大數據是眼下非常火爆的熱詞，同時也催生出了一些與大數據處理相關的職業，通過對數據的挖掘分析來影響企業的商業決策。
隨著大數據在國內的發展，大數據相關人才卻出現了供不應求的狀況，大數據分析師更是被媒體稱為“未來最具發展潛力的職業之一”。
大數據分析師是做什麼的?
簡單來說，“大數據分析師就是一群玩數據的人，玩出數據的商業價值，讓數據變成生產力。”
而大數據和傳統數據的最大區別在於，它是在線的、實時的、規模海量且形式不規整，無章法可循，因此“會玩”這些數據的人就很重要。
數據分析師就業前景如何？
從20世紀90年代起，歐美國家開始大量培養數據分析師，直到現在，對數據分析師的需求仍然長盛不衰，而且還有擴展之勢。根據美國勞工部預測，到2018年，數據分析師的需求量將增長20%。
數據分析技能也是未來必不可少的工作技能之一。在數據分析行業發展成熟的國家，90%的市場決策和經營決策都是通過數據分析研究確定的。
大數據分析有哪些職位？
那麼未來進入數據行業後，同學們會從事哪些具體的職位，又該怎麼挑選適合自己的職業道路呢？
接下來就為大家介紹一下數據行業的主要幾個職位（只是簡單舉例，不止包括這幾種哦）：
（1）數據分析師
更注意是對數據、數據指標的解讀，通過對數據的分析，來解決商業問題。主要有以下幾個次層次：
a）業務監控：診斷當前業務是否正常？是否存在問題？業務發展是否達到預期（KPI）？如果沒有達到預期，問主要問題在哪？是什麼原因引起的？
b）建立分析體系：這些數據分析師已經對業務有一定的理解，對業務也相對比較熟悉，更多幫業務方建立一套分析體系，或者更高級是做成數據產品。
c）行業未來發展的趨勢分析：這應該是數據分析師最高級別，有的公司叫做戰略分析師/商業分析師。
工作內容舉例：
營銷活動--分析師會告訴業務方，在活動前你應該分析哪些數據，從而制定恰當的營銷計劃。在營銷過程中，你應該看哪些數據，從而及時做出營銷活動調整。在營銷活動，應該如何進行活動效果評估。
這個層次的數據分析師站的更高，在行業、宏觀的層面進行業務分析，預測未來行業的發展，競爭對手的業務構成，幫助公司制定戰略發展計劃，並及時跟蹤、分析市場動態，從而及時對戰略進行不斷優化。
主要技能要求：
a）數據庫知識（SQL至少要熟悉）、基本的統計分析知識、EXCEL要相當熟悉，對SPSS或SAS有一定的瞭解。
b) 對於與網站相關的業務還可能要求掌握GA等網站分析工具，當然PPT也是會的。
（2）數據挖掘工程師
更多是通過對海量數據進行挖掘，尋找數據的存在模式、或者說規律，從而通過數據挖掘來解決具體問題。數據挖掘更多是針對某一個具體的問題，是以解決具體問題為導向的。
工作內容舉例：
聚類分析--通過對於會員各種人口統計學、行為數據進行分析，對會員進行分類，對不同的類型的會員建立相應的profiling，從而更好的理解會員，知道公司會員是到底如何？
高、中、低低價值的會員構成，既可以後期各種會員的運營提供指導，提高活動效率，可以指導公司的營銷，例如廣告的投放策略。以及用於公司各種戰略的制定。
主要技能要求：
a）數據庫必須精通。很多時候，你模型的數據預處理，可能完成在數據庫裡完成，你用到的數據庫技巧更高。
b）必須要會成熟的數據挖掘工具、數據挖掘算法。例如：SPSS/CELEMENTINE、SAS/EM等，當然如果你會一、二款開源軟件，並會寫一些程序代碼那是最好的，大公司都喜歡用開源的軟件，例如：R、WEKA。
（3）數據建模師
這個職位與數據挖掘工程師還是有本質區別的。數據建模師，更多偏向於中、小數據量，而且其使用更多更多是統計學的方法，而數據挖掘中的例如：決策樹、神經網絡、SVM等在這裡是根據不會涉及的。
當然二者有一個共同之處都是，針對很具體的問題，都是會解決某個具體問題。
工作內容舉例：
營銷反應率--你就可能歷史的郵箱、短信的反應情況，來建模型進行預測，從而提高郵件反應率，或者減少對用戶來說的“垃圾”郵箱，提高用戶體驗。
所以從掌握的技能上講，這二者就有很大的區別，數據建模師其實很少會提到算法這個詞，更多說使用什麼模型，有感覺嗎？但是從實務界來看，這二個模型越來越沒有明確的分工。
一般來說都會二個職位的人都會去學習對方的知識，所以這二個職位有合併的趨勢，但在未來幾年來，我覺得公司要招人的時候應該還是要有區別的。
新進入數據行業的同學，可以根據自己的背景選擇相應的職位，對數據、統計學感興趣的朋友更多可以偏向於建模師，而對計算機特別是寫編程感興趣的同學，可以走數據挖掘工程師，也許適應性更好，但這不是絕對的。
以上，希望對你有幫助。
文章轉載自微信公眾號：互聯網就業分析 搜索即可關注
