别傻傻分不清：数据分析师与数据工程师

大数据专家总的来说，可以分为两大类：一类叫数据分析师，另一类叫数据工程师。

数据分析师

数据分析师，都是偏业务的，专注于对业务数据的分析，以及业务应用的分析。你听说过的数据分析、数据挖掘、数据建模以及机器学习等等，都是数据分析师常用的术语。他们关注的是选择合适的分析方法、分析模型来探索业务的规律、业务的变化、业务间的相关性，并对业务的未来做出趋势判断（预测）。他们侧重于如何基于数据来找到业务问题的解决方案，用数据来支撑业务决策和商业决策。

数据工程师

数据工程师，都是偏技术的，专注于大数据应用开发，以及大数据系统建设。你听说过的云平台、Hadoop/Spark/Storm等等的概念就是数据工程师常用的术语。他们关注是大数据系统如何建设、如何开发大数据产品、如何做大数据系统运维。

关于要掌握什么知识？（见黑色字体）

1）数据分析师，要求熟悉数据分析过程，掌握数据分析方法，理解数据分析模型，熟练操作数据分析工具（比如Excel、SPSS、SAS等）；当分析工具无法满足你的分析需求的时候，你还可能需要掌握类似Python和R等脚本分析语言，以实现自定义的自动化的分析流程。当然，最重要的是要熟悉业务逻辑和业务模型，从而掌握数据分析思路，能将数据进行可视化，能够对分析结果进行正确的业务数据解读，等等。

2）数据工程师，最基础的要求熟悉程序开发语言和系统设计（比如JAVA等），然后掌握大数据系统架构（Hadoop/Spark等），懂大数据平台运维，等等。

当然，如果要继续进一步细分岗位，你要学的东西也会有不同的侧重点。

一般来说，数据分析师都是偏业务的，就是常说的“三分技术，七分业务”。

当然，狭义地说，如果你说的是数据分析师中偏技术的，指的是在数据分析师中偏技术的，也可以理解为数据建模师、算法师，那么你要掌握的技术就是懂Python或R语言，能够自行设计算法和分析模型，并使用python语言来实现（此时，肯定没有现成的分析工具供你使用的）。

详细的请看我以前写的文章《大数据专家职位体系》

当前大数据职位，从总的来说，主要有两大类：

一类是应用类，另一类是系统类。

应用类

应用类，偏向于数据分析和数据应用，经常说到的数据分析、数据挖掘，就是典型的应用技术。这一类职位，要求采用适当的分析和挖掘方法对数据进行分析，提取数据中隐含的业务信息，来支撑企业决策。

最典型的职位就是：大数据分析师。

大数据分析师

大数据分析师，主要是指，基于业务问题，能够选择最合适的数据分析和数据挖掘方法，提取数据中的业务信息，从而支撑业务决策。要求熟悉数据分析/挖掘过程，掌握数据分析/挖掘方法，理解数据分析模型，熟练操作数据分析工具（比如Excel、SPSS、SAS等）。一般对于大数据分析师，其能力要求比较全面，不管是业务逻辑、还是分析方法、模型、可视化，都要求全面掌握。

业务数据分析师

业务数据分析师：侧重于商业理解，要求能够将业务问题和商业问题，转化为大数据的问题，并将分析结果从业务层面进行解读，从而形成业务建议和业务策略。要求熟悉业务逻辑和业务模型，掌握数据分析思路，能将数据可视化，对数据解读等。当然，类似的职位还有大数据观察员、大数据研究员等等，这些都侧重于商业理解。

大数据建模师

大数据建模师：侧重于数据建模，能够围绕业务问题，构建合适的数据分析框架和分析模型，将业务问题进行分解，从而达到定性或定量来描述业务的目的。要求熟悉数据建模、模型评估、模型优化、模型应用等等。

大数据算法师

大数据算法师：侧重于数据模型的实现算法研究、设计与实现，为达到分析目的，对实现算法进行分析、选择与优化，确保实现性能及效果。一般情况下，算法师往往和建模师在一起工作。

系统类

系统类，偏向于系统研发，比如Hadoop系统、云计算，就属于系统类技术。这一类职位，要求熟悉Hadoop大数据平台的核心框架和组件，能够基于大数据平台来写代码开发应用，支撑业务应用。

最典型的职位就是：大数据工程师。

大数据开发工程师

大数据开发工程师：负责大数据系统的开发工作，能够运用编程语言进行应用程序的开发、测试和维护，实现产品功能。要求掌握编程语言，如JAVA、R、Python等等。

大数据架构师

大数据架构师：负责大数据系统的平台架构设计、平台构建。要求熟悉Hadoop/Storm/Spark等平台，熟悉整个生态系统的组件，有平台级开发和架构设计能力等等。

大数据运维工程师

大数据运维工程师：侧重于大数据平台运维管理，包括系统运维规划、系统监控、系统优化等等，保障大数据平台服务的稳定性和可用性。掌握平台各组件的安装、配置与调试，有良好的系统性能优化及故障排除能力。

大数据库管理员

大数据库管理员：侧重于数据库/数据倒仓库的设计、开发、管理和优化，监控数据库的性能、故障检测和排除，包括数据采集，数据库架构设计，空间和容量规划，性能优化，数据安全和隐私，数据容错，等等。

当然，在不同的企业中，职位的名称和叫法有所不同，或者会衍生出新的职位，但基本的岗位职责是类似的。