您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

偏业务的数据分析师与偏技术的数据分析师有什么区别？

数据,分析师,业务偏业务的数据分析师与偏技术的数据分析师有什么区别？

发布时间：2016-12-08加入收藏来源：互联网点击：

问题补充： 两者分别需要掌握哪些工具？两者分工有什么不同？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

去看我的头条文章

回答于 2019-09-11 08:43:50

首先感谢邀请，我是深度数据挖掘，欢迎大家关注和相邀相关问题。

首先我们从这个文字的定义或者简单的领域区分上，可以这样认为，偏业务型的数据分析师是为了营销或者是为了营销而去做这个数据分析，先技术型的数据分析是从技术领域或从逻辑关系上去考虑数据整体和逻辑上完整性的一个创新思维的一种做法和考虑方向的问题。实际上他们在做这个数据上最大的区别就在于他们的动机和取向不同。通常来讲会由于他们的偏向不同，会导致数据结构和数据的逻辑性，在后期出现很多的一些偏向性。

我们通常认为所有的数据分析最终应该是都是符合于技术，或者最终都是为了分析数据而分析，但实际上在执行的过程中远远不仅仅只是在分析数据那么简单，应当考虑的是数据变现，一是将偏业务和偏技术型进行结合，这就意味着他们在前期获，在后期的这个进一步平台定位的时候，会对数据分析会进一步的明了和明朗一些。

回答于 2019-09-11 08:43:50

数据分析可分为两类：

一是偏向产品和运营，更加注重业务

比如数据分析/数据运营/商业分析，主要工作包括日常业务的异常监控、客户和市场研究、参与产品开发、建立数据模型提升运营效率等。这类岗位的职位描述一般是：

负责和支撑各部门相关的报表；

建立和优化指标体系；

监控数据的波动和异常，找出问题；

优化和驱动业务，推动数据化运营；

找出可增长的市场或产品优化空间；

输出专题分析报告。

需要掌握Excel+SQL/hive，了解描述统计学，知道常见的可视化表达，了解一些Python编程，足够完成大部分任务。

二是更注重数据挖掘技术，门槛较高

比如数据挖掘工程师/算法专家，数据挖掘工程师，往后发展，称为算法专家。要求更高的统计学能力、数理能力以及编程技巧，需要扎实的算法能力和代码能力。

除了掌握算法，必须精通SQL/Hive，需要编程能力，Python、R、Scala/Java至少掌握一种，往往也要求Hadoop/Spark的工程实践经验。因为要求高，所以平均薪资高于数据分析师。

加米谷大数据培训，大数据开发9月0基础班、提高班，预报名中

相关：

怎样成为一名数据分析师？需要学习什么技能？

https://www.toutiao.com/i6668132498532205067/

回答于 2019-09-11 08:43:50

偏向业务的数据分析师的主要是通过数据分析来指导业务的发展，找出业务发展存在的问题和不足，明确业务的发展方向，他更重要的还是要熟悉业务， 偏向技术的数据分析师，主要的侧重方向还是技术层面，以技术辅助业务发展，双方相辅相成，缺一不可。

回答于 2019-09-11 08:43:50

虽然业务分析人员和数据分析师都是以数据为中心的职务，但它们的不同之处在于，业务分析人员从与企业的整个系统相关的业务角度分析数据并评估需求。另一方面，数据分析师更关注企业数据库中的数据之间的关系。他们利用自己的技能将数据与业内竞争对手进行比较。他们对数据进行统计分析，并在分析的基础上提供见解。数据和业务分析师都必须是问题解决者。

而数据分析师的主要任务是收集、操作和分析数据。他们准备报告，这些报告可以是图表、图表和直方图的形式，详细说明他们推断的重要结果。数据分析师之所以与众不同，是因为他具有很强的商业头脑和对公司组织结构的影响力。优秀的数据分析师不仅会解决业务问题，他们会选择正确的问题，这些问题的解决方案将为公司的增长带来最大的价值。

在许多方面，数据分析师更合格的解决问题，因为他们有多学科技能介入并做简单的事情超出且完成业务分析师的事项范围。

对能够处理海量信息的数据分析师的需求正在上升。这是近年来劳动力供需最严重的失衡。这对所有业务分析师意味着什么?是时候提高警觉了!如今，许多培训学院甚至大学都开设了数据科学课程，让那些对这职业感兴趣的人能够掌握大数据的语言。