隨著數據分析師的崗位發展，網上的數據分析文章越來越多。我以為今年的校招，學生們對數據分析這個崗位會有更深的了解。

但是目前看來還是有很多學生用陳舊的教科書知識和他們自己的想象來理解這個職業的現狀。

由于不理解崗位要做的事情，所以面試前沒有對應的去針對性的準備。

所以今天簡單的說一下，目前市面上的數據分析類型以及校招的投遞要點。

數據分析師到底有哪些類型

目前市面上，以數據分析師為名的崗位一般來說可以分為這么幾大類。

• 偏業務
• 偏策略（建模）
• 偏挖掘（算法）
• 偏開發

第一類是偏業務的數據分析師。這類分析師要解決的問題是具體的業務問題。比如說，如何提升用戶的留存率、降低流失用戶數、提升轉化率等等。這些分析師和業務走的很近。分析師需要了解互聯網的商業模式。需要了解一些常見的運營和產品的手段。

第二類是策略類的分析。策略類分析和上一類業務分析的區別在于。策略類分析要解決的問題一般比較固定，往往是業務直接給一個課題，讓策略分析師找出策略。比如像滴滴，美團這類企業，他們需要優化配送規則、制定反作弊規則等。

第三類是偏挖掘線的。這類數據分析是需要用算法來解決業務問題。常見的算法就那么一些聚類分類回歸等等。這類分析師相比策略類的分析師，面對的問題更加固定。因為算法能解決的問題目前基本就那么幾種，有點像拿著錘子找釘子。由于薪資水平高，這兩年學的人很多。但是需求不大，今年算法崗灰飛煙滅，招的少報的多。

最后一類是偏開發的，這一類現在比較少。絕大部分的這類分析師現在的名稱已經叫做數據開發了。所以這塊就不多說了。

分別需要什么技能

我們來看一下這種不同的數據分析師種類。他們需要的技能都有什么樣的特點？

我給這幾類數據分析師的面試過程分為兩派。

一類是文斗，一類是武斗。

都說文無第一，武無第二。武斗相對容易分出高低，而文斗就各有千秋。

策略類和挖掘類需要的技能有個特點，需要的技能比較固定。

挖掘的算法就那么幾種，分類、聚類、回歸、深度學習等等。雖然現在還在不斷的涌現一些更新的算法，但是，經典的算法已經可以解決出大部分問題了。所以這類同學他們的面試，就有點類似武斗。因為技能的要求太固定了，所以哪些同學做的項目足夠的多，足夠難，項目的理解足夠深，是很容易評估出來的。

像策略類的分析。遇到那些數據建模大賽拿過多次名次的人，自然而然就碾壓了其他的同學。而做挖掘類算法的人。如果有多次算法落地的項目。也要比沒做過的人要好的多。

偏業務的分析面對的問題比較非固定。

每個公司面對的業務問題都不一樣，你必須先理解業務，然后才能夠做好這樣的分析。

所以對這類數據分析師來說，他需要懂業務。

至于什么叫懂業務？你必須知道不同公司它的商業模式是什么，以及日常的工作中業務都能做些什么？

所以這類崗位的分析就有點像作文比賽。同樣一個命題作文，每個人都可以寫出自己的觀點。但沒有誰一定對，沒有誰一定錯，只要你說出自己的邏輯就可以了。

所以這類數據分析師面試的要點在于你的邏輯必須非常清楚。并且你的表達要非常的清晰。至于你會不會積極學習？你有沒有類似的業務經驗，這并不是特別重要。

因為這些經驗，在之后可能都沒用。

文源：三元方差版權歸作者所有