大数据分析师是指基于各种分析方法对大数据进行科学分析、挖掘、展示和决策支持的过程。大数据分析师是从事这个职业的从业者的名字，我国商务部对大数据分析师进行了不同层次的认证。

分析师的角色

大数据分析师可以使企业清楚地了解企业的现状和竞争环境，进行风险评估和决策支持，充分利用大数据带来的价值。在数据挖掘和展示之后，一份清晰、准确和有数据支持的报告将呈现给企业决策者。因此，大数据分析师不再是简单的IT工作者，而是能够参与企业决策和发展的核心人物。

与传统的数据分析师相比，大数据分析师要学会打破信息孤岛，使用各种数据源，在海量数据中发现数据规律，在海量数据中发现数据异常。负责大数据数据分析挖掘平台的规划、开发、运营和优化；根据项目设计开发数据模型、数据挖掘和处理算法；通过数据探索和模型输出分析，给出了分析结果。

大数据分析师应该学习什么？

1.数学知识

数学知识是数据分析师的基础知识。对于初级数据分析师来说，了解一些与描述统计相关的基本内容，具备一定的公式计算能力就足够了，而了解常用的统计模型算法则是加分项。

对于资深数据分析师来说，统计模型相关知识是必备能力，最好对线性代数(主要是矩阵计算相关)有一定的了解。

对于数据挖掘工程师来说，除了统计学，各种算法都需要熟练运用，对数学的要求是最高的。

所以数据分析不一定非要数学很好才能学。只要看你想往哪个方向发展，数据分析也有“文艺”的一面，尤其是女生，可以往公文写作方向发展。

2.分析工具

对于初级数据分析师来说，玩Excel是必须的，透视表和公式一定要熟练使用，VBA是加分项。另外要学习一个统计分析工具，SPSS是一个很好的入门。

对于高级数据分析师来说，使用分析工具是核心竞争力，VBA必不可少，SPSS/SAS/R至少要精通其中一种，其他分析工具(如Matlab)视情况而定。

对于数据挖掘工程师...嗯，可以用Excel，主要工作还是靠写代码。

3.编程语

对于初级数据分析师，可以写SQL查询。如果需要，他们可以写Hadoop和Hive查询，基本可以。

对于资深数据分析师来说，除了SQL之外，还需要学习Python，可以事半功倍的获取和处理数据。当然，其他编程语言也是可以的。

对于数据挖掘工程师来说，Hadoop要熟悉，Python/Java/C++至少要熟悉一个，Shell要会用……总之编程语言绝对是数据挖掘工程师的核心能力。

4.商业理解

业务理解是数据分析师所有工作的基础。数据采集方案，指标的选择，甚至最终结论的洞察，都取决于数据分析师对业务本身的理解。

对于初级数据分析师来说，主要工作是提取数据，制作一些简单的图表，以及少量的见解，对业务有基本的了解。

对于高级数据分析师来说，他们需要对业务有深入的了解，能够基于数据提取有效的意见，对实际业务有所帮助。

对于数据挖掘工程师来说，对业务有一个基本的了解就够了，重点是发挥自己的技术能力。

业务能力是优秀数据分析师必备的。如果你之前熟悉某个行业，学习数据分析是非常正确的。刚毕业没有行业经验也可以慢慢培养，不用担心。

5.逻辑思维

这种能力在我之前的文章中提到的比较少，所以这次我就单独说说。

对于初级的数据分析师来说，逻辑思维主要体现在数据分析过程中的每一步都有一个目的，他们知道自己需要用什么样的手段来实现什么样的目标。

对于资深数据分析师来说，逻辑思维主要体现在构建完整有效的分析框架，了解分析对象之间的关系，了解各项指标变化的因果关系，这些都会给业务带来影响。

对于数据挖掘工程师来说，逻辑思维不仅体现在业务相关分析中，还包括算法逻辑、程序逻辑等等，所以对逻辑思维的要求也是最高的。

6.数据可视化

数据可视化很高，其实覆盖面很广。把数据图表放到PPT里也可以算是数据可视化，所以我觉得这是一个普遍需要的能力。

对于初级数据分析师来说，可以用Excel和PPT制作基本的图表和报表，并将数据显示清楚，从而达到目的。

对于高级数据分析师来说，需要探索更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需要制作简单或复杂但适合受众观看的数据可视化内容。

对于数据挖掘工程师来说，需要了解一些数据可视化工具，并根据需要制作一些复杂的可视化图表，但通常不需要考虑太多美化问题。

7.协调沟通

对于初级的数据分析师来说，了解业务，找数据，解释报表，都需要和不同部门的人打交道，所以沟通技巧很重要。

对于高级数据分析师来说，他们需要开始独立承担项目，或者与产品做一些合作，所以除了沟通技巧之外，还需要一些项目协调技巧。

对于数据挖掘工程师来说，与人沟通的技术方面更多，业务方面更少，对沟通和协调的要求更低。