数据分析是当下的热门职业，很多人自学了 SQL 、 Python 、Excel 等专业知识。但有不少人并不清楚学了之后能做什么，也不清楚怎么开始规划自己的职业生涯。如果你也面临着这种烦恼，不用担心，这篇文干货满满，为你提供数据分析职业发展规划的思路。
数据分析师的职业规划发展路线可以划分成四大方向：数据分析，数据挖掘，数据产品，数据工程。
（一）数据分析／数据运营／商业分析
这是业务方向的数据分析师。绝大部分人，都是从这个岗位开始自己的数据之路，也是基数最大的岗位。偏业务的数据分析师，一般属于运营部门。不少公司也称数据运营或者商业分析。这类岗位的职位描述一般是：负责和支撑各部门相关的报表；建立和优化指标体系；监控数据的波动和异常，找出问题；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；
工作内容：主要使用 SQL 取数，配合业务团队进行指标体系搭建和可视化展示，撰写数据分析报告等
技能要求：熟悉产品、用户等方面的业务数据分析知识，熟练使用 Excel 、 SQL 和 BI 软件，懂基本统计学知识
（二）数据挖掘／算法专家
这是技术向的数据岗，有些归类在研发部门，有些则单独成立数据部门。数据挖掘工程师要求更高的统计学能力、数理能力以及编程技巧。数据挖掘的范围则大得多，即可以通过机器学习，而能借助其它算法。比如协同过滤、关联规则、 PageRank 等，它们是数据挖掘的经典算法，但不属于机器学习，所以在机器学习的书籍上，你是看不到的。
工作内容：主要使用 SQL 取数，使用Python 进行数据探索、数据清洗和处理，搭建数据挖掘模型等
技能要求：统计学、数学基础扎实，会 SQL 、Python 数据分析，懂数据挖掘／机器学习的基本算法
（三）数据产品经理
这个岗位比较新兴，它有两种理解，一种是具备强数据分析能力的 PM ，一种是公司数据产品的规划者。
前者，以数据导向优化和改进产品。在产品强势的公司，数据分析也会划归到产品部门，甚至运营也属于产品部。这类产品经理有更多的机会接触业务，属于顺便把分析师的活也干了，一专多能的典型。
后者，是真正意义上的数据产品经理。在公司迈大迈强后，数据量与日俱增，此时会不少数据相关的产品项目：包括大数据平台、埋点采集系统、 BI 、推荐系统、广告平台等。这些当然也是产品，自然需要提炼需求、设计、规划、项目排期，乃至落地。
工作内容：分析现有数据→驱动业务决策、搭建及完善数据分析体系等。比如监控日常流量、各项核心数据指标（ dau , roi ，转化率...)，分析预警异常事件；分析用户决策链路中各节点的流失率，优化决策流程等。
技能要求：SQL 、Excel、Python 数据分析能力，产品设计能力，项目管理，业务沟通能力
（四）数据工程师
数据工程师其实更偏技术，从职业道路上看，程序员走这条路更开阔。在很多中小型的公司，一方面数据是无序的、缺失的、原始的，另外一方面各种业务报表又嗷嗷待哺。没办法，分析师只能自己撸起袖子，一个人当三个人用。兼并数据清洗。
2、负责公司大数据相关产品的研发，利用数据为公司赋能，提升数据价值；
3、负责重点技术方案的解决、关键的系统与算法设计等；
4、负责解决 ETL 开发、运行中出现的各种问题，制定并实施持续改善方案及计划；
5、负责协助项目经理制定项目计划，把控项目进度，对平台涉及的技术及业务进行培训，指导开发人员进行开发。
| 
