不同公司對數據分析師的職位劃分稍有不同。在一些中小型企業，在沒有成立獨立的數據中心前，數據分析的相關職位往往是在市場部、運營部的管轄之下，人數通常在2－4人不等。對于一些大型企業，有獨立的數據分析部門，團隊成員也在數十人到百余人不等。對于職位頭銜，有的按行政級別劃分，如專員、主管、經理、總監等；也有的按專業水平劃分，如助理、高級、資深、專家等。
數據分析職位整體上分為兩大類：

數據分析師：
- 專業能力成長路徑：助理數據分析師－數據分析師－資深數據分析師－高級數據分析師
- 行政職位晉升路徑：數據分析專員－數據分析主管－數據分析經理－數據分析總監
- 主要專業技能要求：數據庫知識（SQL）、基本的統計分析知識、熟練掌握Excel，了解SPSS/SAS，良好的PPT展示能力。

數據分析工程師：
算法工程師、建模工程師。

從事數據分析和數據挖掘工作，尤其是在互聯網行業，主要需要四個方面的能力，即數據分析和數據挖掘的理論知識、統計分析工具應用、編程開發與數據結構算法的基礎以及業務理解與溝通表達的能力。

 

上面的圖里列出了這個行業不同類型的從業者特點。

A. 主要是負責做最***數據統計和數據挖掘學習相關學術研究。比如發明一些新的算法，想早期的SVM，LDA最近的一些deeplearning模型。但是處在塔尖的的他們對于這些算法在業務場景的應用或者算法的實現興趣并不大，主要精力都花在了理論研究上，比如證明個bounds什么的。寫出來的東西大部分發表在NIPS或者ICML上，一般人也看不懂。他們主要存在于一些研究機構中，如國外高校或者企業研究院。一般企業如果需要這樣的人，也是挖過來當震廠之寶吉祥物，不屬于我們討論的范圍。

B. 他們既對算法有比較深入的了解，又有高超的編程技術。他們的數學可能達不到爐火純青的地步，他們的興趣也不在于各種繁瑣的理論推導。他們對已有算法進行改進，并且給出***的實現，造福廣大人民群眾，比如libsvm，svdfeature，paramater server這樣的工具。當然，這樣的人才也是可遇不可求，而且他們也需要一個比較大的平臺來施展自己的能力。他們的工作應該能夠成為一個企業數據挖掘的大殺器。

成長路線圖：
大數據工程師學習路線圖

進階推薦：
Hortonworks hadoop工程師認證

C. 他們既有理論知識，又有嫻熟的業務思維，且熟悉各種統計應用工具，是企業做數據分析***人選。這類人屬于企業的中層管理人才，最適合他們的崗位可能是數據分析師，BI或者數據產品經理，對數據分析理論技術工具都能熟練應用，EXCEL、SPSS、SAS熟練應用，且業務嫻熟。

成長路線圖：
數據分析師學習路線圖

進階推薦：
CDA建模分析師認證

D. 他們熟練應用統計工具，可能是SQL、SAS、R、或者Python高手，能將所有數據用最直觀漂亮的報表呈現出來。他們不僅能熟練使用某種統計應用工具，且熟悉一點業務，是公司主要做數據分析的基層人員。

成長路線圖：
R語言書籍導讀
Python大數據學習之路

進階推薦課程：
Hadoop大數據分析應用
CDA數據分析師認證

E. 對機器學習數據挖掘算法有一定了解，也有較強的開發能力。適合做偏向開發的數據挖掘崗位。他們和I類的工程師密切配合，應該能有比較好的產出。他們很可能是學校的應屆畢業生，學習了一些理論知識，也鍛煉了開發的能力，但還缺乏實際的工作經驗。互聯網的數據挖掘崗位正是他們大展拳腳的好地方。

成長路線圖：
Hadoop工程師學習路線圖

進階推薦課程：
Hadoop大數據分析應用
Hortonworks hadoop認證

F.看起來是***的，各項技能都很全面，也很適合做leader。但是這樣的人畢竟可遇不可求。另外，每一項都好其實也就是每一項都不好，人的精力總是有限的。我覺得在一到兩個方面做的比較突出，同時另外的方面也不要太弱以至于成為短板，這樣就挺好的了。