數據分析師指的是不同行業中，專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。

互聯網本身具有數字化和互動性的特征，這種屬性特征給數據搜集、整理、研究帶來了革命性的突破。以往“原子世界”中數據分析師要花較高的成本（資金、資源和時間）獲取支撐研究、分析的數據，數據的豐富性、全面性、連續性和及時性都比互聯網時代差很多。

與傳統的數據分析師相比，互聯網時代的數據分析師面臨的不是數據匱乏，而是數據過剩。因此，互聯網時代的數據分析師必須學會借助技術手段進行高效的數據處理。更為重要的是，互聯網時代的數據分析師要不斷在數據研究的方法論方面進行創新和突破。

就行業而言，數據分析師的價值與此類似。就新聞出版行業而言，無論在任何時代，媒體運營者能否準確、詳細和及時地了解受眾狀況和變化趨勢，都是媒體成敗的關鍵。

此外，對于新聞出版等內容產業來說，更為關鍵的是，數據分析師可以發揮內容消費者數據分析的職能，這是支撐新聞出版機構改善客戶服務的關鍵職能。

技能要求

1、懂業務。從事數據分析工作的前提就會需要懂業務，即熟悉行業知識、公司業務及流程，最好有自己獨到的見解，若脫離行業認知和公司業務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

2、懂管理。一方面是搭建數據分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數據分析的框架，后續的數據分析也很難進行。另一方面的作用是針對數據分析結論提出有指導意義的分析建議。

3、懂分析。指掌握數據分析基本原理與一些有效的數據分析方法，并能靈活運用到實踐工作中，以便有效的開展數據分析?；镜姆治龇椒ㄓ校簩Ρ确治龇?、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯分析法等。高級的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。

4、懂工具。指掌握數據分析相關的常用工具。數據分析方法是理論，而數據分析工具就是實現數據分析方法理論的工具，面對越來越龐大的數據，我們不能依靠計算器進行分析，必須依靠強大的數據分析工具幫我們完成數據分析工作。

5、懂設計。懂設計是指運用圖表有效表達數據分析師的分析觀點，使分析結果一目了然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。

再說一下大數據工程師

一、如何成為優秀的大數據工程師

1.從能力上來分析的，首先大數據工程師是需要有計算機編碼能力的，因為面對海量的非結構化數據，你要從中挖掘出有價值的東西，需要設計算法與編寫程序去實現，而程序員最牛的能力就是編寫簡潔高效的代碼，去實現人們對未來天馬行空的夢想，編碼能力越強的程序員越有可能成為優秀的大數據工程師。

2.其次，大數據工程師需要統計學與應用數學相關的能力背景，數據挖掘與分析是需要設計數據模型和算法的，應該說程序員是有這個基礎的，一般優秀的大數據工程師并不是科班出身，通常是數學專業，因此提高算法設計能力是程序員轉型大數據工程師的關鍵因素。

3.大數據工程師需要具備行業的業務知識，大數據技術的最終目的是服務于社會和企業，并對市場和企業的發展起到重大推動作用，才是大數據的價值所在，因此大數據工程師不能脫離市場。

二、大數據工程師的薪資待遇

真正優秀的大數據工程師是需要不斷的學習新知識和不斷的自我積累經驗。經驗越多，薪資當然也就越高，大數據工程師的前景非常光明，在美國，大數據工程師平均年薪達17.5萬美元，在中國頂尖的互聯網公司里，大數據工程師的薪酬比同級別的其他職位高出30%以上。大數據技術發展的太快，在國內發展勢頭很猛，以至于大數據人才沒有跟上大數據發展的步伐，在未來若干年內都會呈供不應求的狀態，據預測，未來3-5年內數據人才缺口將高達150萬。

因此企業經常高薪聘請大數據技術人才，這這樣供不應求的情況下，數據人才的身價水漲船高。數據人才可從事數據分析師、hadoop開發工程師、數據挖掘工程師、算法工程師和大數據開發工程師等工作。北京的大數據工程師薪資高嗎？2017年6月，大數據工程師崗位在北京的平均工資從10630元/月至30230元/月不等，隨著人才缺口的增加，未來大數據工程師的薪資待遇可能會變得更高。

因此，大數據行業以平均21.2k的月薪高居互聯網行業榜首，遠高于排名二三位的物聯網和智能硬件行業。