自2018年开始，数据分析师的岗位就开始火热，很多培训机构开始疯狂的鼓吹数据分析人口如何稀缺以及数据分析如何高薪。在看招聘机会的时候，很多JD岗位描述里具备Python，数据挖掘算法等，所以很多人花了大量的时间学习Python和机器学习，其实工作中可能几乎都用不到。JD也多半是用人部门说要招一个数据分析师，然后HR直接从某处粘贴过来的，造成了应聘者的困惑，不知道具体是干嘛的。

接下来给大家聊下互联网数据分析师的类型以及未来潜在的发展路径。

01数据分析师种类

要聊数据分析师，首先得从数据开始，了解互联网公司的数据流程，可以参照下方的这个流程图，通过流程我们可以识别数据分析师的种类。

通过这个图由下往上我们可以看到三大类型的数据分析师：数据开发层，数据智能应用层，业务解读层。02程序猿-数据开发类

数据开发是偏技术序列的数据分析师。这里的岗位主要分为两类：

一类是数据仓库型同学。工作内容涉及数据底层表，数据模型搭建，进行ETL转换建立维度表，针对业务线建立hive报表，还有spark与hadoop这种大数据平台的分析师。

还有一类是偏算法与数据挖掘的分析师。就是主要根据需要建立一些用户的打标签体系，比如根据用户的消费维度，浏览维度等等进行打标签。还有一块是根据用户相关标签进行推荐算法的应用。

相对来说数仓的技术门槛略低一些，人数相对较多，这块的发展路径就是技术序列往上爬，到数据库，算法经理/总监等。

03搞数据的产品经理

数据产品部分属于数据应用层，根据业务方的需求，将一些常见看数取数的以产品的形式呈现。这块也主要分为3种类型：

一种是提供查数取数的平台化数据产品，对象是分析师的大数据的取数平台（主要是SQL语言来查询），对象是运营和业务人员的报表与数据集取数平台（通过几个维度字段筛选）。

还有一种是将常见看数的场景以可视化的平台展现（方便业绩走势和区域达成，搜索词热度排名与收益情况等），像淘宝就有提供的针对商家的生意参谋这种的数据产品，自媒体平台像微信公众号也有数据产品看自己文章的一些维度的数据图。

最后一块是现在比较火的数据中台，将各业务线数据打通，然后提供统一的数据标签接口，携程内部是由数据智能部中在打造这一块，属于在发展阶段。

这块的发展路径可以走数据产品经理路线，是既要有数据分析技能也要有产品设计管理的技能，比较新兴的一块领域。

04业务分析师型

数据的解读层就是目前人数需求最多的偏业务型的数据分析师，也是入门门槛最低的岗位。这种数据分析师由于相对技术的同学来说是靠近业务的，业务的领域更多的是跟对接需求的领域是相关的，领域取决于业务模块类型。

业务型分析师的主要工作内容我觉得理解成一句话就是数据需求项目管理，对接业务线的需求方，然后沟通相关需求，了解业务背景，最后通过数据处理与分析输出结果，最后与相关方确认结论后，实现项目交付。

日常3块工作主要是：

1- 临时性的取数；这是一个数据分析师刚到一家公司起步的时候做的最多的工作，首先是一些略复杂的取数需求，业务方自己能力无法实现，也有来自老板想要看一些数据，在这个同时可以熟悉一些数据口径，和对于数据背后业务意义有更多的理解。

2- 建立指标监控体系；接地气一点就是做报表。根据业务线KPI关心的内容建立指标监控报表，输出周期性的业务周报月报。

3- 数据分析项目，主要是业务线的异常原因分析，加上一些数据分析专项项目（比如一些场景的描述性统计洞察，一些基本的回归预测模型）。

从工作场景基本上可以看出，绝大部分场景是SQL取数/或者数据集取数，然后excel可以作图制作报告，很少的建模场景会用到Python。

没有那么技术，也没有那么业务，所以好入门，也很容易被替代，想成为数据分析专家，重点是懂业务的基础上加一些分析思路，这才是灵魂。