我本身是从汽车行业转行进入互联网，选择了数据分析作为新的职业方向。

近来，有越来越多希望转行的同学进行咨询，此外，我在招聘过程中也接触到为数不少的候选人，发现了一些共性的问题或误区，因此希望通过一系列文章为大家解答一些疑惑。

这是系列文章的第一篇，主要介绍几类数据分析职位的异同，以及相应的识别方法。

下图中列出了常见的数据相关职位，上方职位技术偏向强，下方则更多为业务导向。

在上图中，我们可以看到数据分析师在图中处于中间位置。绝大部分人，都是从这个岗位开始自己的数据之路。

到底找哪种数据分析职位呢？

对于希望通过业务理解和数据洞察驱动产品增长提升的同学，

我会推荐寻找专业数据分析团队中的分析师工作。

1. 由于基数大，数据分析职位的内部分化极大，有些虽然叫数据分析师，

但是每天只需要和Excel打交道，完成leader布置的数据整理工作就行，实际是数据专员的职位。

这一类通常在不重视数据价值的小公司比较常见，或是初入行的实习生，作为正式分析师的辅助。

若是前者，保持学习提升，尽快跳槽，寻求一份真正具有分析属性的分析师职位，否则对于数据分析的理解可能完全跑偏；

若是后者，要加强与正式分析师的沟通，勇于承担更加复杂的工作，争取早日升阶。

2. 还有一类，常见于业务团队内部的数据分析师，大多数的工作是为产品同学提供数据支持，或是做一些简单的功能效果、活动效果分析。

作为业务团队，leader通常会把数据分析作为辅助手段，基本停留在初中级分析，对于分析师的水平要求不高，最大的需求是快速响应。

他们的优势在于能够充分了解产品变动，但是劣势是没有分析师团队作为支持，难以产出深入的分析项目，专业的提升依赖于自我学习，容易陷入“提数机器”的窘境。

3. 对于专业数据分析团队中的分析师，上述工作其实也都会涉及，但是不论Leader或是团队成员，势必希望能够产生价值输出，提升团队影响力，

因此也会有大型的分析项目机会或分析方法论的探索。

分析师基础的工作有数据报表体系和报表维护、指标异动监控和解读；

进一步来说，通过数据或问题拆解的方式来优化和驱动业务，

推动数据化运营、找出可增长的市场或产品优化空间、输出专题分析报告；

最终，通过推动业务或产品层面的落地、创造价值产出，

是数据分析师应该追求的终极目标。

职位识别

那么，应该如何识别上述几种职位呢？

1. 看职位名称及职责描述，名字类似数据分析专员，

JD中第一条是数据报表整理相关内容的，通常是上面所说的第一种职位。下图就是很典型的一个数据专员职位

2. 招聘网站看职位所属部门，或面试过程了解未来leader所属部门，

通常第二类职位的所属部门是业务部门（产品、运营等），

第三类则是专门的数据分析部门或是研究、技术部等

3. 根据面试过程中的问题判断：面试中除了必要技能及统计知识的考察，

看重业务和商业理解的团队通常能帮助初学者打下良好的思维基础