1.2.1　数据分析师的不同角色与职责

下面从两个不同的角度来对数据分析师进行角色分类：工作内容的角度和知识层级的角度。

1.从工作内容的角度划分职责

首先我们从工作内容的角度来划分数据分析师的工作职责：一类是纯数据相关类岗位，另一类是工作中需要使用数据分析相关知识和技能的岗位，即数据赋能类岗位，如图1-6所示。

图1-6　数据分析师的职责划分（工作内容的角度）

1）纯数据相关类岗位

这些岗位纯粹针对数据本身做各种工作，而对数据分析结果的输出与落地则关注不多。举例来说，数据挖掘工程师的主要职责是解决挖掘算法中的技术问题，如解决参数调优的算法是否可以快速收敛等技术问题。数据维护工程师的主要职责是解决数据的存储、读取、关联等技术问题，如12306网站的数据维护人员在每年的春运时期都需要解决海量数据的读取问题。

2）数据赋能类岗位

这些岗位并不是单纯的数据分析岗位，而是在实际工作中需要应用数据分析的知识与技能的岗位。举例来说，财会人员需要更好的业财融合才不致被时代淘汰，连通业务和财务的关键是依据数据给业务提供支持；人力资源需要用数据去研究员工的绩效、离职、薪酬效能等；做市场营销需要分析市场数据，分析消费者行为数据等，这些分析当然需要用到用户画像、漏斗模型等数据分析工具；做运营需要用数据分析每一场大型活动的用户留存转化；做产品也需要用数据来实现更好的产品规划。在金融行业的风控岗位工作的人会用到预测客户还款能力的数据分析工具；在制造行业也需要把老师傅的传统经验数据化，更好地实现全自动生产。可见，在我们身处的这个信息时代，越来越多的人需要掌握数据知识，去赋能和提升自己的业务水平。

2.从知识层级的角度划分职责

从在工作中掌握和应用的数据知识层级的角度来划分，将数据分析师分为业务数据分析师、建模算法分析师和数据科学家3个不同的角色，分别负责宏观业务数据分析、微观数据挖掘和数据科学建设工作。

1）业务数据分析师

业务数据分析师需要具备开展数字化工作，并在工作流程中顺利应用业务描述性分析的知识与工具的能力；要能构建数字化运营指标体系，能进行业务根因分析，能为企业的数字运营提供策略支持。业务数据分析师不只要有足够的数据分析的知识，更重要的是要有业务知识和行业经验。这样才能合理地构造业务指标体系，并准确地根据数据指标发现业务发展的痛点，然后基于数据分析结论提出合理的建议。

2）建模算法分析师

建模算法分析师需要具备分析业务需求，根据需求产出高质量数据挖掘模型，并将模型部署应用的能力。其中构建高质量数据挖掘模型这一步，详细来说就是要求建模算法分析师有能力从海量数据中提取关键信息，构造特征体系，合理选取统计或机器学习算法，调整算法模型以达到最优，并能进行全模型生命周期管理的工作。建模算法分析师需要具备在各自行业中应用对应算法的能力。例如，分类算法既可以调整到适用于商业领域的客户分群，也可以调整到适用于人工智能领域的图像识别。

3）数据科学家

“数据科学家”概念在2009年由Natahn Yau首次提出。现在业界普遍的观点是：数据科学家是集技术专家与业务专家的角色于一身，可以推动人类认知水平的科学工作者；是可以带领团队，在数据科学的某个领域做出突破性贡献的专业人才；是全体CDA人努力的方向。