数据岗位之后再也没有数据分析师！

你们好，我是朱小五
php

本文我主要带你们梳理5个数据相关的岗位，分别是：
算法

1、数据分析（数据挖掘和商业分析）sql

2、数据产品数据库

3、数据开发数据结构

4、数据运营架构

引言

最近几年，大数据成为互联网最火的领域之一，如今彷佛全部的岗位不和数据挂点钩，就显得没那么有前（钱）途。可是你们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？
框架

通常来讲，提到大数据想到的就是机器学习、数据挖掘这些，固然除此以外，还有商业分析、数据产品、数据开发和数据运营。机器学习

等等，为何我常常听到的数据分析没有在这里面？？？分布式

是的，我在这里特地没有提数据分析这个词，由于它太抽象了，以致于不少人都没有弄清楚究竟是怎么回事。数据挖掘是分析数据，商业分析也是分析数据，数据运营也须要分析数据。ide

因此准确来讲，实际上是不存数据分析这个岗位的！它是对不少岗位的统称，通常泛指数据挖掘和商业分析。

读到这里，确定不少人一肚子问题：

一、你说的商业分析是什么？听起来好高大上。

二、你说没有数据分析这个岗位，为啥我在招聘网站上常常看到招数据分析师？

三、 我是作数据分析的，为何工做内容没什么模型，每天写SQL？

……

别急，让我慢慢带你梳理清楚。

数据挖掘和商业分析

首先，从咱们常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：

一、数据挖掘是从算法维度理解数据。

二、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，发现能够改进的点。

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、掌握分析思惟、逻辑、熟练使用分析工具等，因此必定要分清楚了。别找了一份商业分析的工做，却花了大量的时间在研究算法而不是深刻了解业务，那就南辕北辙了。

哈哈，读到这里，想必你们对这两个岗位已经清楚了吧，之后找工做要看清楚招聘要求哦。

接着，我再带你们梳理数据产品、数据开发和数据运营。

慢着，你尚未回答商业分析师最关键的问题：为何我每天只是写sql取数？（哈哈，留个小悬念，下一期针对商业分析的工做内容再回答 ^_^）

数据产品

数据产品能够理解为对公司内的数据进行加工，模块化、框架化的展现出来，辅助业务去作决策。

把商业分析的理念和沉淀的框架赋能数据产品，反过来数据产品也能够帮商业分析师解决不少的数据需求。

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）。若是小明高考分数比以前模拟测试高了不少，这时候你就会去分析：是他语文分数比以前高，仍是数学，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窗每科的分数，若是分数存在数据库里，你就要去写sql查（这也是商分常常作的事情之一，查数据），可是若是有产品就按分数公式上传了同窗每科的分数，这时候你就不用查了，直接下载就行了。

因此，咱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，反过来数据产品也能够帮商业分析师解决不少的数据需求。

说完了二者的合做关系，再来聊聊它们之间的异同。数据产品经理要求具有分析能力，而商业分析师呢也要懂业务、懂产品，二者其实交集不少。但从思惟上来讲，前者是产品的分支，因此更注重产品思惟，分析方面主要是掌握经常使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，从技能上来讲，数据产品经理须要具有产品的通用能力，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。

数据开发工程师

那数据开发又是作什么的呢？

数据开发工程师又叫数据仓库工程师，由于公司里的库表基本上都是他们建立的，因此他们是和商业分析师打交道最频繁的岗位之一了。

介绍他们以前，咱们先来梳理一下通常公司的数据平台架构是怎样的。

结构分为三层：原始数据层（ODS层）、数据仓库（DW层）、数据应用层。

一、原始数据层，也叫ODS（Operational Data Store）层，通常是抽取线上库表保存的数据，或者用户操做的日志数据，数据结构基本同业务表保持一致。不少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。

二、数据仓库层（DW：Data Warehouse）：对来自ODS层的数据通过ETL处理（抽取Extra，转化Transfer，装载Load）造成库表，能够细分为基础层、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：按照必定维度或者业务逻辑，对基础层或ODS层的数据进行聚合，造成主题表。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，造成一些宽表。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。

三、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，再提示一点工做小技巧：若是发现公司DW层某张表数据有问题，能够不用急着找对应的开发，本身能够按照这个逻辑来定位下问题在哪里，颇有可能问题出如今ODS层。这时候直接去找ODS层对应表的开发同窗上报bug，这样就能看出来你很是专业啦。

数据运营

最后，再跟你们介绍数据运营岗位，这也是我我的很是看好的岗位之一。从名字就能够看出来，工做内容主要是利用数据去运营。

我为何看好这个岗位呢？由于它自成一体，是一个闭环，有很高的天花板。几乎没有岗位不须要了解业务，就商业分析来讲，常常会被老板吐槽说分析脱离业务。

一、而对于数据运营来讲，自己就是处在业务当中，因此熟悉程度天然不用多说，加之以数据辅助，能够说是如虎添翼。

二、除此以外呢，还有一个很大的优点就是数据策略的推进有落脚点，由于你自己就是在运营，因此很容易落地本身获得的数据结论，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……

因此这也是我一开始说的，这个岗位自己就是一个闭环。可是和专业的商业分析师比起来，广泛来讲，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，不少人都只是停留在使用常规的运营数据，以及深陷杂事当中。若是你跳出来看这个岗位，就会发现本身有很大的成长空间。

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，没有按时学习的能够补补哦 ~坚持学习和输出哦~记得打卡，在群里分享你的代码和笔记~咱们一直在进步好文章，我在看❤