數(shù)據(jù)分析是干什么的？

在企業(yè)里收集數(shù)據(jù)、計算數(shù)據(jù)、提供數(shù)據(jù)給其他部門使用的。

數(shù)據(jù)分析有什么用?

從工作流程的角度看，至少有5類分析經(jīng)常做：

• 工作開始前策劃型分析：要分析一下哪些事情值得的做
• 工作開始前預測型分析：預測一下目前走勢，預計效果
• 工作中的監(jiān)控型分析：監(jiān)控指標走勢，發(fā)現(xiàn)問題
• 工作中的原因型分析：分析問題原因，找到對策
• 工作后的復盤型分析：積累經(jīng)驗，總結教訓

那數(shù)據(jù)分析是什么的？

數(shù)據(jù)分析大體上分3步：
1：獲取數(shù)據(jù)。通過埋點獲取用戶行為數(shù)據(jù)，通過數(shù)據(jù)同步，打通內部各系統(tǒng)數(shù)據(jù)。以及做數(shù)倉建設，存儲數(shù)據(jù)。
2：計算數(shù)據(jù)。根據(jù)分析要求，提取所需要的數(shù)據(jù)，計算數(shù)據(jù)，做表。
3：解釋數(shù)據(jù)。解讀數(shù)據(jù)含義，推導出一些對業(yè)務有用的結論。

那么數(shù)據(jù)分析師主要做以上三點的工作嗎？

并不全是，這個在不同企業(yè)，情況不一樣。如果公司規(guī)模大的話，獲取數(shù)據(jù)經(jīng)常是數(shù)據(jù)開發(fā)組完成的，他們的職位一般是“數(shù)據(jù)開發(fā)工程師”或者“大數(shù)據(jù)工程師”。解釋數(shù)據(jù)則是運營自己寫ppt做解讀，留給“數(shù)據(jù)分析師”的，其實就是中間的計算數(shù)據(jù)的一步。

有些公司（一般是做電商的），數(shù)據(jù)是直接從淘寶、天貓、亞馬遜等平臺導出的，然后基于這些數(shù)據(jù)做分析。有些公司（一般是傳統(tǒng)企業(yè)），數(shù)據(jù)是直接用的大型的BI產(chǎn)品，然后所有人基于BI產(chǎn)品導出數(shù)據(jù)分析有些公司規(guī)模很小，就直接一個小組從數(shù)據(jù)埋點到數(shù)倉到提數(shù)全干了。
總之情況五花八門。

傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：

第一，在分析方法上，兩者并沒有本質不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能承載的數(shù)據(jù)量是極其有限的。所以，無論是“傳統(tǒng)數(shù)據(jù)分析”，還是“大數(shù)據(jù)分析”，均需要將原始數(shù)據(jù)按照分析思路進行統(tǒng)計處理，得到概要性的統(tǒng)計結果供人分析。兩者在這個過程中是類似的，區(qū)別只是原始數(shù)據(jù)量大小所導致處理方式的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者存在較大的不同。

“傳統(tǒng)數(shù)據(jù)分析”使用的知識主要圍繞“能否通過少量的抽樣數(shù)據(jù)來推測真實世界”的主題展開?！按髷?shù)據(jù)分析”主要是利用各種類型的全量數(shù)據(jù)（不是抽樣數(shù)據(jù)），設計統(tǒng)計方案，得到兼具細致和置信的統(tǒng)計結論。

第三，與機器學習模型的關系上，兩者有著本質差別。

“傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來輔助分析數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結合，大數(shù)據(jù)分析產(chǎn)出的不僅是一份分析效果測評，后續(xù)基于此來升級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析往往是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：

第一，在分析方法上，兩者并沒有本質不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能承載的數(shù)據(jù)量是極其有限的。所以，無論是“傳統(tǒng)數(shù)據(jù)分析”，還是“大數(shù)據(jù)分析”，均需要將原始數(shù)據(jù)按照分析思路進行統(tǒng)計處理，得到概要性的統(tǒng)計結果供人分析。兩者在這個過程中是類似的，區(qū)別只是原始數(shù)據(jù)量大小所導致處理方式的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者存在較大的不同。

“傳統(tǒng)數(shù)據(jù)分析”使用的知識主要圍繞“能否通過少量的抽樣數(shù)據(jù)來推測真實世界”的主題展開?！按髷?shù)據(jù)分析”主要是利用各種類型的全量數(shù)據(jù)（不是抽樣數(shù)據(jù)），設計統(tǒng)計方案，得到兼具細致和置信的統(tǒng)計結論。

第三，與機器學習模型的關系上，兩者有著本質差別。

“傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來輔助分析數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結合，大數(shù)據(jù)分析產(chǎn)出的不僅是一份分析效果測評，后續(xù)基于此來升級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析往往是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：

第一，在分析方法上，兩者并沒有本質不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能承載的數(shù)據(jù)量是極其有限的。所以，無論是“傳統(tǒng)數(shù)據(jù)分析”，還是“大數(shù)據(jù)分析”，均需要將原始數(shù)據(jù)按照分析思路進行統(tǒng)計處理，得到概要性的統(tǒng)計結果供人分析。兩者在這個過程中是類似的，區(qū)別只是原始數(shù)據(jù)量大小所導致處理方式的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者存在較大的不同。

“傳統(tǒng)數(shù)據(jù)分析”使用的知識主要圍繞“能否通過少量的抽樣數(shù)據(jù)來推測真實世界”的主題展開?！按髷?shù)據(jù)分析”主要是利用各種類型的全量數(shù)據(jù)（不是抽樣數(shù)據(jù)），設計統(tǒng)計方案，得到兼具細致和置信的統(tǒng)計結論。

第三，與機器學習模型的關系上，兩者有著本質差別。

“傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來輔助分析數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結合，大數(shù)據(jù)分析產(chǎn)出的不僅是一份分析效果測評，后續(xù)基于此來升級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析往往是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

傳統(tǒng)數(shù)據(jù)分析與大數(shù)據(jù)分析的三方面異同：

第一，在分析方法上，兩者并沒有本質不同。

數(shù)據(jù)分析的核心工作是人對數(shù)據(jù)指標的分析、思考和解讀，人腦所能承載的數(shù)據(jù)量是極其有限的。所以，無論是“傳統(tǒng)數(shù)據(jù)分析”，還是“大數(shù)據(jù)分析”，均需要將原始數(shù)據(jù)按照分析思路進行統(tǒng)計處理，得到概要性的統(tǒng)計結果供人分析。兩者在這個過程中是類似的，區(qū)別只是原始數(shù)據(jù)量大小所導致處理方式的不同。

第二，在對統(tǒng)計學知識的使用重心上，兩者存在較大的不同。

“傳統(tǒng)數(shù)據(jù)分析”使用的知識主要圍繞“能否通過少量的抽樣數(shù)據(jù)來推測真實世界”的主題展開?！按髷?shù)據(jù)分析”主要是利用各種類型的全量數(shù)據(jù)（不是抽樣數(shù)據(jù)），設計統(tǒng)計方案，得到兼具細致和置信的統(tǒng)計結論。

第三，與機器學習模型的關系上，兩者有著本質差別。

“傳統(tǒng)數(shù)據(jù)分析”在大部分時候，知識將機器學習模型當黑盒工具來輔助分析數(shù)據(jù)。而“大數(shù)據(jù)分析”，更多時候是兩者的緊密結合，大數(shù)據(jù)分析產(chǎn)出的不僅是一份分析效果測評，后續(xù)基于此來升級產(chǎn)品。在大數(shù)據(jù)分析的場景中，數(shù)據(jù)分析往往是數(shù)據(jù)加墨的前奏，數(shù)據(jù)建模是數(shù)據(jù)分析的成果。

兩者需要具備的技術技能也是相差很大的。

（1）大數(shù)據(jù)分析一般需要具備：爬蟲、ETL、分析、大數(shù)據(jù) 4個方面的技能。

（2）數(shù)據(jù)分析師一般更加注重的是產(chǎn)品，運營，營銷，SQL和SPSS等僅僅是實現(xiàn)我們分析的工具而已。

B站全網(wǎng)最全大數(shù)據(jù)學習路線：

https://www.bilibili.com/read/cv5213600?spm_id_from=333.788.b_636f6d6d656e74.7

首先，大數(shù)據(jù)分析師是大數(shù)據(jù)時代背景下產(chǎn)生的一種新型技術崗位，與傳統(tǒng)數(shù)據(jù)分析師的區(qū)別主要體現(xiàn)在三個方面，其一是技術體系結構不同；其二是崗位任務目的存在一定的區(qū)別；其三是工作場景具有一定的區(qū)別。

對于大數(shù)據(jù)分析師來說，要具備更加全面的知識結構，涉及到大數(shù)據(jù)平臺知識、算法設計知識、程序設計知識和具體的行業(yè)知識等，所以相對于傳統(tǒng)的數(shù)據(jù)分析師來說，大數(shù)據(jù)分析師的從業(yè)門檻有了一定程度的提升。從目前行業(yè)領域的人才招聘情況來看，大數(shù)據(jù)分析崗位往往需要具有較高的學歷要求，研究生往往更愿意從事相關崗位。

大數(shù)據(jù)分析的目的與傳統(tǒng)的數(shù)據(jù)分析目的也存在一定的區(qū)別，主要體現(xiàn)在兩個方面，其一是大數(shù)據(jù)分析比較注重數(shù)據(jù)的價值化，簡單的說，大數(shù)據(jù)分析的結果會提升數(shù)據(jù)的價值，而傳統(tǒng)數(shù)據(jù)分析的目的往往是以應用為導向的。另一個區(qū)別在于，大數(shù)據(jù)分析的結果往往是為了提供給智能體使用，比如人工智能領域的算法訓練、驗證等過程都需要大數(shù)據(jù)分析的參與。

在工作場景上，大數(shù)據(jù)分析與傳統(tǒng)的數(shù)據(jù)分析也存在一定的區(qū)別，大數(shù)據(jù)分析往往需要借助于大數(shù)據(jù)平臺進行，比如Hadoop、Spark，以及各種商用的大數(shù)據(jù)平臺等，但是傳統(tǒng)的數(shù)據(jù)分析往往會基于Excel或者是傳統(tǒng)數(shù)據(jù)庫進行。相對于傳統(tǒng)數(shù)據(jù)分析工具來說，大數(shù)據(jù)分析的工具往往更加豐富，復雜程度也有明顯的提升。

大數(shù)據(jù)分析師和數(shù)據(jù)分析師完全是2個不同的方向：

數(shù)據(jù)分析師，偏業(yè)務。需要理解很多經(jīng)濟管理類的 比如 市場營銷，管理學，財務會計。

對于專業(yè)的適配度比較低，很多領域都需要這崗位。

需要使用 spss，excel，sas等軟件，看到數(shù)據(jù)，找到原因，得出結論。主要就是分析解讀數(shù)據(jù)背后的商業(yè)運用和因果分析，用戶行為 ，數(shù)據(jù)分析的目的是市場營銷

大數(shù)據(jù)分析師，把大數(shù)據(jù)做成小數(shù)據(jù)，再用高性能服務器 提高運算速度。

大數(shù)據(jù)分析師，偏技術方向，適合程序員轉型去做。

在技術層面要做數(shù)據(jù)庫優(yōu)化，分表，緩存，新的數(shù)據(jù)查詢和遍歷方法。如果你的數(shù)據(jù)量很大，那么只有部分數(shù)據(jù)時用來分析的，或者需要做變換計算等，那么你需要在20G數(shù)據(jù)中 找出10G數(shù)據(jù)用于分析，這個時候就需要做技術。

數(shù)據(jù)倉庫，數(shù)據(jù)庫等，做數(shù)據(jù)表等這個時候就需要ETL工程師。假設分析服務器，這個時候就需要 大數(shù)據(jù)云計算工程師。就是做技術了，開始學習 數(shù)據(jù)庫，服務器，編程等，那么大數(shù)據(jù)分析師就變成工程師了，變成程序員了。

大家不要看大數(shù)據(jù)很熱，你們公司是否有這么多數(shù)據(jù)？你學習的話時候有深厚編程基礎？

你所在的城市時候 崗位很多？每個公司都是需要數(shù)據(jù)分析人員，而不是每家公司都需要大數(shù)據(jù)人員。很多公司的數(shù)據(jù)量并不是很大，不需要大數(shù)據(jù)人員。你時候愿意做一個程序員？

這連個的區(qū)別還是有的

大數(shù)據(jù)是互聯(lián)網(wǎng)上海量的數(shù)據(jù)挖掘，而數(shù)據(jù)挖掘更多的是針對企業(yè)內部的小數(shù)據(jù)挖掘，數(shù)據(jù)分析是進行有針對性的分析和診斷，大數(shù)據(jù)需要分析的是趨勢和發(fā)展趨勢，數(shù)據(jù)挖掘主要是發(fā)現(xiàn)問題和診斷。 數(shù)據(jù)分析更多采用統(tǒng)計學的知識，對原數(shù)據(jù)進行描述性和探索性分析，從結果中發(fā)現(xiàn)價值信息來評估和修正現(xiàn)狀。數(shù)據(jù)挖掘不僅僅用到統(tǒng)計學的知識，還要用到機器學習的知識，這里會涉及到模型的概念。數(shù)據(jù)挖掘具有更深的層次，來發(fā)現(xiàn)未知的規(guī)律和價值。 數(shù)據(jù)分析是將數(shù)據(jù)轉化為信息的工具，而數(shù)據(jù)挖掘是將信息轉化為認知的工具。如果我們想從數(shù)據(jù)(即認知)中提取某些規(guī)律，我們往往需要將數(shù)據(jù)分析與數(shù)據(jù)挖掘相結合使用。

近幾年，隨著科技的日新月異，許多之前沒有聽過的名詞接踵而出。比如云計算，比如大數(shù)據(jù)，可以說云計算的誕生催生了大數(shù)據(jù)。所謂大數(shù)據(jù)，Gartner研究機構給出的定義是這樣的：一種需要具有更強決策力、洞察發(fā)現(xiàn)力以及流程優(yōu)化能力的全新處理模式，以此來適應海量多樣化的信息資產(chǎn)。筆者認為，大數(shù)據(jù)并非簡單的一種概念，而是一種方法，簡而言之，就是通過分析和挖掘數(shù)據(jù)，從而輔助進行決策的方法。

隨著近幾年大數(shù)據(jù)的越來越火熱，相關的大數(shù)據(jù)職業(yè)也成為了熱門，在諸多的大數(shù)據(jù)相關職位中，數(shù)據(jù)分析師和大數(shù)據(jù)工程師儼然已經(jīng)成為當下最熱門的職位之二。那么數(shù)據(jù)工程師和數(shù)據(jù)分析師有什么區(qū)別呢？

首先來說數(shù)據(jù)分析師，所謂數(shù)據(jù)分析師，簡單來說就是從不同的行業(yè)中獲取數(shù)據(jù)，然后對獲取到的數(shù)據(jù)進行分析，并對相關問題進行解答，一般來說，數(shù)據(jù)分析師的主要任務就是對數(shù)據(jù)進行梳理、分析以及可視化，從而幫助企業(yè)做出決策。而根據(jù)行業(yè)的不同，數(shù)據(jù)分析師的頭銜也不同，如：業(yè)務分析師、運營分析師等，但無論頭銜是什么，數(shù)據(jù)分析師的崗位職責是相同的。

而對于數(shù)據(jù)分析師來說，需要掌握的技能也是比較多的，例如編程、統(tǒng)計學、數(shù)學、數(shù)據(jù)可視化、通信技術等等，這些都說明了數(shù)據(jù)分析師是一個通才，對人們的全面性要求也比較高。

說完數(shù)據(jù)分析師，接下來就說一下數(shù)據(jù)工程師。在大數(shù)據(jù)行業(yè)中，數(shù)據(jù)工程師扮演的角色舉足輕重，甚至可以說是不可或缺的。所謂數(shù)據(jù)工程師，其實本質上還是軟件工程師，也就是我們常說的程序員，他們是整個大數(shù)據(jù)系統(tǒng)的構建者和優(yōu)化者，數(shù)據(jù)工程師的職責就是保證數(shù)據(jù)接收、轉移的準確性，維護系統(tǒng)的安全與穩(wěn)定。和數(shù)據(jù)分析師不同的是，數(shù)據(jù)工程師一般不需要注意統(tǒng)計、分析和建模，他們的工作重點在于數(shù)據(jù)的架構、運算以及存儲等方面，而數(shù)據(jù)工程師所需要具備的能力技能一般也就是超強的編程能力以及編寫數(shù)據(jù)查詢程序的能力。

最后，相信大家對于數(shù)據(jù)分析師和數(shù)據(jù)工程師的區(qū)別一定有所了解了。總的來說，這兩個職位都是當前非常熱門的工作崗位，但職責有所不同，對于技術的要求和側重點也不盡相同，數(shù)據(jù)工程師更偏向于技術，而數(shù)據(jù)分析師則更加注重統(tǒng)計分析，但這兩個職位的未來發(fā)展前景都是非常不錯的，大家可以根據(jù)自己的喜好興趣和個人能力來決定應聘或者轉行哪個職位。