超超超級干貨！360度對比！八大類數(shù)據(jù)崗位

??這篇文章是超級干貨，千萬不要一掃而過，歡迎轉(zhuǎn)發(fā)！

—?1?—

取數(shù)型數(shù)據(jù)分析師

工作職能：

圍繞著業(yè)務(wù)需求，往往是臨時(shí)性的取數(shù)需求而工作，就是我們常說的工具人。

所需能力：SQL，Excel（基本函數(shù)和作圖)，良好溝通能力

優(yōu)勢：門檻低，容易進(jìn)入；壓力小，執(zhí)行層

劣勢：連續(xù)工作3年以上，會發(fā)現(xiàn)自己的職場競爭力超級弱，因?yàn)樘嗳肼?年的新人python比你寫的 好，sql比你玩的溜。此外，還會發(fā)現(xiàn)小型市場已經(jīng)開始逐步使用數(shù)據(jù)產(chǎn)品工具自動(dòng)化取數(shù)需求。

?

薪資區(qū)間：10-20k

—?2?—

業(yè)務(wù)數(shù)據(jù)分析師

工作職能：

需要掌握根據(jù)具體業(yè)務(wù)指標(biāo)提取和分析公司數(shù)據(jù)的方法，從商業(yè)指標(biāo)到用戶行為到精益管理等，并采取可視化技術(shù)傳達(dá)你的意見和想法。?

舉例：讓A同學(xué)去分析如何通過優(yōu)化APP欄位布局來提高整體下單轉(zhuǎn)化率。這是一個(gè)相對具象的分析目標(biāo)。針對這個(gè)問題，A同學(xué)需要熟悉現(xiàn)有的APP欄位、市場上常見的欄位布局方式、用戶下單轉(zhuǎn)化全流 程，并且具有一套分析方法、會使用SQL這樣的工具幫他完成整個(gè)分析過程。

?

所需能力：熟練掌握SQL、Excel(基本函數(shù)，透視表/圖)；Tableau/Power BI/FineBI等可視化工具；熟悉某個(gè)行業(yè)或者領(lǐng)域的業(yè)務(wù)流程、知識。熟練掌握業(yè)務(wù)指標(biāo)拆解；中高級業(yè)務(wù)分析師需要掌握更系統(tǒng)的分? 析方法論，具備良好的統(tǒng)計(jì)學(xué)基礎(chǔ)知識等；

優(yōu)勢：經(jīng)過修煉，可以成為某個(gè)行業(yè)或者領(lǐng)域的專家

?

劣勢：取數(shù)分析師進(jìn)階版。市場上業(yè)務(wù)分析師良莠不齊，對業(yè)務(wù)分析師的要求差異也比較大。有的公司? 在招人時(shí)也是“掛羊頭，賣狗肉”。所以，因此，需要自己對職位有一定鑒別能力或者有導(dǎo)師幫助check一下（取數(shù)分析師通常解決這個(gè)問題是什么？目前發(fā)展到什么階段？而業(yè)務(wù)分析師要利用業(yè)務(wù)知識和分? 析技能做好問題發(fā)現(xiàn)，歸因）

?

薪資區(qū)間：15k-25k

—?3?—

商業(yè)分析師（經(jīng)營分析方向）

工作職能：

企業(yè)內(nèi)部經(jīng)營狀況分析，通常涉及業(yè)績目標(biāo)制定、各個(gè)渠道經(jīng)營狀況監(jiān)控、業(yè)績指標(biāo)異常監(jiān)控和量化歸因并為決策者提供決策依據(jù)。主要是解決企業(yè)目前營銷業(yè)績是否健康?營收狀況是否良好？希望 通過分析企業(yè)各類財(cái)務(wù)指標(biāo)，發(fā)現(xiàn)業(yè)績增長點(diǎn)，從而調(diào)整企業(yè)內(nèi)部戰(zhàn)略。

舉例：

1.深入理解業(yè)務(wù)模型和外賣用戶補(bǔ)貼邏輯，構(gòu)建較為完善的外賣補(bǔ)貼分析體系；

2.長期洞察外賣? 用戶特征，從消費(fèi)場景、用戶群等視角尋求用戶增長的機(jī)會點(diǎn)，驅(qū)動(dòng)外賣新客增長；

3.深度參與推進(jìn)外? ?賣用戶營銷相關(guān)的增長驅(qū)動(dòng)項(xiàng)目，負(fù)責(zé)項(xiàng)目目標(biāo)制定、業(yè)務(wù)模式設(shè)計(jì)和項(xiàng)目推進(jìn)過程的跟蹤和復(fù)盤；

4.聯(lián)動(dòng)用戶運(yùn)營、產(chǎn)品、市場營銷等相關(guān)部門，盤點(diǎn)不同營銷渠道的效果和效率，建設(shè)營銷效果評價(jià)方? 法，推進(jìn)外賣市場營銷目標(biāo)、策略、評價(jià)的體系化建設(shè)。

?

所需能力：熟練掌握SQL、Excel(基本函數(shù)，透視表/圖)；Tableau/Power BI/FineBI等可視化工具；掌握基本財(cái)務(wù)指標(biāo)；具備一定數(shù)據(jù)分析方法論，善于通過指標(biāo)拆解提煉出解決方案。熟練掌握某個(gè)行業(yè)的商業(yè)模式，基本了解同行的財(cái)務(wù)指標(biāo)情況；

?

優(yōu)勢：偏戰(zhàn)略方向，向高層匯報(bào)，更多機(jī)會和挑戰(zhàn)，更高的行業(yè)天花板；

?

劣勢：準(zhǔn)入門檻相對較高，要懂財(cái)務(wù)、懂行或者"鑲金"出身 (名校背景)、有咨詢背景更佳

薪資區(qū)間：25k-60k

相關(guān)職位：

?

—?4?—

商業(yè)分析師（戰(zhàn)略分析方向）/戰(zhàn)略分析師

工作職能：

為老板出謀劃策，站在高層或者老板的角度看問題。主要關(guān)心問題如市場多大？競爭對手有哪些？對手做什么？我們應(yīng)該能做什么？諸如此類的。對這批人的能力要求更高，需要很懂行，也就是對行業(yè)有較為全面的認(rèn)知。不僅如此，還需要有敏銳的商業(yè)嗅覺，什么意思呢？就是能快速察覺政 策、競對、市場風(fēng)向等，并及時(shí)做出響應(yīng)。

所需能力：熟練掌握各類分析方法框架；全局思維；清晰的分析思路；敏銳的商業(yè)嗅覺；

優(yōu)勢：面向企業(yè)高層，職業(yè)天花板高，格局大、視野廣

劣勢：坑位少，一般互聯(lián)網(wǎng)公司就招那么5-10個(gè)

薪資區(qū)間：35k-65k?

—?5?—

策略分析師/策略產(chǎn)品/策略運(yùn)營

5.1 策略數(shù)據(jù)分析師

工作職能：

策略數(shù)據(jù)分析師仍舊還是基于數(shù)據(jù)分析，這是他與策略產(chǎn)品、策略運(yùn)營不同的點(diǎn)。

?

先看“策略”一詞,簡單說就是可以實(shí)現(xiàn)目標(biāo)的方案集合。說白了就是大家圍繞著一個(gè)具象化目標(biāo)制定的一系列的解決方案。那么，策略分析就是通過數(shù)據(jù)的方法尋找解決方案。同樣，策略產(chǎn)品就是通過一系列產(chǎn)品功能更新迭代去完成這個(gè)目標(biāo)。策略運(yùn)營就是通過一系列運(yùn)營的手段去完成目標(biāo)。所? 以，和策略相關(guān)的崗位更強(qiáng)調(diào)目標(biāo)性、更體系。對從業(yè)者要求也不再是某個(gè)點(diǎn)的理解，而是要懂得 整條”鏈路”。

?

根據(jù)行業(yè)和對象不同，策略數(shù)據(jù)分析師又有風(fēng)控策略分析師、營銷策略分析師、商品定價(jià)策略、推薦策略分析師等

所需能力：SQL或Python；有用戶畫像/商品畫像知識體系；掌握核心指標(biāo)拆解、用戶細(xì)分和一些基本的 營銷模型、定價(jià)模型、風(fēng)控模型或基本的推薦算法；熟練掌握某個(gè)行業(yè)業(yè)務(wù)知識、業(yè)務(wù)流程；和產(chǎn)品、 運(yùn)營、算法團(tuán)隊(duì)協(xié)作，將分析決策落地

?

優(yōu)勢：薪資高、護(hù)城河高；需要一定行業(yè)經(jīng)驗(yàn)積累；

劣勢：需要絕對的背KPI能力，抗壓耐受性強(qiáng)；

薪資區(qū)間：25k-60k?

相關(guān)職位：

5.2 策略產(chǎn)品

工作職能：

策略產(chǎn)品就是通過一系列產(chǎn)品功能更新迭代去完成特定量化目標(biāo)。

?

策略產(chǎn)品歸根結(jié)底還是產(chǎn)品，因此，圍繞產(chǎn)品功能迭代、更新去進(jìn)行，區(qū)別在于目標(biāo)更明確、更具體。

?

所需能力：需求對接、撰寫需求文檔；熟練掌握某個(gè)行業(yè)業(yè)務(wù)知識、業(yè)務(wù)流程；熟悉增長策略、用戶細(xì) 分；了解用戶畫像/標(biāo)簽、商品畫像/標(biāo)簽；? 掌握用戶細(xì)分和一些基本的營銷模型、定價(jià)模型、風(fēng)控模型或基本的推薦算法；和產(chǎn)品、運(yùn)營、算法團(tuán)隊(duì)協(xié)作，將分析決策落地。

?

優(yōu)勢：薪資高、護(hù)城河高；需要一定行業(yè)經(jīng)驗(yàn)積累；

劣勢：難度略高，綜合能力要求高

薪資區(qū)間：25k-60k

5.3 策略運(yùn)營

工作職能：

策略運(yùn)營就是通過一系列運(yùn)營動(dòng)作去完成特定量化目標(biāo)。

?

策略運(yùn)營歸根結(jié)底還是運(yùn)營，所以，先看運(yùn)營。根據(jù)對象不同，運(yùn)營又有【用戶運(yùn)營】、【內(nèi)容運(yùn) 營】、【活動(dòng)運(yùn)營】、【社群運(yùn)營】等；

?

知友總結(jié)的很好，【用戶運(yùn)營】是滿足目標(biāo)用戶的需求，來提高用戶黏性，讓用戶心甘情愿買單，? ?為公司創(chuàng)收?！緝?nèi)容運(yùn)營】是通過內(nèi)容來有針對性地吸引目標(biāo)客群，引導(dǎo)用戶為其付費(fèi)；這里的“內(nèi) 容”不僅包括文字，可能還包括圖片、短視頻等?！净顒?dòng)運(yùn)營】亦然，通過組織產(chǎn)品說明會、線下交? 流會等各種活動(dòng)，來提高用戶活躍度?！旧缛哼\(yùn)營】也是通過社交網(wǎng)絡(luò)，讓用戶與用戶之間形成關(guān)? 系網(wǎng)，關(guān)系網(wǎng)內(nèi)的互動(dòng)可以減少用戶的流失率，甚至可以拉新、轉(zhuǎn)介紹。

優(yōu)勢：薪資高、護(hù)城河高；需要一定行業(yè)經(jīng)驗(yàn)積累；

劣勢：沒有什么劣勢，是運(yùn)營很好的晉升方向。

薪資區(qū)間：25k-60k?

—?6?—

數(shù)據(jù)產(chǎn)品經(jīng)理

工作職能：

數(shù)據(jù)產(chǎn)品經(jīng)理是在數(shù)據(jù)背景下催生出的又一新興職位。從命名上看，數(shù)據(jù)產(chǎn)品經(jīng)理與產(chǎn)品經(jīng)理差異 就體現(xiàn)在“數(shù)據(jù)”兩個(gè)字上。如果說產(chǎn)品經(jīng)理主要負(fù)責(zé)和產(chǎn)品相關(guān)的產(chǎn)品需求對接、產(chǎn)品規(guī)劃、設(shè)? 計(jì)、過程管控、產(chǎn)品功能更新和迭代。那么，數(shù)據(jù)產(chǎn)品經(jīng)理顯然是圍繞著數(shù)據(jù)服務(wù)，去設(shè)計(jì)功能、 平臺來滿足需求方（企業(yè)內(nèi)部或者外部使用者）

?

數(shù)據(jù)服務(wù)又分?jǐn)?shù)據(jù)基礎(chǔ)層中間層、應(yīng)用層。所以，數(shù)據(jù)產(chǎn)品細(xì)分也可以遵循這樣的劃分，雖然企業(yè)招人不按照這樣細(xì)分，但卻也會依據(jù)之前的經(jīng)驗(yàn)對號入座。比如，你之前做的就是偏基礎(chǔ)層產(chǎn)品， 那么傾向把你劃分去做基礎(chǔ)層數(shù)據(jù)產(chǎn)品。

?

疑問來了：究竟什么是基礎(chǔ)層？什么是中間層？什么是應(yīng)用層？

?

基礎(chǔ)層的數(shù)據(jù)產(chǎn)品，具象來說可能是埋點(diǎn)平臺、數(shù)據(jù)倉庫、數(shù)據(jù)模型、指標(biāo)規(guī)范、任務(wù)調(diào)度、測試工具? 等（如阿里的OneData），往往更多也跟數(shù)據(jù)的來源接入有關(guān)，對產(chǎn)品經(jīng)理自身的技術(shù)思維和素養(yǎng)要求更多；

中間層的數(shù)據(jù)產(chǎn)品，以畫像標(biāo)簽平臺、自助化報(bào)表平臺、各種數(shù)據(jù)中臺為主，在大部分場景都會是承上? 啟下的角色。這就需要產(chǎn)品經(jīng)理一方面能對數(shù)據(jù)的來源和質(zhì)量有所理解把控，一方面也能以應(yīng)用價(jià)值為目標(biāo)規(guī)劃自己的平臺，確保它不會變成一堆功能的堆砌；

應(yīng)用層的數(shù)據(jù)產(chǎn)品，集合了神策這類數(shù)據(jù)分析類的產(chǎn)品，也包含DMP等能實(shí)際做出動(dòng)作產(chǎn)生收益的平 臺?？傊@一層的數(shù)據(jù)產(chǎn)品跟錢更近，對產(chǎn)品經(jīng)理的產(chǎn)品思維和素養(yǎng)要求的也更多；

?

所需能力：需求對接、撰寫需求文檔；了解業(yè)務(wù)知識、數(shù)據(jù)分析；了解市場上各種類型數(shù)據(jù)產(chǎn)品；

偏基礎(chǔ)層數(shù)據(jù)產(chǎn)品最好有開發(fā)經(jīng)驗(yàn)，偏中間層數(shù)據(jù)產(chǎn)品最好有數(shù)據(jù)分析能力、熟悉數(shù)據(jù)可視化，一定開? 發(fā)經(jīng)驗(yàn)；偏應(yīng)用層的則側(cè)重于業(yè)務(wù)經(jīng)驗(yàn)；

?

優(yōu)勢：薪資較高、護(hù)城河高；需要一定行業(yè)經(jīng)驗(yàn)積累；目前數(shù)據(jù)分析師、開發(fā)轉(zhuǎn)型成為數(shù)據(jù)產(chǎn)品相對容易；

劣勢：數(shù)據(jù)產(chǎn)品經(jīng)理這個(gè)崗位特性只集中在大廠，中小廠不太會設(shè)定數(shù)據(jù)產(chǎn)品這樣的崗位。

?

薪資區(qū)間：25k-45k?

相關(guān)職位：

—?7?—

數(shù)據(jù)挖掘/算法工程師

工作職能：

需要從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律, ?? 這就需要一定的數(shù)學(xué)知識,基本統(tǒng)計(jì)模型、數(shù)據(jù)挖掘技術(shù)，如機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)算法等；按照方向細(xì)分：自然語言處理、搜索推薦算法、計(jì)算機(jī)視覺等。

?

所需能力：數(shù)學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)基礎(chǔ)；熟悉SQL和 R、SAS、SPSS等至少一種相關(guān)分析軟件；掌握Python、Java、scala、golang等一種或以上編程語言；掌握數(shù)理統(tǒng)計(jì)和數(shù)據(jù)分析，掌握回歸分析、分類、聚類、關(guān)聯(lián)規(guī)則等常用數(shù)據(jù)統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)、深度網(wǎng)絡(luò)等 ，并有獨(dú)立完整的建模實(shí)踐經(jīng)驗(yàn)

?

優(yōu)勢：薪資高

?

劣勢：門檻高，技術(shù)更新快，需要持續(xù)更新技能；容易遇到中年危機(jī);

薪資區(qū)間：20k-100k

?

相關(guān)職位：

—?8?—

數(shù)倉開發(fā)/數(shù)據(jù)倉庫

工作職能：

根據(jù)業(yè)務(wù)需求完成數(shù)據(jù)倉庫的架構(gòu)、設(shè)計(jì)和開發(fā)工作。

?

項(xiàng)目數(shù)據(jù)統(tǒng)計(jì)與分析任務(wù)，提供數(shù)據(jù)支持服務(wù)，ETL實(shí)施、ETL優(yōu)化、報(bào)表等；

?

全鏈路數(shù)據(jù)開發(fā)，包括日志埋點(diǎn)、數(shù)據(jù)采集、數(shù)據(jù)同步、數(shù)據(jù)清洗與標(biāo)準(zhǔn)化、數(shù)據(jù)模型設(shè)計(jì)、離線? 數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)開發(fā)、數(shù)據(jù)服務(wù)化、可視化和數(shù)據(jù)治理等工作。

?

建設(shè)用戶、商品、交易、流量、營銷、采配、庫存、倉儲、配送、履約等業(yè)務(wù)領(lǐng)域的通用數(shù)據(jù)集市。

?

所需能力：掌握大數(shù)據(jù)技術(shù)棧，包括Hadoop/Spark/Ka ?? ?a/Flink/ES/Hbase/OLAP引擎等其中幾種技術(shù)；精通Hive編程、掌握Python/Scala/Java等開發(fā)語言一種以上，熟悉Linux系統(tǒng)及常規(guī)shell命令；掌 握數(shù)據(jù)倉庫體系架構(gòu)、建模方法、數(shù)據(jù)治理等知識；

?

優(yōu)勢：薪資區(qū)間大，薪資較高

?

劣勢：技術(shù)門檻高，偏底層技術(shù)，難以量化產(chǎn)出；

薪資區(qū)間：18k-60k

相關(guān)職位：

END

·················END·················

推薦閱讀

1. 我在字節(jié)做了哪些事
   

2. 寫給所有數(shù)據(jù)人。

3. 從留存率業(yè)務(wù)案例談0-1的數(shù)據(jù)指標(biāo)體系

4. 數(shù)據(jù)分析師的一周
   

5. 超級菜鳥如何入門數(shù)據(jù)分析？
   

歡迎長按掃碼關(guān)注「數(shù)據(jù)管道」