我身邊很多想要入門資料分析或者要轉行的，往往對自己的職業規劃一無所知，十分迷茫，經常來問我該怎麼辦？今天，為了方便大家理解，小數把資料分析比作武俠小說裡的門派，讓大家能夠輕鬆地對資料分析行業有個認知，也能走好自己的職業發展之路。那麼，話不多說，且來看看資料分析裡的四大門派！
所謂人多勢眾，以力取勝
想必資料分析行業裡最常見的就是做取數的了，尤其是當資料分析火了之後，因為入行門檻比較低，也就造成了像丐幫一樣的“三百六十行、魚龍混雜”，而且工作相對不累，導致大量人士湧入，但實際崗位其實沒那麼多
但事實上，很多人都是被HR“騙”到公司來做取數機器的，很多公司名義上打著資料分析的額旗號，但實際招來的人就是做取數的
工作內容
取數派每天的工作內容也比較簡單、重複和機械，就是寫SQL取數，根據業務的需求做資料統計、簡單報表製作，總體上說價值感比較低，基本都是新人在做。
但是，取數派也並非一事無成。因為取數的能力是資料分析和後面一系列建模工作的基礎，能夠高效的完成取數，以及對於資料的底層架構的深入瞭解，也不是一件很容易的事情，這也就是“以力取勝”。
好好打好這個取數基礎，有利於後面更高效的做分析和建模的工作，同時這也是瞭解業務方關心的資料和問題的機會。
必備技能：
Excel（如果會VBA就更好了）
SQL取數（核心技能）
資料庫（需要熟悉，具體看你公司用的什麼資料庫）
所謂清心寡欲，唯我獨尊
資料工程師包含的崗位很多，跟常見的資料分析比較容易搞混的，是資料倉庫、資料中台、資料模型等等，這些其實都屬於資料工程師的範疇，主要的工作也是根據具體的職責來看的，要有專門的人來做，很多人最後走專業技術線一般都會轉到資料工程師。
資料工程師更看重資料技術，比如統計學基礎、資料庫操作、程式設計基礎、機器學習基礎，同時你還需要對業務有一定程度的理解。
工作內容
少林分南、北少林，資料工程師也大體可以分為挖掘工程師、演算法工程師等類別
比如說，資料採擷工程師的主要工作是利用已有的演算法模型，對業務資料進行清洗、建模，此方向薪資遠大于資料分析師，天花板也較高，不過升級有一定難度
另一種演算法工程師更看重理論基礎，比如機器學習演算法原理、相關數學原理等。演算法工程師的主要工作一般是研究演算法、為公司的相關業務需求優化演算法
演算法工程師薪資非常高，天花板也高，不過一是升級難度大，二是市場需求沒有資料採擷等方向大，一般是大型大數據公司才會需要這個崗位，比如BAT
當然把這部分劃歸少林，其實還有另外一個原因，就是地中海禿頭（開個玩笑）
必備技能：
資料庫
python
資料採擷演算法
機器學習演算法
……
所謂亦正亦邪，左右逢源
一般入行2–3年基本可以達到業務分析師的水準，當然前提是你的業務知識足備了。《倚天屠龍記》裡的明教可以說四分五裂，而業務分析師也分為兩大陣營：市場業務分析和運營分析。
工作內容
市場業務分析，比如說零售公司的某個業務出了問題，比如銷售，分析師的任務就是要搞清業務資料異常的原因，取資料、做調查、做分析、找業務等等，最終輸出分析報告給業務部門；
運營分析，就是我們俗稱的“表哥表姐”，每天都跟報表打交道，每天主要的任務就是從某個系統匯出excel表，然後整理一個新的excel表。至於看得懂看不懂這個excel，完全看業務能力，跟技術操作沒啥關係。
當然了，公司肯定會有單獨的運營部門，他們的主要任務是拉新轉化和促活，或者是業務運營，其中也會涉及到資料分析的工作，但是跟資料分析師的運營崗位不是一個概念。
總體來說，業務分析師的任務就是發現問題-分析問題-得出結論，為業務人員的行銷策略提供資料支撐，其實相當於一個賦能崗位。
所以，這個崗位比較看重你的思維能力和分析能力，需要你對資料有著敏銳的洞察力，同時也需要對業務有一定的知識儲備
必備技能：
SQL
統計學基礎
excel分析基礎
python/R語言
思維方法與分析模型
……
所謂高瞻遠矚，莫敢不從
商業分析師和資料分析師則是最容易被混淆的，商業分析師是做什麼的呢？
一般來說都是研究行業資料和競品資料，然後研究企業發展、為公司決策者提供戰略決策指導意見的，商業分析師的工作內容就是通過對市場、競對、企業的現狀分析判斷，提出未來的運營、產品方向建議，從而提升份額、提高營收。
工作內容
這個崗位不僅要熟悉業務，還要熟悉行業，還要懂得市場、甚至還要懂得金融管理，跟“百家之長”的武當張三豐十分相像，但是對技術的要求不是很高。
從崗位上說，大量緊缺。因為一般來說，資料分析入行5–8年後就能碰到天花板，這時候大多數人都會轉行做管理（產品經理）、或者去做技術（人工演算法等），很少有人會去主動突破職業瓶頸，達到商業分析師的高度，主要原因也是在於商業分析師的門檻較高。
必備技能
sql
商業分析模型與方法
市場行銷與金融知識
SPSS等工具
………
最後，無論是你是入行，還是想要轉行，都要謹慎又謹慎，起碼要對自己的職業發展有個3–5年的清晰規劃，才能下手準備入行，否則很容易入行就失業。
那麼，讀完了這篇科普文，不知道大家都是哪門哪派，何不在評論區留個言再走？XDDDD
回顧十週入門數據分析系列文：
我又開始了數據科學系列文：
關注數據君的臉書：
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，會有豐富資料包贈送唷！
