、产品经理、运营、各部门领导的需求提供支持，帮助他们分析业务、了解业务，发掘出业务中的问题并提供解决方案；另一种是偏宏观的分析，一般没有需求方，主要是自发地进行探索，主动找到公司业务中存在的问题，弄清公司发展的趋势，对于公司发展的方向做出指引。

数据挖掘工程师

虽然说不会编程也不至于完全无法做数据挖掘工作，但是好的编程技能却会成为你工作中的得力助手；

很多时候，数据挖掘工程师会为数据分析师提供一些支持性的工作，比如为他们搭建数据库、清洗数据、建立报表平台等；

有些时候数据分析师也会直接向数据挖掘工程师提出需求，有些数据的存储方式、格式超出了数据分析师的技能覆盖范围，这时就需要数据挖掘工程师帮他们做一些前期工作；

另外呢，数据挖掘工程师往往还需要做一些机器学习方面的工作，因此就需要对各种机器学习算法的理论及代码实践有足够的认识。

数据挖掘工程师之中，也分很多不同的类型，比如做特征工程的、数据仓库的、数据平台支持的、算法工程师、数据科学家等，他们的工作职责各有不同，职业技能也各有侧重。

对于大多数数据挖掘工程师来说，编程技能是必不可少的，但是针对不同挖掘工程师的性质，需要掌握不同的编程技能。一般来说，Python、Java、Scala是常用的大数据挖掘语言，有一些数据科学家喜欢用R；最常用的大数据平台是Hadoop平台和Spark平台，常用的结构化数据库是MySQL或其他关系型数据库，非结构化数据库中MongoDB较为常用。

对于数据挖掘工程师来说，必要的Linux知识也必不可少。因为数据挖掘工程师绝大多数的工作都是在远程的服务器上完成的，不能流畅地在命令行中操作各种Linux系统(常用的有CentOS、Ubuntu等)，工作的效率会大大降低。另外Shell在数据处理上也很强大，sed+awk简直是数据处理的神器。

以上并不是非常系统的对比，但是是我在工作中最实际的体验，我并非码农出身，这个转型过程中遇到了很多挑战，但是他们之间并没有天堑一样的区别，很多地方是共通的，如果你编程基础较差，那么可以从数据分析师入手，之后在考虑转型数据挖掘；如果编程基础较好，可以考虑数据挖掘，但是数据挖掘工程师一般情况下不会接触太多的业务。两者的职业路线非常不同，数据分析师之后可以做业务、可以转产品、可以做管理；而数据挖掘工程师一般会在技术领域垂直、深入地探索，之后可能会做技术管理，也有一辈子做技术的。

综上所述，你可以根据自己的实际情况，做出选择了。后悔药是有的，不用过多纠结，他们之间并不是做了A就再也不能做B了。

想做数据分析工作，大学阶段应重点关注哪些知识学习和能力培养

当前有不少计算机专业的同学会从事数据分析岗位，相比于传统的开发岗位来说，数据分析岗位有三个优势，其一是岗位附加值相对比较高，其二是职业生命周期预期相对比较长，其三是行业覆盖面比较广，选择空间比较大。

对于计算机专业的同学来说，如果要从事数据分析岗位，一定要做好发展规划，除了要重视技术积累之外，更重要的是要注重行业知识的积累，毕竟数据分析与行业场景的关系非常紧密。

从产业互联网发展的大趋势来看，未来数据分析岗位的发展前景还是非常广阔的，一方面数据分析是大数据进行数据价值化的主要方式之一，另一方面在数字孪生等新兴技术领域，数据分析岗位同样有非常重要的地位。

数据分析岗位早期对于计算机专业的同学并不算太友好，计算机专业的同学在竞争数据分析岗位时，往往也要面对数学、统计学、金融学等专业同学给予的竞争压力，但是近几年数据分析岗位对于计算机专业的同学正在变得友好。

之所以数据分析岗位对于计算机专业同学逐渐变得友好，原因主要有三个方面，其一是数据分析方式的变革，其二是数据分析技术平台的变革，其三是产业互联网的推动。

从技术发展的大趋势来看，未来计算机大类专业的同学，要想在数据分析领域走得更远，一定要充分发挥自己的专业特点，要懂得借助数据分析平台的力量，同时要重视机器学习和深度学习相关知识的运用。

相对于统计学的数据分析方式来说，机器学习的数据分析方式是相对“暴力”的，但是机器学习的数据分析方式往往更适合以物联网数据为主的“低价值数据密度”时代。

我目前就在给计算机专业研一的同学上数据分析这门课，这门课也是目前我仅保留的两门授课任务之一，还有一门课是机器学习，实际上这两门课程之间也有比较紧密的联系。

数据分析员是做什么的需要有什么能力，会什么技能，什么技能最重要，能去哪里学呢

作为一名大数据领域的从业者，同时也在带大数据方向的研究生，所以我来回答一下这个问题。

首先，数据分析员的主要任务就是找出数据背后的规律，让数据呈现出价值，目前数据分析员是大数据落地应用的重要角色之一。

数据分析员（数据分析工程师）在不同行业所需要具备的知识结构是不同的，这主要是由于应用场景不同所导致的。比如互联网领域对于数据分析师的要求就要高一些，一方面原因是互联网行业对于数据比较敏感，另一方面互联网行业的数据量比较大，同时数据类型也比较复杂，这些因素导致了在互联网行业从事数据分析具有较大的难度。

通常互联网行业的数据分析师需要具备三方面知识结构，其一是具备扎实的数学和统计学基础；其二是掌握数据分析的常见算法；其三是熟练掌握编程语言和数据库知识。目前数据分析的基本方式有两种，一种是统计学方式，另一种是机器学习方式，机器学习的数据分析方式对于从业者的要求要高一些。

相对于互联网行业来说，传统行业对于数据分析岗位的要求往往更多集中在数据分析工具和行业知识上，对于大部分职场人来说，掌握一些常见的数据分析工具和数据库知识，基本上能够应对大部分数据分析场景，比如Excel和各种BI工具。但是传统行业的数据分析任务往往与行业知识有紧密的联系，所以从业者要对行业知识有较为全面的认知过程。

如果想走数据分析师的路线，可以分为三个步骤来学习数据分析技术，第一步是学习基本的数据分析工具，比如Excel；第二步是学习数据库和编程语言，比如Python、R都是不错的选择；第三步是学习数据分析算法，比如决策树、朴素贝叶斯等。

最后，数据分析师要想提升自身的数据分析能力，一定要注重实践经验的积累，尤其是行业经验的积累。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！