如今的数据分析，除了火，还是火。岗位数量多、薪资水平高、就业前景明朗，好像没有什么岗位比它更适合自己。

但数据分析越受欢迎，求职竞争就会越大，对求职者的能力要求也会越高。

今天，Seed小助手就和大家一起，了解不同数据分析师的工作体验，看看数据分析师究竟需要具备什么能力。

上面是截止2020年1月份，数据分析师职位清单中的十大技术要求，从这里我们可以看出，像python和R语言这些程序员专用的编程语言，也出现在了技术要求里。

由于现在的数据分析行业非常热门，很多人想转行或毕业后直接进入数据分析行业，但是却过多地担心自己的编程基础薄弱，无法胜任这个岗位。

的确，数据分析对编程也有一定要求，但没有程序员的要求那么高。为了将数据类岗位区别开来，数据行业将数据类岗位细分为数据采集、数据工程和数据产品等，它们和数据分析共同构成了数据行业的“地图”。

上面的数据工程就是数据行业的“程序员”，它和数据分析的工作内容大不相同。

现实中的数据繁多而复杂，为了提高数据分析师的工作效率，数据工程师承担了负责存储和使数据可用的重要角色。

他们会设置管道，分别来自于CRM客户管理系统、ERP企业资源计划和其他不同渠道的原始数据，在经过这些管道时，管道会执行提取、转换和加载的功能，以使数据达到数据分析师使用数据的标准；而那些集中了不同功能的管道，就是由数据工程师集成和设计的。

除此以外，数据工程师还要提供数据库的解决方案，保证数据库的安全和稳定，防止黑客入侵。

因此，数据工程岗位对数据库方面的知识点要求很高，涉及到了SQL、Hadoop集群和NoSQL等。

如果说数据工程师是一个“数据收集者”，那数据分析师就是“数据使用者”。

数据分析师从数据工程师搭建的数据库或数据系统里调取数据后，需要运用一些算法，例如图论算法、随机森林算法、动态规划等，对数据进行统计、分析和建模。

最后还要对分析的结果进行总结，从数据里得出相关的结论和建议，用数据为企业的业务做支撑。除此以外，数据分析师还需要将数据可视化，发现数据之间的关联。例如，将商品价钱和number of help 做相关性分析、看看商品价钱和reviews的质量有没有直接关系等等。

数据分析很香，乃至人人都想做数据分析，那数据分析需要具备哪些能力？

首先是思维能力，因为大多数的数据分析师，都需要为企业的产品或业务提供建议和决策；所以，产品思维和商业思维是必不可少的。

产品思维里，我们要知道代码复用、需求产品化、机械重复工作自动化和万物可量化等；而商业思维，是要学会全价值链思考，从整个价值链去思考问题。做产品的，不能只负责产品，还要思考技术和运营，思考整个企业的价值链关系。

其次是技术能力，也可以理解为hard skills。不说精通，但起码要熟悉数据分析相关的工具。像数据可视化工具Tableau、power BI和ECharts，数据分析和建模工具SPSS和R语言，大数据平台工具Hadoop、Spark，数据挖掘工具Python和SQL。

以上这些工具，是实现数据分析的唯一途径，同时也是成为数据分析师的第一道门槛，不熟悉这些工具，很有可能在笔试环节就被刷掉。

最后，以上两种能力都离不开理论的支撑。统计学里的显著性、置信度和离散度等，常常会在数据分析的AB Test、数学模型和抽样检验里用到；分类、聚类、回归和评估等常用建模模型等，对数据建模也是不可或缺的。

整个数据分析过程，通常是以结果为导向，以解决业务能力作为首要目标，因此数据分析师对于大多数企业而言，已经成为了关键岗位。

商业思维的敏锐程度和技术工具的熟练程度，将会决定你的数据分析之路是否长远。