随着大数据技术落地应用的成熟，不仅互联网行业释放出大量的人才需求，传统行业也需要大量的大数据专业人才。
数据分析师已成为大企业里不可替代的职位，高薪职位，行业适应性强，几乎所有的行业都会应用到数据。
大数据作为目前就业前景非常好的领域之一，高薪、好就业、有前途……吸引了一众小伙伴慕名而来。
我们来看下
▶ 大数据分析岗位的人才需求量排行
中国信息协会大数据分会的《2021-2022中国大数据产业发展报告》显示：
大数据人才需求岗位TOP10的需求度为31.1%-68.9%，其中近70%企业需要数据型人才。
好多人看完这组数据可能还不会有更深层的反应，真正落实到实际工作中，需要解决这两个问题：
• 我能够做什么？
• 我可以去哪些公司和岗位？
接下来带大家详细了解：
01 成为专业的数据分析类人才
数据分析岗位可以分为两大类：一个是商业数据分析师，一个就是数据挖掘工程师。
商业数据分析师
通过对数据的分析，对数据、数据指标的解读，来解决商业问题。
主要有以下几个次层次：
【业务监控】
诊断当前业务是否正常？
是否存在问题？
业务发展是否达到预期（KPI）？
如果没有达到预期，问主要问题在哪？是什么原因引起的？
【建立分析体系】
这些数据分析师已经对业务有一定的理解，对业务也相对比较熟悉，更多帮业务方建立一套分析体系，或者更高级做成数据产品。
【行业未来发展的趋势分析】
这个层次的数据分析师站地更高，在行业、宏观的层面进行业务分析，预测未来行业的发展，竞争对手的业务构成，帮助公司制定战略发展计划，并及时跟踪、分析市场动态，从而及时对战略进行不断优化。
主要技能要求：
数据库知识（SQL至少要熟悉）、基本的统计分析知识、EXCEL要相当熟悉，对SPSS或SAS有一定的了解，对于与网站相关的业务还可能要求掌握GA等网站分析工具，当然PPT也是必备的。
数据挖掘工程师
通过对海量数据进行挖掘，寻找数据的存在模式/规律，从而通过数据挖掘来解决具体问题。
数据挖掘更多是针对某一个具体的问题，是以解决具体问题为导向的。
主要技能要求：
数据库必须精通。很多时候，你模型的数据预处理，可能完成在数据库里完成，你用到的数据库技巧更高。
必须要学会成熟的数据挖掘工具、数据挖掘算法，例如：
SPSS/CELEMENTINE、SAS/EM等，当然如果你会一、二款开源软件，并会写一些程序代码那是最好的。
02 成为其他岗位的高端人才
随着大数据的逐渐普及，数据分析师的岗位慢慢弱化，数据分析越来越普遍应用到各个职能岗位，如：产品、运营、市场、人力资源、销售、财务、运维等。
也就是说，不论你在哪个行业，都会需要数据分析技能。
现在的HR在做人力规划时，从人员结构分析到配置策略分析再到成本分析，无论哪一项都需要使用到数据。
除了本公司的人力数据外，还需要业务数据，竞对公司数据乃至于整个行业数据。
通过大量数据的分析，可以更加精确地制定公司的人力资源战略。
所以你大可不必担心，学完数据分析无用武之地，在未来，销售、市场、运营、策划、产品、后台的财务、法务、人事等，都需要通过数据分析来提升效率。
在职场的初期，如果你连最基本的数据录入、数据整理都做不好，那么还怎么跟别人竞争。
虽然数据分析只是一个技能，但是如果你不去重视它，那么它就会变成一个定时炸弹，关键时候扯你的后腿。
而如果你能比别人更快一步掌握，那么你就拥有了自己的职场竞争力。
