不同公司对数据分析师的职位划分稍有不同。在一些中小型企业，在没有成立独立的数据中心前，数据分析的相关职位往往是在市场部、运营部的管辖之下，人数通常在2－4人不等。对于一些大型企业，有独立的数据分析部门，团队成员也在数十人到百余人不等。对于职位头衔，有的按行政级别划分，如专员、主管、经理、总监等；也有的按专业水平划分，如助理、高级、资深、专家等。
数据分析职位整体上分为两大类：

数据分析师：
- 专业能力成长路径：助理数据分析师－数据分析师－资深数据分析师－高级数据分析师
- 行政职位晋升路径：数据分析专员－数据分析主管－数据分析经理－数据分析总监
- 主要专业技能要求：数据库知识（SQL）、基本的统计分析知识、熟练掌握Excel，了解SPSS/SAS，良好的PPT展示能力。

数据分析工程师：
算法工程师、建模工程师。

从事数据分析和数据挖掘工作，尤其是在互联网行业，主要需要四个方面的能力，即数据分析和数据挖掘的理论知识、统计分析工具应用、编程开发与数据结构算法的基础以及业务理解与沟通表达的能力。
 

　　上面的图里列出了这个行业不同类型的从业者特点。

A. 主要是负责做最顶尖数据统计和数据挖掘学习相关学术研究。比如发明一些新的算法，想早期的SVM，LDA最近的一些deeplearning模型。但是处在塔尖的的他们对于这些算法在业务场景的应用或者算法的实现兴趣并不大，主要精力都花在了理论研究上，比如证明个bounds什么的。写出来的东西大部分发表在NIPS或者ICML上，一般人也看不懂。他们主要存在于一些研究机构中，如国外高校或者企业研究院。一般企业如果需要这样的人，也是挖过来当震厂之宝吉祥物，不属于我们讨论的范围。

B. 他们既对算法有比较深入的了解，又有高超的编程技术。他们的数学可能达不到炉火纯青的地步，他们的兴趣也不在于各种繁琐的理论推导。他们对已有算法进行改进，并且给出最好的实现，造福广大人民群众，比如libsvm，svdfeature，paramater server这样的工具。当然，这样的人才也是可遇不可求，而且他们也需要一个比较大的平台来施展自己的能力。他们的工作应该能够成为一个企业数据挖掘的大杀器。

成长路线图：
大数据工程师学习路线图

进阶推荐：
Hortonworks hadoop工程师认证

C. 他们既有理论知识，又有娴熟的业务思维，且熟悉各种统计应用工具，是企业做数据分析最佳人选。这类人属于企业的中层管理人才，最适合他们的岗位可能是数据分析师，BI或者数据产品经理，对数据分析理论技术工具都能熟练应用，EXCEL、SPSS、SAS熟练应用，且业务娴熟。

成长路线图：
数据分析师学习路线图

进阶推荐：
CDA建模分析师认证

D. 他们熟练应用统计工具，可能是SQL、SAS、R、或者Python高手，能将所有数据用最直观漂亮的报表呈现出来。他们不仅能熟练使用某种统计应用工具，且熟悉一点业务，是公司主要做数据分析的基层人员。









E. 对机器学习数据挖掘算法有一定了解，也有较强的开发能力。适合做偏向开发的数据挖掘岗位。他们和I类的工程师密切配合，应该能有比较好的产出。他们很可能是学校的应届毕业生，学习了一些理论知识，也锻炼了开发的能力，但还缺乏实际的工作经验。互联网的数据挖掘岗位正是他们大展拳脚的好地方。








F.看起来是最好的，各项技能都很全面，也很适合做leader。但是这样的人毕竟可遇不可求。另外，每一项都好其实也就是每一项都不好，人的精力总是有限的。我觉得在一到两个方面做的比较突出，同时另外的方面也不要太弱以至于成为短板，这样就挺好的了。