对中国很多企业来说，都是拥有“数据金矿”，但是已经开始挖掘数据并熟练使用数据分析的企业并不是很多。在国内外市场的影响和中国ZF的扶持下，很多企业开始整理、分析自己的数据，这导致数据分析类岗位和专门从事数据分析的企业如雨后春笋般出现，这意味着企业对数据分析师这个岗位需求会越来越大，直至出现井喷。所以笔者从目前市场供求关系来看，认为目前从事数据分析师竞争压力会小，而且越早从事越有利。

回到大数据圈子里，每一个圈子里面的人，都是在做着改变未来世界的事，都有可能引领着大数据科技与生活的完美融合，不管是互联网+、生物医疗、基因工程、智能家居还是人工智能等等，太多新领域充满了太多未知，充满了太多使命感，所以我们真正天生傲娇，每个人都是自己的英雄。

可现在这个圈子并没有健康的茁壮生态，很多人从早就认为它就是一个泡沫，人人谈，人人吹，人人忽悠。就像法国的密西西比公司泡沫、英国的南海公司泡沫。当真正每个人都在吹捧它的时候，那说明大数据已经很危险了。

我很担心，未来的以后，大数据只是数据的积累和整合，一大堆框架性的东西，只是耗钱的东西，高空楼阁。并不是担心着失业，我只是觉得自己一路探索的“数学真正的价值”，仍然还是很难得到满意的答案。那种无助，也只能是弃甲归田罢了。

数据分析师分布在不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。数据分析师需要敏锐的数字洞察力，因此，统计、会计、保险、工程经济、金融、数学、计算机等专业的同学对这个行业有明显优势，但其他行业的同学如果对这个职业感兴趣，通过日常学习，掌握一些统计必备技能，亦可以从事此类工作.

这是一个用数据说话的时代，也是一个依靠数据竞争的时代。目前世界500强企业中，有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。各国ZF和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。

数据分析师一方面要和业务人员打交道，满足业务人员的数据需求，另一方面，要借助 ETL 工程师建模好的数据，以及数据平台工程师开发的平台，来更高效的完成工作。

有些公司在人员紧缺的情况下，会把 ETL 工程师要做的工作，也安排给数据分析师，这样对数据分析师的开发能力和建模能力，就会有更高的要求。最后一点是提供洞察，前面的工作更多的是被动的，数据分析师还要主动的发现数据中的异常，将这些异常指导业务。

数据分析师一方面要和业务人员打交道，满足业务人员的数据需求，另一方面，要借助 ETL 工程师建模好的数据，以及数据平台工程师开发的平台，来更高效的完成工作。

有些公司在人员紧缺的情况下，会把 ETL 工程师要做的工作，也安排给数据分析师，这样对数据分析师的开发能力和建模能力，就会有更高的要求。最后一点是提供洞察，前面的工作更多的是被动的，数据分析师还要主动的发现数据中的异常，将这些异常指导业务。

围绕数据分析，主要有六种角色。从平台建设线上，包括：
　　数据平台工程师：负责数据平台的研发，牵涉到从数据采集到分析的相关组件开发。
　　数据挖掘工程师：利用机器学习/数据挖掘相关技术，研发算法模型，用于个性化推荐、用户画像、精准广告等。
　　数据产品经理：把数据相关的需求抽象为数据平台的功能产品。
　　从数据流向的角度，包括：
　　ETL工程师：把工程团队的模块产生的数据，不管是日志、数据表，还是埋点的数据，进行清洗、转换，建模成利于数据分析的数据。ETL是Extract–Transform–Load的缩写。
　　数据分析师：利用ETL工程师处理好的数据，满足业务人员的数据需求。
　　业务人员：产品、运营、市场、管理层等，因为产品改进、运营活动、商业决策等，有数据需求。

要成为高级数据分析师的话，一方面是要强化对业务的理解，最好是做到通过数据分析帮助公司决策方向，或者说促进企业快速增长。另一方面，要加强机器学习/数据挖掘的专业知识学习，将机器学习成为数据分析的手段。比如预测用户的流失，对用户进行自动分类等。你能提供的价值就大不相同了。 最后，要强调的是，数据分析师是一个实践的职位，要在实际项目中不断的训练，才能成为高手。

数据分析师手中拥有一座宝藏。作为滴滴出行数据分析团队的负责人，刘普成发现了数据分析师通往卓越的秘诀：视野。数据分析提供了这样一种可能：它不是简单的技术工种，它是最具有潜力的一项工作，背后蕴藏着相当多的机会。

把数据分析作为一种能力培养，让自己在现在的团队中展现出良好的数据分析能力，为你以后内部转岗做好准备。如果内部转岗不成，你可以考虑跳槽到我之前分析的行业中，但我强烈建议你还是需要把系统开发的编程能力学习好，并且对商业智能系统(BI和CRM)有一定了解，这也许是应聘数据分析的优势。如果没有数据分析经验去应聘，相对会难一些，用人单位会考你统计和数据挖掘模型方面的知识，以及工具使用情况。

Excel对十万条以内的数据处理起来一点不虚，但是资深的数据分析师还是笑摸狗头，Too Young Too Sample，爷搞得都是百万数据。要百万数据，就得上数据库。

SQL是数据分析师的核心技能之一。有些公司并不给数据库权限，需要分析师写邮件提需求，这非常不好。数据分析师经常有各类假设需要验证，很多时候写十几行SQL就能得到的答案，还得麻烦其他部门导出数据。

数据分析师，入门并不难，现在很多学生或是转行希望从事数据工作，但数据工作并不是做做EXCEL表格，处理简单相加相减而已，更重要的是形成一个大局系统的思维，从中又缺乏细心敏感的心，才能把工作做好，而且也会提升自己的生活质量，办事能力。

就 数据分析职业来说，个人感觉这对互联网公司来说是非常重要的，也是确实能够带来实际效果的东西。比如说利用数据分析做会员的细分以进行精准化营销；利用数 据分析来发现现有的不足，以作改进，让顾客有更好的购物体验；利用CRM系统来管理会员的生命周期，提高会员的忠诚度，避免会员流失；利用会员的购买数 据，挖掘会员的潜在需求，提供销售，扩大影响力等等。

你是否已经意识这是你人生中的一个重要转机？能不能抓住这个时代的机遇，就在于你对大数据信息的应用和获取。而如何成为大数据时代的弄潮儿，掌握当下最紧缺的软件技能是关键！谷歌、阿里巴巴、百度、京东都在急需掌握hadoop技术的大数据人才！无论你精通大数据的哪一项类，都将在未来职场脱颖而出！

「大数据」是近年来很夯的时下议题，不过它已不再是一个「全新」的概念，大家都活在大数据的时代里，并且对此也不陌生，( 至少应该不是第 1 次听到 )许多企业家也拼了命地试图让自己的公司和「大数据」挂上钩，好像大数据是这个时代里赚钱的唯一一条生命路。
但是然后呢？这跟我们生活有什么关系？我们可以从这当中得到什么？并且有什么是我们可以做的？

伴随着阿里集团在美国上市，互联网金融的大戏进入高潮，大数据、云计算以及互联网金融等几年前对公众还很陌生的技术术语，迅速成为社会热点。这些底层技术以移动互联的用户体验呈现出来，不仅通过互联网产品改变了人们的衣食住行，更通过互联网金融产品开始冲击“智力博弈巅峰”的金融业。

数据分析师最需要的基本素质是什么，很多人会回答，不是要统计学知识吗，不是要会一些工具吗，说得对，也不对，统计学等只是数据分析的术，而我更强调的却是道，做好数据分析与写诗文一样，真正的关键在技巧之外，即业务能力、思考能力及沟通能力三样，这些能力很多人天生就有，而很多人需要艰苦的训练获得，甚至训练也不可得。