编辑导语：不少人都选择走上了数据分析的岗位，不过，数据分析师的组织架构并不是很明确，因此，在团队里，数据分析师有时会面临一些“尴尬”的处境。本篇文章里，作者阐述了他对数据分析师这个岗位的理解，一起来看一下。

数据分析师是我职业生涯的起点，而之所以放弃原有专业走上数据之路完全是因为受到时代的感召。记得当时“大数据时代”这个概念一夜之间吹遍神州大地，很多人我这样刚走出校门的年轻人就是在这份感召下加入到浪潮之中，成为了大数据时代里的一员。

但在所谓“大数据时代”的初期，对于因其催生出的各种职业都是没有明确的分工以及岗位职责的划分。数据分析师正好就是这样一个定位不清晰、分工不明确、组织架构放在哪里都成为问题的岗位。其实从如今的角度来看“大数据时代”这个概念催生出的新岗位只有三种：数据分析师，数据挖掘工程师和数据研发工程师。

1）数据分析师

这个岗位主要负责业务、经营层面的分析，为老板、业务方提供决策支持。

2）数据挖掘工程师

这个岗位主要负责的是数据模型的构建与维护，为业务端提供能够直接线上调用的模型服务。现如今这个岗位被提及的次数已经很少，基本上title都已经改换成了算法工程师。

3）数据研发工程师

这个岗位其实才是“大数据时代”的核心产物，因为很大企业跨入大数据时代的标志就是搭建了自己的数据仓库，开始使用Hadoop这类的分布式系统架构来提升数据存储、使用的效率，这样一来数据研发工程师这个岗位就必不可少了。

三个岗位从入门难度来看依次是：数据挖掘工程师 > 数据研发工程师 > 数据分析师。

因为数据挖掘工程师不但要懂统计学、机器学习等方面的知识还要有将这些算法在实际工程中进行应用的能力，所以进入的门槛算是**的。

其次是数据研发工程师，这是典型的研发岗位要懂Hadoop就需要有Java基础，但这一条就能劝退很多人。

**才是几乎没什么门槛的数据分析师，只需要会写写SQL用用EXCEL就能比较轻松的入门（但实际上这些工具可以都不会用，关键还是要看有没有分析思路）。毕业初期我就凭借着一手EXCEL成功入行成为了一名数据分析师。

一、成为数据分析师的好处

在成为数据分析师之后我发现了这个岗位的三大好处。