[[434476]]

雖然崗位title里都有數(shù)據(jù)這兩個(gè)字，但這是兩條不同的發(fā)展路線，數(shù)據(jù)分析走的是業(yè)務(wù)和管理路線，數(shù)據(jù)挖掘走的是技術(shù)路線，二者有高下之分嗎?

我認(rèn)識(shí)一位年薪10萬(wàn)刀的數(shù)據(jù)分析師，只會(huì)Excel，不存在別的技能，但人家就是有能力把技術(shù)問(wèn)題轉(zhuǎn)變成業(yè)務(wù)問(wèn)題，不需要會(huì)算法和模型。

因?yàn)?ldquo;SQL+Excel+BI工具+PPT”這套組合拳，就能滿足工作中的絕大部分需求了，如果你再能用PPT把故事講漂亮，領(lǐng)導(dǎo)就覺(jué)得你很厲害了，你大搞機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)算法，如果超出了領(lǐng)導(dǎo)的認(rèn)知范圍并且沒(méi)有什么好效果的話，你的背景和你的技術(shù)也就沒(méi)什么價(jià)值了。

扯遠(yuǎn)了，先來(lái)看看數(shù)據(jù)分析和數(shù)據(jù)挖掘這兩塊分別會(huì)涉及到什么。

數(shù)據(jù)分析

數(shù)據(jù)分析是比較大的概念，因?yàn)樗牧鞒淌怯珊芏鄠€(gè)部分組成的，包含了數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)可視化等。

相比于那些長(zhǎng)篇大論的言論，基本上就是這六大塊可以完整地概括出一整個(gè)數(shù)據(jù)分析的流程，這也是數(shù)據(jù)分析概念的體現(xiàn)。

那就我個(gè)人而言，平時(shí)的數(shù)據(jù)分析工作都是在做什么?

• 從0到1搭建數(shù)據(jù)分析體系
• 數(shù)據(jù)分析工具化，產(chǎn)品化
• 支撐領(lǐng)導(dǎo)、部門決策的專題分析及業(yè)務(wù)方向探索
• 數(shù)據(jù)規(guī)范制定及提升數(shù)據(jù)質(zhì)量等基礎(chǔ)工作

可以看出，數(shù)據(jù)分析師比較看重分析策略和業(yè)務(wù)知識(shí)，而這些東西，都是需要在平時(shí)的工作中，依靠項(xiàng)目經(jīng)驗(yàn)去積累，比較吃資歷、經(jīng)驗(yàn)和對(duì)業(yè)務(wù)的認(rèn)知深度。

數(shù)據(jù)挖掘

什么是數(shù)據(jù)挖掘?

專業(yè)來(lái)說(shuō)，數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但有潛在的有用信息和知識(shí)的過(guò)程。

可以看出，數(shù)據(jù)挖掘是一個(gè)過(guò)程結(jié)果的稱謂，即主要目標(biāo)是從數(shù)據(jù)中挖取隱藏的信息。它是一個(gè)交叉科學(xué)領(lǐng)域，受多個(gè)學(xué)科影響，包括數(shù)據(jù)庫(kù)系統(tǒng)、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)、可視化和信息科學(xué)。

通俗點(diǎn)解釋，數(shù)據(jù)挖掘就是透過(guò)數(shù)據(jù)的表象發(fā)現(xiàn)隱藏在背后的蛛絲馬跡，從而找到潛伏的規(guī)律以及看似無(wú)關(guān)事物之間背后的聯(lián)系，用此來(lái)洞察或預(yù)測(cè)未知事項(xiàng)，輸入的是數(shù)據(jù)，輸出的是知識(shí)。

都說(shuō)數(shù)據(jù)挖掘，那從哪挖掘出來(lái)?基于以下4點(diǎn)：

(圖源網(wǎng)絡(luò))

數(shù)據(jù)挖掘能做到什么?我覺(jué)得舉例子更容易理解。

工廠或者制造業(yè)，可以預(yù)測(cè)以后一段時(shí)間的產(chǎn)品銷量，然后來(lái)調(diào)節(jié)生產(chǎn)計(jì)劃或采購(gòu)計(jì)劃。

頭條和抖音，預(yù)測(cè)用戶會(huì)對(duì)哪個(gè)內(nèi)容感興趣，然后進(jìn)行精準(zhǔn)的推薦，這也是和算法有關(guān)。

電商，可以根據(jù)用戶購(gòu)買商品，個(gè)性化推薦其他。

券商，關(guān)聯(lián)分析用戶的數(shù)據(jù)，認(rèn)定用戶的能力等級(jí)。

……

兩個(gè)崗位的對(duì)比

1、入行門檻

數(shù)據(jù)分析<數(shù)據(jù)挖掘，很多年前數(shù)據(jù)分析的門檻是很低的，但是現(xiàn)在不同了，不過(guò)比起數(shù)據(jù)挖掘所需要的背景，還是要差不少。

舉個(gè)例子，數(shù)據(jù)分析師的學(xué)歷背景：需要985211學(xué)校，有互聯(lián)網(wǎng)公司的實(shí)習(xí)，最好能參與一個(gè)項(xiàng)目全程;

數(shù)據(jù)挖掘的背景：985碩士?jī)?yōu)先，要有知名互聯(lián)網(wǎng)公司項(xiàng)目經(jīng)歷，最好有從0-1的經(jīng)驗(yàn)

2、職業(yè)發(fā)展

都差不多，上面也說(shuō)了，走的是不同的路線，你在清華，我在北大，我們都有光明的未來(lái)

3、薪酬

總體上來(lái)說(shuō)，數(shù)據(jù)分析<數(shù)據(jù)挖掘，畢竟對(duì)數(shù)據(jù)挖掘的技術(shù)背景要求高，當(dāng)然這只是平均薪酬，做的好的數(shù)據(jù)分析師薪酬的天花板也是高的，后續(xù)往戰(zhàn)略、管理崗發(fā)展，薪資水漲船高也是完全沒(méi)問(wèn)題。

4、跳槽含金量

看人，看項(xiàng)目。如果你只在大廠當(dāng)螺絲釘，沒(méi)業(yè)務(wù)經(jīng)驗(yàn)積累/技術(shù)沉淀，兩三年后想跳出來(lái)，其實(shí)是不好跳的，因?yàn)橄胍愕墓荆憧床簧辖o開(kāi)的薪資，你想去的公司，會(huì)覺(jué)得你在大廠沒(méi)參與完整項(xiàng)目，給你的錢和你能帶來(lái)的經(jīng)濟(jì)效益不成正比，最后哪都去不了。

總結(jié)

數(shù)據(jù)分析不比數(shù)據(jù)挖掘的含金量低，職業(yè)前景也不比數(shù)據(jù)挖掘差。而數(shù)據(jù)挖掘走技術(shù)路線，競(jìng)爭(zhēng)激烈程度沒(méi)數(shù)據(jù)分析大，保住飯碗是沒(méi)問(wèn)題的。但是這些都在一個(gè)前提中：你處于數(shù)據(jù)部門，而不是業(yè)務(wù)部門，并且你的公司要重視數(shù)據(jù)，你的領(lǐng)導(dǎo)能給團(tuán)隊(duì)帶來(lái)好的資源。