商务数据分析与应用+商务数据分析与应用综合实训+职业发展+原创.pptx

主讲教师：张吟玮金华职业技术学院商务数据分析与应用综合实训商务数据分析岗位职业发展

数据挖掘数据产品数据工程010203

商务数据分析岗位职业发展

数据驱动业务发展已成大势。数据分析已经逐渐成为优化各企业发展的关键。科技发展的背后，是各行各业井喷式增长的数据，挖掘数据、解读数据、用数据洞察助力企业发展变得更加重要。数据分析师也是当之无愧的热门新兴职业。数据分析新人比较普适的发展路线是先成为一位数据分析师，积累相关的经验，在一两年后，决定往后的发展，是专精数据分析成为管理岗，或往其他分支领域发展，比如数据挖掘，数据产品，数据工程等。

数据挖掘/算法专家这是技术向的数据岗，有些归类在研发部门，有些则单独成立数据部门。因为要求高，所以数据挖掘的平均薪资高于数据分析师。数据挖掘工程师要求更高的统计学能力、数理能力以及编程技巧。除了掌握算法，同样需要编程能力去实现，比如R、Python、Java，至少掌握一种。模型的实施，往往也要求Hadoop/Spark的工程实践经验，精通SQL/Hive是必须的。

数据挖掘/算法专家数据挖掘的业务领域一样可以细分。金融行业的信用模型和风控模型/反欺诈模型、广告模型的点击预估模型、电商行业的推荐系统和用户画像系统。从需求提出到落地，数据挖掘工程师除了全程跟进也要熟悉业务。数据挖掘工程师，往后发展，称为算法专家。后者对理论要求更严苛，几乎都要阅读国外的前沿论文。方向不局限于简单的分类或者回归，还包括图像识别、自然语言处理、智能量化投顾这种复合领域。

数据挖掘/算法专家深度学习则更前沿，它由神经网络发展而来，是机器学习的一个子集。因为各类框架开枝散叶，诸多模型百花齐放，也可以算一个全新的分支。除了要求熟悉深度学习框架，对模型的应用和调参也是必备的，算法专家和深度学习专家，薪资level会更高一级，一般对应于业务型的数据运营/分析总监。数据科学家是上述岗位的最终形态之一，要么理论能力非常强，往往担任研究院的一把手。要么工程能力突出，上述的系统都能完成平台化的部署。

数据产品经理这个岗位比较新兴，它有两种理解，一种是具备强数据分析能力的产品经理，一种是公司数据产品的规划者。前者，以数据导向优化和改进产品。在产品强势的公司，数据分析也会划归到产品部门，甚至运营也属于产品部。这类产品经理有更多的机会接触业务，属于顺便把分析师的活也干了，一专多能的典型。他们会运用不同的数据源，对用户的行为特征分析和挖掘，达到改进产品。最典型的场景就是AB测试。大到页面布局、路径规划、小到按钮的颜色和样式，均可以通过数据指标评估。此类数据产品经理，更多是注重数据分析能力，擅长用分析进行决策。

数据产品经理后者，是真正意义上的数据产品经理。在公司迈大迈强后，数据量与日俱增，此时会有不少数据相关的产品项目：包括大数据平台、埋点采集系统、BI、推荐系统、广告平台等。这些当然也是产品，自然需要提炼需求、设计、规划、项目排期，乃至落地。虽然数据产品经理需要熟悉各类数据模型、指标、数据挖掘和数据工程的实现，但是聚焦点是把它作为一个项目去实现，故而不用精通。

数据产品经理从职业发展上看，数据分析师做数据产品经理更合适。普通的产品经理，对前端、后端的技术尚未熟悉，这个岗位，特别适合对数据特别感兴趣，但是数理天赋不高的职场人，那么以沟通、项目管理和需求规划为能力，未来发展也很不错。

数据工程师数据工程师其实更偏技术，从职业道路上看，程序员走这条路更开阔。在很多中小型的公司，一方面数据是无序的、缺失的、原始的，另外一方面各种业务报表又嗷嗷待哺。没办法，分析师只能自己撸起袖子，一个人当三个人用。

数据工程师如果分析师在技术方面的灵性不错，那么技能点会往技术栈方向迁移。这也是一个不错的发展方向，因为数据挖掘需要了解算法/模型，理论知识要求过高，自己不擅长容易遇到天花板。选择更底层的工程实现和架构，也是出路，薪资也不会低于数据挖掘/算法专家。部分归属到技术部的数据分析师，虽然Title叫数据分析（其实应该叫数据分析开发工程师），很多工作也是围绕ETL/DW/BI进行，那么这就是标准的数据工程路线。

数据工程师数据工程师，可以从数据分析师的SQL技能，往数据的底层收集、存储、计算、运维拓展。往后发展则是数据总监、或者数据架构师。因为数据分析出身，与纯技术栈的程序员比，思考会更贴合业务，比如指标背后的数据模型，但是技术底子的薄弱需要弥补。

谢谢观看