数据分析作为新兴行业，行业人才缺口大，招聘门槛也并不算特别高，各行各业懂数据分析的人在求职时肯定比小白更有优势。
根据对就业市场上数据分析业务的分析，发现岗位职责总体可以概括为以下两个方向：
一个是业务岗位的数据分析师，此方向更加看重逻辑思维，比如你思考框架的完整性、思维的灵活性，对数据要有敏锐的嗅觉。除此之外，你还需要掌握一些行之有效的数据分析方法，并且能够灵活的与自身工作相结合。比如：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等等。
另一个则是技术方向的数据分析师，此方向更看重数据技术，比如统计学基础、数据库操作(SQL等)、编程语言（Python、R等）、机器学习等等。你需要对业务有很深的理解，这样才能对业务数据进行清洗、建模、分析。此方向的数据分析师薪资虽然高，但难度也是也极大的，对于刚刚入门数据分析的朋友，我更加推荐业务岗位的数据分析师。
每个职业都有自己的成长曲线，技术岗需要不断精进技术，业务岗需要不断扩宽业务边界。但是一个优秀的数据分析师，不仅需要在技能和理论上成为高手，还需要深刻理解业务，做到始于业务，反哺业务。
不管是业务领域还是技术方向，不同层级的数据分析师要求肯定是不一样的。
以下是初级、中级和高级数据分析师的几点要求说明：
对于入门的初级数据分析师而言，入职的时候能掌握一些基本的机器学习算法，甚至深度学习的一些公式，入职之后会用SQL基本上就大差不差了。
SQL是数据分析师的基本功，但如果工作几年，每天都在干着取数、Excel做表、PPT汇总这些基础的活，就要引起你的警惕了，因为这样的工作重复毫无技术含量，而且可替代性太强。
02 中级数据分析师
如果技术扎实、对业务有了深入的了解，我们就可以进入用分析辅助业务决策的阶段了。如果说第一阶段只是为业务人员提供支持，那么第二阶段就需要我们参与到业务中来。
我们需要通过分析知道业务哪里存在问题，需要怎么进行优化，优化的步骤是什么？怎么进行实验，以及怎么对实验结果进行评估，总之，需要我们对业务发展提出专业的分析意见。
首先要比第一阶段掌握更高阶的工具，比如Python、R语言，也要掌握如何搭建各种经典的数据分析模型。
除了编程语言，很多数据分析师都会用专业的数据分析工具，常见的有Tableau、FineBI、Powerbi。比如FineBI，好处就是无需编程、简单易上手，通过简单的点击拖拽就能搭建各种分析模型，省时省力，已经成为很多出色的数据分析师的必备工具。
03 高级数据分析师
如果对业务有了深刻理解，能参与业务决策，我们就可以进入到第三阶段。在第三阶段，需要我们充分发挥主观能动性，成为引领业务发展方向的领航员。
在这一阶段，我们对各种分析工具和理论应该熟练掌握了，并且我们需要比业务人员更懂业务，需要有梳理业务的逻辑能力，需要有较强的商业敏锐度，需要从数据的蛛丝马迹中找到业务发展的密码......总之，要能用数据分析指导业务决策。
大数据时代，任何一家公司都需要的专业的数据分析师来辅助业务决策，别看现在都在说数据分析内卷严重，但内卷多出在第一、二阶段，而成为第三阶段的优秀数据分析师，将会享受到很高的溢价。CDA数据分析师这两年这么火，就是因为大家都觉得这是个很好的出路。
扫码CDA认证小程序，开启数据分析师刷题
