数据分析师分类
在企业中，数据分析师们往往分为业务和技术两大类。
两类能力和工作内容有较大区别，但经常企业在招人的时候都叫：数据分析师。
二者的区别如下图：
接下来对以上表格进行讲解：
大纲
Part1 业务类数据分析师工作内容
Part2 技术类数据分析师工作内容
Part3 建议
Part 1
业务类数据分析师工作内容：
第一点：日常运营报告
日常运营报告就是相关部门每天、每周或每月、每季度需要给主管领导进行汇报，具体是日报、周报还是月报，要看每个公司考核安排来定了。一般都是周报和月报的形式，毕竟日报会增加大量的工作。
撰写日常运营报告要注意，表头是固定的，一旦固定好不要轻易改动，这样方便领导查阅和对比，其次是递交数据要遵循流程化原则，日常运营报告一般需要相关负责人提供当天的数据，因此每天几点之前统计好数据要提前与大家打好招呼，一旦形成规则，将会大大提高制作日常运营报告的效率。
第二点：专项研究报告
专项研究报告主要是指针对某个特定问题进行的相关数据汇总和分析，专项研究报告的重点是深入挖掘问题，以及寻找解决问题方案。这些报告是针对特别事件孕育而生的产物，所以是不定期报告，因为你并不知道什么时候会发生什么事情。
第三点：行业分析报告
行业分析报告是对行业的情况汇总报告，主要是分析当前行业的相关情况，这样可以有助于掌握整个趋势。行业分析报告主要分两点，一是整个行业的报告，一是同行竞争对手的报告，整个行业趋势可以通过大数据来获得相关数据，而同行分析，则是通过分析竞争对手相关的业务数据来了解他们的大概情况。
Part 2
技术类数据分析师工作内容：
第一点：数据采集
从系统外部采集数据并输入到系统内部，
数据采集有两个方面，一个是线下的，一个是线上的。
线下采集像参加一些大型的展会、业务员出去跑业务获得的资料、还有线下的调查等等；
线上采集主要的渠道有三个途径，分别是物联网系统、Web系统和传统信息系统。
这里主要是后者，通过互联网及相关技术进行数据的获取。
第二点：数据整合集成
主要是对数据进行ETL，即萃取（extract）、清洗（Cleaning）、转置（transform）、加载（load）。
将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
第三点：数据建模
数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统的过程。
简单说，将抽象的数据用特定的算法进行转化、规整为一个具体的模型。
像用户分析建模时，将抽象用户数据进行聚类、分类，然后分别建立一个具体用户的画像。
在进行建模之前，首先要考虑的是使用哪些变量来建立模型，从业务逻辑和数据逻辑两个方面来考虑：
业务逻辑：数据来源于业务，基于业务层面相关的逻辑来考虑；
数据逻辑：通常从数据的完整性、集中度、是否与其他变量强相关（甚至有因果关系）等角度来考虑。
在选择变量时，业务逻辑应该优先于数据逻辑，因业务逻辑是从实际情况中自然产生，而建模的结果也要反馈到实际中去，因此选择变量时，业务逻辑重要程度相对更高。
我们在建模时，目标是解决商业问题，而不是为了建模而建模，故此我们需要选择适合的算法。常用建模算法包括相关、聚类、分类（决策树）、时间序列、回归、神经网络等。
确定算法后，要再看一下变量是否满足算法要求，如果不满足，回到选择/重构变量，再来一遍。如果满足，进入下一步。
算法选定后，需要用数据分析工具进行建模。针对不同的模型，需要调整参数，这些参数在后续测试中会经过多次调整，很少有一次测试成功的情况。
加载算法与测试结果
算法跑完之后，要根据算法的输出结果来确定该算法是否能够解决问题。
如果结果不好，要么就测试一下算法输出的结果是否有提升空间，要么考虑换成其他算法来解决。
在不断的调整参数，优化模型过程中，模型的解释能力和实用性会不断的提升。当你认为模型已经能够满足目标需求了，那就可以输出结果了。
最后一步：接收业务人员的反馈，看看模型是否解决了他们的问题。
第四点：数据挖掘
指从大量的数据中通过算法搜索隐藏于其中信息的过程。通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
数据挖掘过程模型步骤主要包括定义问题、建立数据挖掘库、分析数据、准备数据、建立模型、评价模型和实施。
第五点：可视化
借助图形化手段，清晰有效地传达与沟通信息。将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。
图片来源于百度，侵删
Part 3
写在最后，技术与业务并是相辅相成的。技术作为理论依据,业务作为实践去检验。
技术不能脱离业务存在，而且学习了技术要多投入实践，了解技术的优劣、什么场景适用等。
除了一些传统的业务模式之外，像菜市场赶集，业务也离不开技术，互联网的发展如此迅速，基于良好技术支持的业务越发重要！越来越多的决策都要基于技术分析的结果，而业务模式是基于决策。
总之，还是需要多学习，多思考，多练习，多总结。
理论，思考，实践，思考，总结，思考，学习......
END