⑴ 数据分析师的职位有哪些
数据产业的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支掌握数据技术、懂管理、有数据应用经验的数据建设专业队伍。目前数据相关人才的欠缺严重阻碍数据市场发展。
数据分析的相关职位需要的是复合型人才，能够对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控。未来，数据分析将会出现约100万以上的人才缺口，在各个行业，数据分析中高端人才都会成为炙手可热的人才，涵盖了大数据的数据开发工程师、数据分析师、数据架构师、数据后台开发工程师、算法工程师等多个方向。
人们每时每刻都在产生着数据，而这些数据改变着生活。大数据产业已逐步从概念走向落地，90%企业都在使用大数据，而大数据高端软件类人才供应远不能满足时代的发展。有报告指出，数据分析师已成当下中国互联网行业需求旺盛的六类人才职位之一，并且未来中国基础性数据分析人才缺口将达到 1400 万。
就目前中国数据人才的市场来看，比较紧缺的数据分析岗位主要为数据专员（统计员）、数据运营、数据分析师、数据分析工程师、数据挖掘工程师、数据策略师（数据产品经理）、算法工程师等职位岗位。
关于数据分析师岗位的相关问题，建议找一家专业的机构了解一下。例如CDA数据认证中心就不错。CDA已进行500多期线上线下数据分析及大数据培训课程，培养学员10万+人次；已在全国70+城市举办15届CDA数据分析师认证考试，报考考生数万人。
⑵ 我要做一张报表，sql从数据库中取数据（ibatis），买衣服这些项目是前台动态选定，按人名分组查询使用金
前台拼出查询字符串
sql = "select 姓名";
if(买衣服)
sql += ",sum(买衣服)";
if(吃饭)
sql += ",sum(吃饭)";
sql += " from 表 group by 姓名";
然后执行这个sql即可
⑶ 财务人员真的有必要学习 SQL 语言和 Power BI 吗
先说结论吧，有必要学，但是不要学的太深。
题主说的那是财务分析师，这是一个新兴职业，目前的需求不多，只有在大公司里才有，而且这种不属于传统类型，更多的是属于战略部门。
你随便拉个大厂的财务出来，你问问她们会不会SQL，会不会BI工具，90%的回答肯定都是不会，因为这种财务做的事情大多数都偏传统，涉及到的工具还是Excel，能把Excel玩的很厉害的也是极少数。
Excel需要熟练的技能有：基础函数、进阶函数、数据透视表、数据清洗。
记住，什么是熟练，是不需要任何帮助文档就能把东西给做出来，把上面这些操作搞定之后才有学SQL和BI工具的必要。
先说SQL，你不需要变成一个取数机器，你只需要学会查询、连接等基本操作就行，select from和各个财务报表之间的关系搞清楚就行了，还有一个就是要学会连接数据库，BI工具用的到。
⑷ 数据库开发工程师的岗位职责
数据库开发工程师的岗位职责
在当下社会，我们都跟岗位职责有着直接或间接的联系，岗位职责是组织考核的依据。想必许多人都在为如何制定岗位职责而烦恼吧，以下是我收集整理的数据库开发工程师的岗位职责，希望能够帮助到大家。
数据库开发工程师的岗位职责1
职责：
1、 负责数据库仓库模型设计及规划，数据仓库架构搭建和优化策略；
2、使用相关ETL工具和BI工具，支持中后台数据转换模型和技术开发；
3、负责数据库业务程序开发（包括脚本、函数、存储过程等）和优化以及数据质量技术保障；
4、根据金融业务的理解和经验，制定系统和数据库标准化的日常维护和操作手册；
5、编写数据库设计档，进行SQL代码规范审核。
任职要求：
1、具有扎实的数据库基础知识，开发经验3年以上；
2、熟练编写存储过程、函数、性能优化脚本，能独立进行排错、调优；
3、精通oracle或greenplum数据库开发或管理，有OCP认证优先；
4、沟通能力强，语言表达清晰，思维严谨，细致认真，具有良好的团队合作精神；
5、金融证券行业相关经验优先。
数据库开发工程师的岗位职责2
岗位描述：
1、进行业务系统数据库的规划、设计、实施，设计并优化数据库物理建设方案;
2、对数据库进行管理，负责数据库应用系统的运营及监控;
3、业务系统数据库的定期维护和异常处理;
4、对数据库性能分析与调优，排错，保证数据安全;
5、对数据库进行定期备份、和按需恢复;
6、配合其他部门进行的数据处理、查询，统计和分析工作。
任职资格：
1、计算机相关专业，本科以上学历;
2、两年以上相关工作经验;
3、精通关系数据库原理,熟悉数据库系统的规划、安装、配置、性能调试;
4、精通sql脚本的编写，有丰富的数据库管理、运维调优经验;
5、熟练使用数据库管理、分析、设计工具;
6、快速处理系统突发事件的能力，较强的学习和创新能力;
7、良好的沟通能力、团队合作精神。
数据库开发工程师的岗位职责3
职责：
1、根据数据仓库及BI项目的需求，制定ETL相关的设计方案和开发计划，并进行后续的设计、实施、维护；
2、负责数据仓库数据模型的开发，发布，测试工作；
3、负责多种类型的数据报表的研发工作，包括钻取类报表，表格类报表，和图形化报表的研发，测试和发布工作；
4、承担数据抽取、清洗、转化等数据处理程序开发。
任职要求：
1、计算机相关专业本科及以上学历
2、精通数据仓库的数据模型设计，熟悉ETL工具如DataStage，有3年以上的实际BI项目经验；
3、精通Mysql/Oracle/SQLServer数据库，精通SQL语言，熟练编写存储过程，掌握海量数据处理及数据库性能优化；
4、熟悉Hadoop大数据技术框架及相关技术；
数据库开发工程师的岗位职责4
职责：
1、参与需求调研，负责开展专项业务分析，数据开发工作；
2、负责数据支撑工作，从事数据库开发，报表设计和实现；
3、负责相关数据库设计的编写等工作；
4、参与项目的实施，负责数据结果提交、测试反馈与优化；
5、运营及决策提供业务分析及数据支持；
6、参与建立采集、转换、整合数据，与展现开发报表分析的数据设计流程，并应用于实际操作中。
任职资格：
1、本科以上学历，计算机相关专业，掌握SQL语言，至少熟练使用过Sybase、DB2、Oracle等其中一种数据库；
2、熟悉ETL的概念和流程，至少熟练使用过一种ETL工具（odi，informatica，kettle等）；
3、系统学习过数据库原理，对关系模型设计有一定认识更佳，熟练具备SQL语言、存储过程的.编写能力；
4、良好的逻辑思维能力，敏锐的数据洞察力，较强的总结归纳能力；
5、持有OCP认证、OCM、数据库工程师、SPSS、SAS、CDA任意一种证书者优先；
6、熟悉db2和sybase者加分，有会计或审计经验者加分。
数据库开发工程师的岗位职责5
职责：
1、负责数据库的安装、配置、监控、实时备份、恢复和管理；
2、负责数据清理及系统间的数据迁移；
3、根据需要负责数据库设计包括表结构、表、索引等的设计；
4、负责编写SQL、触发器、存储过程等；
5、负责原有SQL优化，原有存储过程维护。
工作要求：
1、2年以上数据库开发或Java软件开发经验；
2、熟练使用Linux系统，熟悉表结构设计、SQL优化，熟练编写存储过程；
3、熟悉Oracle、Mysql数据库运行机制、体系架构；
4、掌握Oracle数据库维护，能对业务需求和故障及时反馈和处理；
5、具较强的责任心和学习能力，有团队合作精神、沟通协调能力、承压能力。
数据库开发工程师的岗位职责6
职责：
1、参与项目需求分析，研究项目技术细节，进行系统框架和核心模块的详细设计；编写相应的技术文档；
2、根据公司要求规范，编写相应的技术文档；编制项目文档、记录质量测试结果
3、完成项目初始至终结的全部技术跟踪协调工作
4、根据开发进度和任务分解完成软件编码工作，配合测试工程师进行软件测试工作；
5、参与客户沟通、项目需求调研分析并维持良好的客户关系；编写需求分析报告。
6、进行用户现场软件的部署和实施
7、完成公司领导交办的其他工作。
岗位要求：
1、计算机相关专业，数学专业优先，本科以上学历；
2、熟悉Oracle、Sqlserver等数据库及SQL语言；
3、良好的团队合作精神和社交技巧及沟通协调能力；
4、能适应经常出差。
;⑸ 如何成为一个数据分析师需要具备哪些技能
接下来我们分别从每一个部分讲讲具体应该学什么、怎么学。
数据获取：公开数据、Python爬虫
如果接触的只是企业数据库里的数据，不需要要获取外部数据的，这个部分可以忽略。
外部数据的获取方式主要有以下两种。
第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。
另一种获取外部数据费的方式就是爬虫。
比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。
在爬虫之前你需要先了解一些 Python 的基础知识：元素（列表、字典、元组等）、变量、循环、函数（链接的菜鸟教程非常好）……以及如何用成熟的 Python 库（urllib、BeautifulSoup、requests、scrapy）实现网页爬虫。如果是初学，建议从 urllib 和 BeautifulSoup 开始。（PS：后续的数据分析也需要 Python 的知识，以后遇到的问题也可以在这个教程查看）
网上的爬虫教程不要太多，爬虫上手推荐豆瓣的网页爬取，一方面是网页结构比较简单，二是豆瓣对爬虫相对比较友好。
掌握基础的爬虫之后，你还需要一些高级技巧，比如正则表达式、模拟用户登录、使用代理、设置爬取频率、使用cookie信息等等，来应对不同网站的反爬虫限制。
除此之外，常用的的电商网站、问答网站、点评网站、二手交易网站、婚恋网站、招聘网站的数据，都是很好的练手方式。这些网站可以获得很有分析意义的数据，最关键的是，有很多成熟的代码，可以参考。
数据存取：SQL语言
你可能有一个疑惑，为什么没有讲到Excel。在应对万以内的数据的时候，Excel对于一般的分析没有问题，一旦数据量大，就会力不从心，数据库就能够很好地解决这个问题。而且大多数的企业，都会以SQL的形式来存储数据，如果你是一个分析师，也需要懂得SQL的操作，能够查询、提取数据。
SQL作为最经典的数据库工具，为海量数据的存储与管理提供可能，并且使数据的提取的效率大大提升。你需要掌握以下技能：
提取特定情况下的数据：企业数据库里的数据一定是大而繁复的，你需要提取你需要的那一部分。比如你可以根据你的需要提取2018年所有的销售数据、提取今年销量最大的50件商品的数据、提取上海、广东地区用户的消费数据……，SQL可以通过简单的命令帮你完成这些工作。
数据库的增、删、查、改：这些是数据库最基本的操作，但只要用简单的命令就能够实现，所以你只需要记住命令就好。
数据的分组聚合、如何建立多个表之间的联系：这个部分是SQL的进阶操作，多个表之间的关联，在你处理多维度、多个数据集的时候非常有用，这也让你可以去处理更复杂的数据。
数据预处理：Python（pandas）
很多时候我们拿到的数据是不干净的，数据的重复、缺失、异常值等等，这时候就需要进行数据的清洗，把这些影响分析的数据处理好，才能获得更加精确地分析结果。
比如空气质量的数据，其中有很多天的数据由于设备的原因是没有监测到的，有一些数据是记录重复的，还有一些数据是设备故障时监测无效的。比如用户行为数据，有很多无效的操作对分析没有意义，就需要进行删除。
那么我们需要用相应的方法去处理，比如残缺数据，我们是直接去掉这条数据，还是用临近的值去补全，这些都是需要考虑的问题。
对于数据预处理，学会 pandas 的用法，应对一般的数据清洗就完全没问题了。需要掌握的知识点如下：
选择：数据访问（标签、特定值、布尔索引等）
缺失值处理：对缺失数据行进行删除或填充
重复值处理：重复值的判断与删除
空格和异常值处理：清楚不必要的空格和极端、异常数据
相关操作：描述性统计、Apply、直方图等
合并：符合各种逻辑关系的合并操作
分组：数据划分、分别执行函数、数据重组
Reshaping：快速生成数据透视表
概率论及统计学知识
数据整体分布是怎样的？什么是总体和样本？中位数、众数、均值、方差等基本的统计量如何应用？如果有时间维度的话随着时间的变化是怎样的？如何在不同的场景中做假设检验？数据分析方法大多源于统计学的概念，所以统计学的知识也是必不可少的。需要掌握的知识点如下：
基本统计量：均值、中位数、众数、百分位数、极值等
其他描述性统计量：偏度、方差、标准差、显着性等
其他统计知识：总体和样本、参数和统计量、ErrorBar
概率分布与假设检验：各种分布、假设检验流程
其他概率论知识：条件概率、贝叶斯等
有了统计学的基本知识，你就可以用这些统计量做基本的分析了。通过可视化的方式来描述数据的指标，其实可以得出很多结论了，比如排名前100的是哪些，平均水平是怎样的，近几年的变化趋势如何……
你可以使用python的包 Seaborn（python包）在做这些可视化的分析，你会轻松地画出各种可视化图形，并得出具有指导意义的结果。了解假设检验之后，可以对样本指标与假设的总体指标之间是否存在差别作出判断，已验证结果是否在可接受的范围。
python数据分析
如果你有一些了解的话，就知道目前市面上其实有很多 Python 数据分析的书籍，但每一本都很厚，学习阻力非常大。但其实真正最有用的那部分信息，只是这些书里很少的一部分。比如用 Python 实现不同案例的假设检验，其实你就可以对数据进行很好的验证。
比如掌握回归分析的方法，通过线性回归和逻辑回归，其实你就可以对大多数的数据进行回归分析，并得出相对精确地结论。比如DataCastle的训练竞赛“房价预测”和“职位预测”，都可以通过回归分析实现。这部分需要掌握的知识点如下：
回归分析：线性回归、逻辑回归
基本的分类算法：决策树、随机森林……
基本的聚类算法：k-means……
特征工程基础：如何用特征选择优化模型
调参方法：如何调节参数优化模型
Python 数据分析包：scipy、numpy、scikit-learn等
在数据分析的这个阶段，重点了解回归分析的方法，大多数的问题可以得以解决，利用描述性的统计分析和回归分析，你完全可以得到一个不错的分析结论。
当然，随着你实践量的增多，可能会遇到一些复杂的问题，你就可能需要去了解一些更高级的算法：分类、聚类，然后你会知道面对不同类型的问题的时候更适合用哪种算法模型，对于模型的优化，你需要去学习如何通过特征提取、参数调节来提升预测的精度。这就有点数据挖掘和机器学习的味道了，其实一个好的数据分析师，应该算是一个初级的数据挖掘工程师了。
系统实战
这个时候，你就已经具备了数据分析的基本能力了。但是还要根据不同的案例、不同的业务场景进行实战。能够独立完成分析任务，那么你就已经打败市面上大部分的数据分析师了。
如何进行实战呢？
上面提到的公开数据集，可以找一些自己感兴趣的方向的数据，尝试从不同的角度来分析，看看能够得到哪些有价值的结论。
另一个角度是，你可以从生活、工作中去发现一些可用于分析的问题，比如上面说到的电商、招聘、社交等平台等方向都有着很多可以挖掘的问题。
开始的时候，你可能考虑的问题不是很周全，但随着你经验的积累，慢慢就会找到分析的方向，有哪些一般分析的维度，比如top榜单、平均水平、区域分布、年龄分布、相关性分析、未来趋势预测等等。随着经验的增加，你会有一些自己对于数据的感觉，这就是我们通常说的数据思维了。
你也可以看看行业的分析报告，看看优秀的分析师看待问题的角度和分析问题的维度，其实这并不是一件困难的事情。
在掌握了初级的分析方法之后，也可以尝试做一些数据分析的竞赛，比如 DataCastle 为数据分析师专门定制的三个竞赛，提交答案即可获取评分和排名：
员工离职预测训练赛
美国King County房价预测训练赛
北京PM2.5浓度分析训练赛
种一棵树最好的时间是十年前，其次是现在。现在就去，找一个数据集开始吧！！
⑹ 数据分析岗位工作职责和工作内容是什么
【导读】随着互联网的发展，数据分析行业得到了飞速的发展，也成了21世纪的高薪行业和热门行业，不少小伙伴想要加入进来，分的一杯羹，首先，要想清职业目标。明确自己是否真的喜欢数据分析，是否真的想往这方面发展。确定职业方向后，再思考如何入门数据分析。数据分析不同目标的发展路径不同，入门所需要的技能也不同。下面我们来具体的看一下数据分析岗位工作职责和工作内容是什么?
第一种，在业务相关部门的数据分析人员，最主要的职责是发现业务问题，提供决策支持。了解业务也是很重要的优势，否则，只是就数据说数据，没有意义。最初级的数据分析人员，会excel的简单功能，比如透视图、一般函数公式、VBA等，会用SQL提取数据，最主要的技能是会用PPT写各种分析报告。这些技能入门还是相对比较容易的，相关资料很多，这里就不一一列举。业务部门高级数据分析人员，需要会数据挖掘、建模，用于支持业务、优化系统流程、提高效率，比如精准销售、客户留存、风险控制等。一般情况下，业务部门的数据分析人员不需要会模型的系统实现，由IT相关人员实施。
第二种，是技术相关部门的数据分析人员。主要职责是支持业务部门的数据提取、数据库管理、数据挖掘建模的系统实现。有的公司也要会写PPT报告。技术部门的数据分析人员，一般需要计算机相关专业，编程能力是必须的。所以，对于无计算机基础的人员来说，入门相对难些。如果是计算机相关专业或计算机基础较好的转成数据分析方向相对比较容易。高级的数据分析人员，可以转机器学习、人工智能等方向，现在很热门，也是未来的发展趋势。
不管是哪个方向，统计学的基础知识是必须的。另外，要找一个好导师，比如，数据分析能力强的上级或同事，可以少走很多弯路。各种技能最关键的是要实践，时刻要找机会锻炼自己的技能，形成数据分析思维。
以上就是小编今天给大家整理发送的关于“数据分析岗位工作职责和工作内容”的相关内容，希望对大家有所帮助。想知道2020年数据分析工程师如何发展，关注小编，持续更新。
⑺ 大数据分析师这个职业怎么样
近期成为月入两万的数据分析师的广告遍地都是，可能会对一些未入行的同学造成错觉。我个人感觉数据分析师这个岗位，可能近几年会消亡。
这不意味着这份工作本身不重要，而是说这份工作本身可能会转化为产品运营的一些必备技能，而不再需要单独特设人力去做这件事。或者说，不是再需要你学习SQL或者学习python，只是为了成为一名数据分析师。作为一名数据分析师，职业自身的壁垒正在不断消减，更加主动的拥抱业务，解决真正的产品和用户需求，或将成为未来的发展趋势。
数据分析师的日常工作
我们来看下预设中的分析师的一些工作场景，看看数据分析师核心的工作价值。
取数
数据清洗
数据可视化
统计分析
数据方向建设和规划
数据报告
取数 — SQL
很多人对数据分析师的预设是SQL达人，包括现在很多数据分析师的核心工作其实就是进行SQL取数。
这项工作的痛点和难点在于，我们为了得到一个结果，通常需要join很多的数据集，然后整个SQL语句就会写的特别长，而且可能会出现一些问题：比如join的表可能会出现key是重复的情况，造成最终的SQL结果因为重复而变得不可用。所以我们需要专人去专门维护各种各样的数据集，他们知道每张表应该怎么用。
但这个其实是关系型数据库遗留下来的产物——我们完全可以不需要join那么多的表。现在的分布式计算的框架，已经完全可以支持我们只保留一张大宽表，有需要的所有字段，然后所有的操作都在这张大宽表上进行，而且可以保证查询速度。这样数据分析最大的痛点已经没有了。至于你说大宽表里面存了很多重复的数据，是不是很浪费资源(关系型数据库之所以不用大宽表就是从存储空间和性能的trade-off角度考虑的)：放心，分布式存储本身是不贵的，而计算效率则是由分布式计算框架进行专门优化的。现在的计算框架计算的响应速度，已经可以在大宽表上可以很快的得到结果了。相比之下，多次join操作反而可能会更慢一些。
同时，现在很多公司的NB框架，其实都已经支持拖拽取数了，也根本不需要写SQL了。
此外，不得不说的一点是，SQL语句本身真的不难。可能如果你自己静下心来想学，一个周末的时间肯定能搞定。而资历老的数据分析师，并不会比资历轻的数据分析师，在SQL语句的写作上有什么本质的区别。以前可能还有一些小表join大表的trick，但现在计算框架大多都已经优化过这些了。所以即使是需要写SQL的场景，本身也是没有什么难度的。
所以，通过大宽表来解放数据分析工作的生产力。即使在一定要写SQL做join操作的时候，本身也不是一件壁垒特别高的事情。取数这件事儿，对于其他岗位的同学，就已经没那么复杂了。
数据清洗 — Python
数据清洗其实是很多强调python进行数据分析课程中，python部分的主要卖点。包括但不限于，怎么处理异常值，怎么从一些原始的数据中，得到我们想要的数据。
在日常产品需求过程中，这种需求的场景其实很小。因为数据大部分都是自己产生的，很少会出现没有预设到的极端值或者异常情况。如果有的话，一般就是生产数据的同学代码写的有bug，这种发现了之后修复代码bug就行。
数据清洗在工作场景的应用在于落表——就是把原始数据变成上面提到的，可以通过SQL提取的hive表。这个工作是需要懂代码的同学去支持的，他们负责数据的产出，包括数据的准确性，数据的延时性(不能太晚产出)等等。前文提到的生成大宽表，其实也可以是他们的工作。这其中就涉及到一些代码的效率优化问题，这个就不是简单懂一点python可以搞定的了，可能涉及到一些数据压缩格式的转化，比如Json/Proto buffer到hive表的转化，还有一些计算框架层面的调优，比如spark设置什么样的参数，以及怎么样存储可以更好的提升查询速度。
所以这部分工作一般是由懂代码的同学完成的。可能数据团队会有比较少数的同学，管理支持全公司的基础表的生成。
数据可视化 — Tableau
很多之前在数据分析做实习的同学，主要的工作内容就是在一个商业化的软件(比如Tableau)上，做一些统计报表。这样可以通过这些数据报表，可以很方便的查看到所属业务的一些关键指标。这些商业软件通常都比较难用，比如可能需要先预计算一下才能输出结果；而且不太好做自定义功能的开发。稍微复杂一点的需求场景，可能就需要一个专门的同学捣鼓一阵，才能输出最终的统计报表。
现在有更先进的套路了。
首先可视化。很多公司打通了前端和后端的数据，这样就可以通过网页查询原始的数据库得到数据结果。而现在很多优秀的前端可视化插件，已经可以提供非常丰富的统计图形的支持。而且因为代码是开源的，可以根据公司的需求场景进行针对性的开发，公司可以再辅以配置一些更加用户友好的操作界面，这样一些复杂需求也有了简单拖拽实现的可能。而且这些前端js代码都是免费的！对于公司来说也能省去一笔商业公司的采买成本。
其次很多商业软件，都是针对小数据集场景设计的。在一些大数据集的场景，一般需要先预计算一些中间表。而如果自己公司定制化开发的前端展示结果，就可以根据需要自主设置计算逻辑和配置计算资源，先在后端进行预计算，前端最终只是作为一个结果展示模块，把结果展示和需要的预计算进行解耦。这样就省去了很多中间表的产出，也会更加快速的得到想要的业务指标，快速迭代。
所以可视化数据的工作量也会大大减少。而且会变成一个人人都可以操作，快速得到结果的场景。
统计分析
对于一名数据分析师而言，统计学分析可能是一块知识性的壁垒。尤其是在现在ab实验成为互联网公司迭代标配的今天。需要把实验设计的那套理论应用起来：比如ab实验进行后的显着性检验，多少样本量的数据才能让这个结论有效可信呢。
但是，你我都知道，经典的统计分析其实是一个非常套路性的工作。其实就是套公式，对应到代码层面，可能也就一两行就搞定了。这个代码的统计分析结果可以作为ab平台的指标展示在最终的ab结果上，大家看一眼就能明白。即使是对那些可能不知道显着性是什么意思的人，你可以跟他简单说，显着了才有效，不显着就别管。
这么一想是不是其实不怎么需要投入额外的人力进行分析？
其他数据相关的工作
数据层面的规划和设计。移动互联网刚刚兴起的时候，可能那时候数据分析师需要对每一个数据怎么来设计一套方案，包括原始的埋点怎么样，又要怎么统计出想要的结果。但现在大部分已经过了快速迭代的时代了，新产品的埋点添加可以参考老产品，这就意味着形成套路了。而一旦形成套路，其实就意味着可以通过程序直接完成或者辅助完成。
数据报告。那就真的是一件人人都能做的事情了，试想谁没在大学期间做过数据报告呢？以前只是因为数据都是从分析师产出的，而如果人人都能取到数据的话，数据报告是不是也不是一个真需求呢？
在我看来，数据分析师这个岗位的天花板和其他岗位相比起来是比较低的。可能工作一两年之后，从岗位本身就已经学不到什么额外的工作知识了。主要的工作内容技术含量不是特别高，技能性的更多的是一些可以简单上手的东西，而且做的时间长了，在这些技能性的事情上得到的积累并不是很多。
数据分析师更像是一个在时代变迁过程中的一个中间岗位：我们从一个基本没有数据的时代，突然进入了一个数据极大丰富的时代，在这个过程中，我们都知道重视数据。那怎么能够利用这个数据呢？可能之前的那一帮人并没有太多的经验，于是老板就招一些人专门来研究一下它，同时做一些底层数据的优化。
经过多年的迭代，现在互联网行业的每个人都知道数据的价值，也大概知道了什么样的数据是重要的，怎样可以更好的挖掘数据背后的价值。同时底层的基础设施也已经支持可以让一个之前没有经验的同学可以快速的上手得到自己想要的关键数据。这时候对于一个职业数据分析师来说，他的任务就已经完成了。就如同当人人都会讲英语的时候，翻译其实也就没有存在的价值了。
此后的数据分析工作，可能不再是一些单独的人做的工作。它会变成一个产品和运营的基础工具，而且足够简单，没有取数的门槛。只是产品运营怎么样可以更好的认识数据，通过数据本身更好的配合产品运营的工作，这已经超脱我们一般理解的数据分析师的工作了，而是一个产品运营分内的工作。
对于那些已经在从事数据分析师岗位的同学来说，建议不要把心思全部投入到数据分析的本职工作上，以完成任务为核心KPI。而是不要给自己设置边界，多从用户的角度思考问题，不要因为是产品运营的工作就不去做了。数据分析师这个职业发展到这个阶段，要么做更加底层的数据建设，要么拥抱业务，最大化的发掘数据背后背后的价值。不要再死守着数据分析的“固有技能”沾沾自喜了。
数据本身的价值是无穷的，作为数据分析师，你们已经先人一步的掌握它了，要有先发优势。你们最接近数据的人，是最可能发现用户的宝藏的人。
⑻ 数据分析员的岗位职责
1. 持证上岗。
2. 热爱本职工作，具有高度的责任心和忘我的工作精神，爱岗敬业，工作认真细致，能认真完成公司交给的各项工作任务。
3. 要求掌握较深的业务知识和计算机应用知识，能用行业各种应用软件进行各种数据分析和综合数据处理，加工成有用的信息提供领导进行决策；能配合系统管理员进行计算机网络维护及管理。
4. 负责本公司计算机信息网络数据的收集、传递（主要是上报）和管理工作，对各网点上报的数据和本机房传递的信息数据，要做好详细的“数据传递纪录”，对未按时间要求漏报和数据有误的网点要及时督促，每月将各经营站、点数据上报情况通报一次；负责各类数据的整理、汇总和分析处理工作，及时向本公司领导及有关部门上报信息数据，做好相关纪录；负责本公司网络信息数据的安全管理，及时做好各类数据及报表的备份工作，做好归档、保管工作，做好信息数据的保密工作，严禁向未授权单位、部门及个人提供各类信息数据；负责机房文件收发、归档和保管工作。
5. 遵守特定的工作时间：必须等各网点数据传输完毕核对无误后才能下班。
⑼ 数据库相关职位
个人感觉数据库架构师和数据仓库工程师的能力要求要高些，对大型数据库的应用要达到熟练或精通的水平，因此，待遇也相对来说好一些。数据库开发工程师的层次相对低些，待遇也稍低。数据架构师，一般企业需要一两个足以。
数据仓库工程师在金融行业或者大型网站的就业机会会大些。
数据库开发工程师的就业路子最宽。以下是一些个案，仅供参考。
一、数据库架构师
任职要求：
1.项目开发经验；
2.丰富的SQL Server、DB2 、Oracle、Sybase大型数据库研发设计经验；
3.丰富的数据库关系模型和物理模型建模经验；
4.有数据库性能优化经验；
5.掌握数据仓库的基本理论，有数据仓库的实际开发经验；二、数据仓库工程师
职位描述：
1、对数据仓库系统的架构设计，编写专业的系统设计文档；
2、配合项目经理进行项目需求分析、应用分解、各模块的概要和详细设计；
3、实施项目开发。
职位要求：
1、有1年以上的ETL、OLAP工具的实际开发经验，有BO、MSTR、Insight、Hyperion Intelligence(Brio)等其中一种开发工具实践经验者优先；
2、熟练使用Oracle等数据库，精通SQL、存储过程，有Java和数据库性能调优的经验者优先；
3、深入理解数据仓库、数据建模等概念，有商业智能相关系统实际建模经验者优先；三、数据库开发工程师
岗位职责：
1、数据库设计与优化；
2、存储过程设计与开发；
3、审核、指导开发工程师有关数据库设计、数据存取方法；
4、协助工程部门实施数据库部署；
5、为测试部门提供数据库支持。
任职要求：
1、本科学历，计算机相关专业
2、两年以上工作经验和数据库设计/开发/管理经验
3、熟悉计算机和数据库等相关基础知识
4、熟悉linux/unix、windows等相关技术
5、精通oracle等大型数据库技术，熟练掌握数据库开发技术，熟练使用sqlplus进行存储过程开发，精确sql语言。
6、掌握系统数据存储架构设计技能和数据备份管理技术
7、良好的沟通能力和执行能力；正直、务实、敬业、善于思考、良好的团队合作精神