阅读本文大概需要5分钟
现在招聘市场上有一种职位越来越火，就是数据分析师. 我本人也是对数据分析非常着迷，数据分析到底是个什么东东，有前途吗?其实数据分析很早就有了，随着现在大数据越来越热门，各行各业都会产生大量的数据，所以数据分析师需求会越来越多，因为很多企业都希望通过对企业内部的数据分析整合，帮助企业提高运营效率；以及对用户的数据深入的分析，挖掘出更多商业价值，帮助企业更好的服务用户 ,今天我们了解一下神秘的数据分析师
1.数据分析师相关岗位
在数据科学领域，有三个不同的角色，分别是：
商业分析师
数据工程师
数据科学家
1).商业分析师
商业分析师的工作主要围绕报表和指标这两块儿，包括：
1).定义关键绩效指标
2).设计和实现报表
3).从用户那里收集报表需求
4).与数据工程师对接确保数据被正确地收集和存储
5).查询数据（一般是聚合过的）
2).数据工程师
数据工程师的工作主要围绕架构和收集这两块儿，包括：
1).通过写数据传输包、设计聚合过程、优化存储，来构建和维护数据传输和存储的基础设施
2).将生产环境产生的原始数据，转换为商业分析师可以用来制作报表的格式化的数据
3).数据科学家
数据科学家的工作主要围绕预测和优化这两块儿，包括：
1).负责构建预测算法，以提升用户体验，最终增加参与度、留存率、收益
2).负责数据驱动的产品的改进和建议
这其实是一个金字塔，商业分析师位于金字塔的最底层，数据科学家位于金字塔的最顶层
数据科学家拥有最丰富的行业经验，他会根据经验来判断这类问题应该使用怎样的方法去解决，甚至可能会设计一个算法，去解决这类问题。一个数据科学团队可能是由一两个数据科学家带领几个甚至几十个商业分析师和数据工程师
2.各个岗位具体的要求
有同学说这些岗位看起来不错啊，那么如果想往这方面发展，或者有转行的同学一定会问，这些岗位需要学哪些东西,什么样的技能,其实不同角色所需要的技能也不一样
商业分析师
商业分析师需要的技能包括：
Excel
Tableau/Power Bl/QlikView
SQL
统计方法（特别是你在金融行业的话）
数据工程师
数据工程师需要的技能包括：
—些SQL环境，如MSSQL/SSAS/SSIS
编程，如Python
MapReduce框架
ETL框架
机器学习（偏应用）
数据科学家
R/MatLab/SPSS
SQL
编程，尤其是Python
MapReduce框架
Hadoopscripting，如PigLating或HiveQL
算法开发
机器学习
线性代数和统计方法
很显然越往后越难，当然薪资也很高，一般3年左右的商业分析师，在15k到25k，数据工程师在20k到30k，数据科学家在30k-50k不等.
薪资是不是很诱人，看起来这些要求都很高啊，对于那些小白用户，或者是准备转行的小伙伴来说，有没有捷径呢。我们先来看一个真实的故事，一个徐亚峰同学的励志故事，一个想要改变现状的奋斗少年的故事，希望能对大家有所帮助
1.徐同学的真实故事
我是徐亚峰，大家都叫我Reinhard Hsu，在2017年3月底裸辞，来到上海。用了不到一个月时间，参加了几家公司的面试，也拿到了几个Offer，最终进入互联网金融行业，从事商业智能相关的工作。
我希望将这段有趣的经历分享给各位师弟师妹，帮助大家了解 数据分析师的就业前景 ，包括相关的岗位、需要的技能，和薪资上限的范围。
我的经历用一句话来说，那就是跟大多数报了这个课程的人一样，没有背景，但是却有追求，没有放松对自己的要求，觉得生活还有改变可能
我所学习的数据分析师的课程内容，与这三个角色的技能都有交集，只是没有涉及到大数据那一块儿。但是毕竟这只是一个入门，大家更多的还是只能找到商业分析师和数据工程师的工作。
这两个如何选择呢？相对而言商业分析师更偏业务一点，数据工程师更偏工程一点。到底是从业务做起还是从工程做起，要看自己的喜好，和性格特点，不必强求。
2.求职路从模糊到清晰
小徐从年前就开始收集商业分析师和数据工程师的招聘信息，但是当时并没有下定决心换工作，更没有想好要去哪个行业或者哪个城市，所以看到一个发一个，结果可想而知，不是因为技能不匹配，就是因为不在招聘所处的城市~~
1).裸辞
世上没有白走的路，正是通过大量的沟通，才让我总结出来前面的三个角色，以及各个角色所需的技能。因为我开始得早，春节前就开始了，所以还有时间补一补技能。同时我开始思考今后的路要怎么走，要到哪个城市的哪个行业发展，将求职范围缩小到特定的城市和行业。
一切准备就绪，我在2017年3月底下定决心裸辞，来到上海，只投几个领域的公司
这里为师弟师妹们总结一下：
你是否下定决心要做改变？问问自己，为了做这个改变，你能放弃什么？
求职要赶早，金三银四，最好年前就开始找。这样还有时间做调整
2).来到上海
因为不知道未来在哪里工作，甚至不知道能不能找到工作，所以并没有一开始就租房子，而是先住在酒店。除了有几个来上海前就一直在勾搭的机会外，每天还要上网找新的招聘信息。事情进展得还算顺利，技术面试的得都不错，开始了与HR的较量。
3).求职应聘
在应聘的时候需要将自己能力展现出来，并将利益最大化。但是HR除了要招到合适的人，还要为企业节省用人成本。有时候你的预期跟他的预期之间有交集，但也有一些时候，是没有交集的。这时候HR就会运用他熟练的套路，降低你的期望。毕竟人家天天面试，阅人无数，技法娴熟，相较之下我们是那么的稚嫩。
我就吃过几次亏，但是也没必要和HR撕逼，如果没有交集，对这份工作也没有太大的意向，那么就有风度地离开，回去好好想想，再遇到刚刚的问题，你应该怎样去应对。
4).经验总结
这里为师弟师妹们总结一下：不妨多去面试几次，才能有下次更好的表现。
最难，最重要的，还是选择，有了几次面试经验后，后面的也会一个比一个顺利。拿到了几个Offer，如何去做选择呢？
我就遇到了这个问题，并且纠结了好久。一个Offer的薪水更高、团队更棒、成长更快，而另一个Offer的行业很吸引我。
说简单也简单，这里一般会有一些指标，比如：薪水、团队、行业、公司发展的阶段等。你更看重哪个指标，就根据哪个去选。
但是说复杂也复杂，问问自己：
你的梦想是什么
你想成为怎样的人
每个公司，它最吸引你的是什么
进入这个公司能不能完成你未来几年的目标
努力重要，选择更重要，但是选择却没有标准答案
3.BAT面试经历
在面试的过程中，也有一些有趣的经历，让我开始享受这个过程，甚至都想就这样面试下去了 .
百度出来的技术给我做面试
上来先整一张A4纸的流量数据，让我去分析，去猜背后发生的事情。我之前没有流量分析的相关经验，但是运用课程中所学的分析思路，确认数据分析的目标、洞察数据中的规律，一张嘴就对上路子了，也算是运气好，让他对我产生了兴趣。后面在他的引导下，逐步缩小范围，还算猜得八九不离十。面试完他跟我说，前面面试了几十个人了，我是第一个。这也让我从侧面了解到其他求职者的水平。
初创公司出的一道游戏题
人家不经意地透露平均得分是1000,我花了两个小时做出来得了1100。我问自己，我是平均水平吗？我不甘心只拿一个平均分，又花了两天做优化，拿到一千三百多分，比他例子中的得分还要高，人家一下子就对我产生了兴趣。要证明自己是一个普通的人并不难，但要证明自己比别人更优秀就需要更多的努力。
好了，说了这么多，大家肯定也想知道徐同学到底是在哪儿学习的，他是在优达学城Udacity报名的数据分析师课程，它的课程系统性很强，特别是课程中介绍的Tableau，绝对是相关领域中的No.1，前段时间 airbnb 招数据分析师，其中一个要求就是熟练 Tableau.
Udacity的课我看了一下确实非常专业，来头很大。它是美国三大慕课网之一，来源于硅谷，是一所云端的“硅谷大学”. 创始人是斯坦福大学教授，前 Google 院士，无人驾驶车的发明者以及 Google 眼镜的项目领头人，里面的老师以及课程都是来之硅谷，而且跟Google,Facebook,AT&T, 滴滴等巨头合作
大家可以扫二维码了解课程详情
长按二维码，了解【优达学城 数据分析师】