超超超级干货！360度对比！八大类数据岗位-技术圈

这篇文章是超级干货，千万不要一扫而过，欢迎转发！

— 1 —

取数型数据分析师

工作职能：

围绕着业务需求，往往是临时性的取数需求而工作，就是我们常说的工具人。

所需能力：SQL，Excel（基本函数和作图)，良好沟通能力

优势：门槛低，容易进入；压力小，执行层

劣势：连续工作3年以上，会发现自己的职场竞争力超级弱，因为太多入职1年的新人python比你写的好，sql比你玩的溜。此外，还会发现小型市场已经开始逐步使用数据产品工具自动化取数需求。

薪资区间：10-20k

— 2 —

业务数据分析师

工作职能：

需要掌握根据具体业务指标提取和分析公司数据的方法，从商业指标到用户行为到精益管理等，并采取可视化技术传达你的意见和想法。

举例：让A同学去分析如何通过优化APP栏位布局来提高整体下单转化率。这是一个相对具象的分析目标。针对这个问题，A同学需要熟悉现有的APP栏位、市场上常见的栏位布局方式、用户下单转化全流程，并且具有一套分析方法、会使用SQL这样的工具帮他完成整个分析过程。

所需能力：熟练掌握SQL、Excel(基本函数，透视表/图)；Tableau/Power BI/FineBI等可视化工具；熟悉某个行业或者领域的业务流程、知识。熟练掌握业务指标拆解；中高级业务分析师需要掌握更系统的分析方法论，具备良好的统计学基础知识等；

优势：经过修炼，可以成为某个行业或者领域的专家

劣势：取数分析师进阶版。市场上业务分析师良莠不齐，对业务分析师的要求差异也比较大。有的公司在招人时也是“挂羊头，卖狗肉”。所以，因此，需要自己对职位有一定鉴别能力或者有导师帮助check一下（取数分析师通常解决这个问题是什么？目前发展到什么阶段？而业务分析师要利用业务知识和分析技能做好问题发现，归因）

薪资区间：15k-25k

— 3 —

商业分析师（经营分析方向）

工作职能：

企业内部经营状况分析，通常涉及业绩目标制定、各个渠道经营状况监控、业绩指标异常监控和量化归因并为决策者提供决策依据。主要是解决企业目前营销业绩是否健康?营收状况是否良好？希望通过分析企业各类财务指标，发现业绩增长点，从而调整企业内部战略。

举例：

1.深入理解业务模型和外卖用户补贴逻辑，构建较为完善的外卖补贴分析体系；

2.长期洞察外卖用户特征，从消费场景、用户群等视角寻求用户增长的机会点，驱动外卖新客增长；

3.深度参与推进外卖用户营销相关的增长驱动项目，负责项目目标制定、业务模式设计和项目推进过程的跟踪和复盘；

4.联动用户运营、产品、市场营销等相关部门，盘点不同营销渠道的效果和效率，建设营销效果评价方法，推进外卖市场营销目标、策略、评价的体系化建设。

所需能力：熟练掌握SQL、Excel(基本函数，透视表/图)；Tableau/Power BI/FineBI等可视化工具；掌握基本财务指标；具备一定数据分析方法论，善于通过指标拆解提炼出解决方案。熟练掌握某个行业的商业模式，基本了解同行的财务指标情况；

优势：偏战略方向，向高层汇报，更多机会和挑战，更高的行业天花板；

劣势：准入门槛相对较高，要懂财务、懂行或者"镶金"出身 (名校背景)、有咨询背景更佳

薪资区间：25k-60k

相关职位：

— 4 —

商业分析师（战略分析方向）/战略分析师

工作职能：

为老板出谋划策，站在高层或者老板的角度看问题。主要关心问题如市场多大？竞争对手有哪些？对手做什么？我们应该能做什么？诸如此类的。对这批人的能力要求更高，需要很懂行，也就是对行业有较为全面的认知。不仅如此，还需要有敏锐的商业嗅觉，什么意思呢？就是能快速察觉政策、竞对、市场风向等，并及时做出响应。

所需能力：熟练掌握各类分析方法框架；全局思维；清晰的分析思路；敏锐的商业嗅觉；

优势：面向企业高层，职业天花板高，格局大、视野广

劣势：坑位少，一般互联网公司就招那么5-10个

薪资区间：35k-65k

— 5 —

策略分析师/策略产品/策略运营

5.1 策略数据分析师

工作职能：

策略数据分析师仍旧还是基于数据分析，这是他与策略产品、策略运营不同的点。

先看“策略”一词,简单说就是可以实现目标的方案集合。说白了就是大家围绕着一个具象化目标制定的一系列的解决方案。那么，策略分析就是通过数据的方法寻找解决方案。同样，策略产品就是通过一系列产品功能更新迭代去完成这个目标。策略运营就是通过一系列运营的手段去完成目标。所以，和策略相关的岗位更强调目标性、更体系。对从业者要求也不再是某个点的理解，而是要懂得整条”链路”。

根据行业和对象不同，策略数据分析师又有风控策略分析师、营销策略分析师、商品定价策略、推荐策略分析师等

所需能力：SQL或Python；有用户画像/商品画像知识体系；掌握核心指标拆解、用户细分和一些基本的营销模型、定价模型、风控模型或基本的推荐算法；熟练掌握某个行业业务知识、业务流程；和产品、运营、算法团队协作，将分析决策落地

优势：薪资高、护城河高；需要一定行业经验积累；

劣势：需要绝对的背KPI能力，抗压耐受性强；

薪资区间：25k-60k

相关职位：

5.2 策略产品

工作职能：

策略产品就是通过一系列产品功能更新迭代去完成特定量化目标。

策略产品归根结底还是产品，因此，围绕产品功能迭代、更新去进行，区别在于目标更明确、更具体。

所需能力：需求对接、撰写需求文档；熟练掌握某个行业业务知识、业务流程；熟悉增长策略、用户细分；了解用户画像/标签、商品画像/标签；掌握用户细分和一些基本的营销模型、定价模型、风控模型或基本的推荐算法；和产品、运营、算法团队协作，将分析决策落地。

优势：薪资高、护城河高；需要一定行业经验积累；

劣势：难度略高，综合能力要求高

薪资区间：25k-60k

5.3 策略运营

工作职能：

策略运营就是通过一系列运营动作去完成特定量化目标。

策略运营归根结底还是运营，所以，先看运营。根据对象不同，运营又有【用户运营】、【内容运营】、【活动运营】、【社群运营】等；

知友总结的很好，【用户运营】是满足目标用户的需求，来提高用户黏性，让用户心甘情愿买单，为公司创收。【内容运营】是通过内容来有针对性地吸引目标客群，引导用户为其付费；这里的“内容”不仅包括文字，可能还包括图片、短视频等。【活动运营】亦然，通过组织产品说明会、线下交流会等各种活动，来提高用户活跃度。【社群运营】也是通过社交网络，让用户与用户之间形成关系网，关系网内的互动可以减少用户的流失率，甚至可以拉新、转介绍。

优势：薪资高、护城河高；需要一定行业经验积累；

劣势：没有什么劣势，是运营很好的晋升方向。

薪资区间：25k-60k

— 6 —

数据产品经理

工作职能：

数据产品经理是在数据背景下催生出的又一新兴职位。从命名上看，数据产品经理与产品经理差异就体现在“数据”两个字上。如果说产品经理主要负责和产品相关的产品需求对接、产品规划、设计、过程管控、产品功能更新和迭代。那么，数据产品经理显然是围绕着数据服务，去设计功能、平台来满足需求方（企业内部或者外部使用者）

数据服务又分数据基础层中间层、应用层。所以，数据产品细分也可以遵循这样的划分，虽然企业招人不按照这样细分，但却也会依据之前的经验对号入座。比如，你之前做的就是偏基础层产品，那么倾向把你划分去做基础层数据产品。

疑问来了：究竟什么是基础层？什么是中间层？什么是应用层？

基础层的数据产品，具象来说可能是埋点平台、数据仓库、数据模型、指标规范、任务调度、测试工具等（如阿里的OneData），往往更多也跟数据的来源接入有关，对产品经理自身的技术思维和素养要求更多；

中间层的数据产品，以画像标签平台、自助化报表平台、各种数据中台为主，在大部分场景都会是承上启下的角色。这就需要产品经理一方面能对数据的来源和质量有所理解把控，一方面也能以应用价值为目标规划自己的平台，确保它不会变成一堆功能的堆砌；

应用层的数据产品，集合了神策这类数据分析类的产品，也包含DMP等能实际做出动作产生收益的平台。总之这一层的数据产品跟钱更近，对产品经理的产品思维和素养要求的也更多；

所需能力：需求对接、撰写需求文档；了解业务知识、数据分析；了解市场上各种类型数据产品；

偏基础层数据产品最好有开发经验，偏中间层数据产品最好有数据分析能力、熟悉数据可视化，一定开发经验；偏应用层的则侧重于业务经验；

优势：薪资较高、护城河高；需要一定行业经验积累；目前数据分析师、开发转型成为数据产品相对容易；

劣势：数据产品经理这个岗位特性只集中在大厂，中小厂不太会设定数据产品这样的岗位。

薪资区间：25k-45k

相关职位：

— 7 —

数据挖掘/算法工程师

工作职能：

需要从海量数据中发现规律, 这就需要一定的数学知识,基本统计模型、数据挖掘技术，如机器学习算法、深度学习算法等；按照方向细分：自然语言处理、搜索推荐算法、计算机视觉等。

所需能力：数学、统计学、计算机基础；熟悉SQL和 R、SAS、SPSS等至少一种相关分析软件；掌握Python、Java、scala、golang等一种或以上编程语言；掌握数理统计和数据分析，掌握回归分析、分类、聚类、关联规则等常用数据统计模型和机器学习、深度网络等，并有独立完整的建模实践经验

优势：薪资高

劣势：门槛高，技术更新快，需要持续更新技能；容易遇到中年危机;

薪资区间：20k-100k

相关职位：

— 8 —

数仓开发/数据仓库

工作职能：

根据业务需求完成数据仓库的架构、设计和开发工作。

项目数据统计与分析任务，提供数据支持服务，ETL实施、ETL优化、报表等；

全链路数据开发，包括日志埋点、数据采集、数据同步、数据清洗与标准化、数据模型设计、离线数据和实时数据开发、数据服务化、可视化和数据治理等工作。

建设用户、商品、交易、流量、营销、采配、库存、仓储、配送、履约等业务领域的通用数据集市。

所需能力：掌握大数据技术栈，包括Hadoop/Spark/Ka a/Flink/ES/Hbase/OLAP引擎等其中几种技术；精通Hive编程、掌握Python/Scala/Java等开发语言一种以上，熟悉Linux系统及常规shell命令；掌握数据仓库体系架构、建模方法、数据治理等知识；

优势：薪资区间大，薪资较高

劣势：技术门槛高，偏底层技术，难以量化产出；

薪资区间：18k-60k

相关职位：

END

·················END·················

超超超级干货！360度对比！八大类数据岗位

推荐阅读