數據行業(yè)從廣義上講可以分為以下幾個職位：
一、數據分析師
數據分析師是對數據、數據指標的解讀，通過對數據的分析，來解決商業(yè)問題。
主要有包括：
(1)業(yè)務監(jiān)控：診斷當前業(yè)務是否正常?是否存在問題?業(yè)務發(fā)展是否達到預期?如果沒有達到預期，問主要問題在哪?是什么原因引起的?
(2)建立分析體系：這些數據分析師已經對業(yè)務有一定的理解，對業(yè)務也相對比較熟悉，更多幫業(yè)務方建立一套分析體系，或者更高級是做成數據產品。例如：營銷活動。分析師會告訴業(yè)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以及行業(yè)未來發(fā)展的趨勢分析。
二、數據挖掘工程師
數據挖掘工程師多是通過對海量數據進行挖掘，尋找數據的存在模式，從而通過數據挖掘來解決具體問題。其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。例如：聚類分析，通過對于會員各種人口統(tǒng)計學、行為數據進行分析，對客戶進行分類，更好地理解客戶，知道公司會員是到底如何?高、中、低低價值的客戶構成，既可以后期公司的運營提供指導，提高活動效率，可以指導公司的營銷。
做數據挖掘工程， 必須精通數據庫。很多時候，你模型的數據預處理，可能完成在數據庫里完成，你用到的數據庫技巧更高。必須要會成熟的數據挖掘工具、數據挖掘算法，等，當然如果你會一、二款開源軟件，并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。
三、數據建模師
這個職位與數據挖掘工程師還是有本質區(qū)別的。數據建模師，更多偏向于中、小數據量，而且其使用更多更多是統(tǒng)計學的方法，數據建模師其實很少會提到算法這個詞。但是有時候，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并的趨勢。
新進入數據行業(yè)的同學，可以根據自己的背景背景選擇相應的職位，學數據、統(tǒng)計學的朋友更多可以偏向于建模師，而計算機特別是寫編程好的同學，可以走數據挖掘工程師，也許適應性更好，但這不是絕對的。
數據分析就業(yè)選擇公司的三條參考標準：
第一點：去供職于那些利用數據分析來做市場戰(zhàn)略定位的公司;
如果一個企業(yè)是憑借數據學來做到自己與其他競爭對手之間的「切割」，公司核心競爭力是構建在數據和分析工具上，那么整個公司都會瞄準數據學發(fā)力，所有的資源都是圍繞著數據分析投入。它會更加愿意投資，獲得數據領域最頂尖的人才，打造最優(yōu)秀的底層系統(tǒng)，不斷地將最前沿的算法和計算技術推向極致，開發(fā)各種不可思議的工程產品來展現(xiàn)數據學的魔力。
第二點：去為一個擁有著偉大想法的公司工作;
找到一家擁有足夠數據量，并且已經開始著手做一些有趣事情的公司。幾乎所有的公司在成長過程中，數據量都會不斷擴大，但是如果你選擇了一家已經擁有足夠級別數據量的公司，那么它的潛力，可發(fā)展性將會提升到另外一個層次。
第三點，去選擇給一家即將進入空白市場的公司。
當評估市場機會的時候，去選擇一個還沒有將成型的解決方案的公司。一個白手起家，闖入陌生領域的公司有可能沒有非常穩(wěn)定的公司組織結構，這固然讓人覺得有點兒不靠譜，但是作為數據分析師來說，這個地方是充滿最多創(chuàng)意性和自由的地方。在從來沒有人涉足的領域去構建一些東西，這樣性質的工作同樣是可以評估測量的。不要光是看重設計中「數學」以及「統(tǒng)計」的地位，而且還要重視
京公網安備 11010502049343號