想從事數據分析行業，請問可以有哪些擇業方向？
對技術不太熱衷，是不是市場分析或者諮詢公司的研究員比較合適我？網站分析的話沒有基礎，請問還有其他分析類的工作職位嗎？
我覺得做數據分析，重點是要讀數據，現在很多海量數據都是可以通過軟體做出來，不會用軟體沒關係，可以有程序人員按照你的要求提煉出來，最關鍵是你對這個數據得一個定義和理解，能否為你所用，為他人所用，這才是一個數據分析師最核心的東西。當然你如果會軟體和技術是更好的，因為你能接觸到最原始的、純生態的數據，隨意折騰......... 而且不同行業需要的數據分析的技能是不一樣的，數據分析是一種基本的技能吧，比如互聯網做產品的，產品人必須要有數據分析的基本能力，但是他不能稱之為數據分析師，完全做數據的人更需要考慮各種因素之前的關係，數據來源更多了，更是對邏輯思維的考驗，單純的使用工具已經不行了，這種類似於數據挖掘了，有的公司挖掘和分析這兩項是分開的。
數據分析的就業路很廣泛的，現在市場上基本所有的職位都跟數據相關，區別只是相關度20%、30%、50%或者80%而已，學好數據分析，保持對數據的敏感度很重要。
我是從2009年開始關注數據分析方向的就業，經過幾年的探索，也做過數據相關的工作，覺得數據分析有下邊的就業方向
如果粗暴地對他們進行技術和非技術的分類，那麼非技術的職位有
數據分析師 – 偏向商業化的數據分析，運營廣告等活動效果分析，銷售額或利潤預測，用戶特徵描述等，需要較好的統計知識，需要懂1-2門數據分析工具如SAS、R等；
諮詢顧問 – 面向客戶，為客戶提供數據抓取、數據分析、出數據報表、改進建議落實等諮詢服務，需要有較好的溝通能力，需要懂1-2門數據分析工具如SAS、R等（諮詢顧問其實也分技術和非技術，技術類的主要是為客戶搭建數據平台）
數據產品經理 – 一般是互聯網公司獨有，數據量大的公司會有自己的數據產品，如阿里巴巴的數據魔方等，主要是針對數據產品從產品立項、提開發需求、跟進產品開發、測試一直到產品上線等工作（相對來說並不需要對從業者要求很高的數據分析或統計能力，屬於目前市場上為數不多但高工資的職位）
我在10-11年的時候曾經沉迷於數據諮詢公司，了解過該領域的公司，感覺目前市面上較好的數據諮詢公司不外乎下邊這些
公司可能有不全，像零售FMCG行業，國內的外資數據調研公司就有好幾家，他們的客戶很多都是大的零售企業如沃爾瑪、家樂福這些，或者快消的如寶潔、箭牌這些，一般應屆生進去工資不會太高，6K左右，出差比較多，工作較基礎，更多的是寫寫報表然後跟客戶講解，不需要自己取數，他們的數據都是從各零售企業的電子掃描槍直接傳輸到伺服器，然後由專門的數據抓取團隊標準化數據，然後送給諮詢顧問去寫報告。
而像Teradata、德勤、畢博這樣的公司，諮詢顧問的收入較高，一般進去都有10-15K的收入，需要較紮實的數據分析能力，需要懂演算法和相關分析工具如SAS等，如果能進去這樣的公司深造兩年對自己的職業道路是大有助益的。
而像國內的艾瑞、易觀這樣的偏向互聯網的諮詢公司，主要以出分析報告，而不是企業諮詢為主要業務，更多的要求你的PPT、Excel能力，還有溝通技巧，不會對統計或者演算法有要求，當然工資相對來說沒有那麼高。
對於我自己來說，目前最關注的是數據挖掘方向的職位，這個就偏技術了，我們來看看騰訊的數據挖掘崗位需求
工作職責：
1、負責以下一項或多項工作：
2、用機器學習、文本挖掘等技術，對結構化和非結構化數據進行挖掘，發現其潛在關聯與知識，指導微信業務發展；
3、搭建分散式、快速、支持海量數據的機器學習演算法平台、數據挖掘平台、BI業務與決策支持平台等；
4、基於多源、海量數據的統計、特徵選擇、模型訓練及檢驗評價，實現用戶畫像、社群發現、熱點發現、特定興趣人群挖掘、關係鏈預測、智能廣告、實時個性化推薦（含商品及資訊等）、LBS、O2O、行業研究等方面的研發與應用；
工作要求：
計算機、數學、統計等相關專業本科及以上學歷（碩士或博士優先）；
三年以上大規模數據分析、挖掘相關工作經驗；
符合以下一項或多項即可：
熟悉聚類、分類、回歸、圖模型等機器學習演算法；
熟悉推薦演算法，廣告匹配及關鍵詞推薦與CTR等；
熟悉自然語言處理，文本挖掘，topic model等，對其中某方面核心演算法理解透徹，有實際建模經驗者或者並行化經驗者優先；
熟悉C/C++、python、Java、R語言、SAS，SPSS，matlab等編程語言與工具（一項或多項）；
熟悉Hadoop生態系統 / Storm / Spark / Neo4j、GraphX、Hive、Hbase、Pig等且有豐富實戰經驗者優先；
具有深度神經網路DNN理論基礎及實戰經驗者；
熟悉MogoDB、MySQL、NoSQL等資料庫/數據倉庫開發者優先；
可以看到很多技術的關鍵字C/C++、Python、JAVA、R語言、SAS、Hadoop、MySQL，是不是很抓狂，一個數據挖掘工程師要懂這麼多編程語言，基本上就是一個開發了。
以下附上一個互聯網公司數據相關職位的圖，如果你對互聯網行業有興趣可以了解下
1-哪些公司主要招這個行業的人
2-這個行業的基本待遇如何3-以後的發展之路4-如何成為混合型人才5-未來的路我也看不清楚公司________________________________說起公司，有很多種分類方式，我這裡選擇幾個指標（規模、產品線、solution、項目數量）一級：IBM、Teradata、SAS二級：Accenture、Ernst Young、Deloitte、KXEN、Fair Isaac、招行
三級：百度、網易、騰訊、搜狐、淘寶、阿里巴巴、京東、新蛋、天涯、千橡、盛大、360、人民搜索、優酷、噹噹……一堆想做又不知道怎麼做，連思路和成功案例都沒有的公司，主要為互聯網公司、零售業的一些公司三級公司還包括國內的廠商和諮詢公司：亞信、華為、斯特奇、融通、華勝、中盈、神馬、聯創、新華信……這些見過豬跑，沒吃過豬肉的類型……至於為什麼這樣分類，有人肯定不同意，那也沒關係，我列出以下理由：IBM，Teradata這倆公司有自己的DW產品、DM產品，CRM產品（包含ACRM和OCRM），同時這兩個公司單子很多，也就是挖掘的項目很多，電信、金融都有。SAS在中國也很牛，軟體很厲害，就是貴的真要命啊，不是小嘍嘍能玩的起的，而且只租不賣，在中國solution做的不多，就是個賣軟體。SAS在北京西安有研發中心，這個是其他公司不具備的，因此SAS有資格成為一級公司，IBM和Teradata在中國也有研發中心，不過對其挖掘的產品開發工作不多，這個可以去打聽一下，一個在上地，一個在五道口。AC、EY、DT三家都是諮詢背景的，沒產品是絕對的缺陷，都是綁著別人做的，不過單子也不少，AC，EY主要乾電信，DT金融單子多點。招行列在這的原意是：招行是唯一一個有自己挖掘團隊的國內金融客戶，我指的是真正能做出來東西的團隊，不是其他四大行那種混日子的團隊，招行的錢也不少哦。人才________________________________數據挖掘的」正規軍「：一般都在一級、二級公司任職，圈子很小，互相都認識，比如罈子上也基本不說話，新人想入行的老人也不咋教，核心技術與業務核心理念存在於幾個人腦子裡，沒文檔描述，就算有也是給客戶看的，沒什麼用處，給新人模型也看不懂，只要不給解釋，那就是不可能明白其中的業務思考深度和模型的構建邏輯，進來的人基本上靠天賦和機遇，碰上心好的前輩口口相傳，慢慢積累出來突然一天發現，我的媽呀，終於入行了！門檻挺高的，多是大廠商出來的或者pure諮詢背景的兄弟姐妹，不知道我發完帖子之後會不會一大幫哥們蹦出來罵我哈。數據挖掘的」野戰軍「：存在於三級公司，想法多，思路多，專註於演算法、代碼等等，根本不會去想數據挖掘的商業價值，如何把知識轉換為生產力，如何賺錢，cost control，marteting等等商業問題。正規軍具備詳盡的知識體系、戰略思想、解決方案、軟體架構、較好的數學，計算機，統計理論背景等等，這些都是野戰軍不具備的，當然野戰軍中也有遊俠一樣的高人，出來也是秒殺正規軍一片人馬，我這裡指的只是一般情況。
待遇________________________________一二級公司：junior,1~2W/月，senior,2.5~4W/月左右，mgr,4~6W/月左右，SM,6~9W/月，Director,10W~,partner沒數了……，也有瘋狂的，見過一個AC的SM,140萬package，當然也要背quota，他能力也超強。三級公司就便宜多了，三級公司基本照著碼農、碼奴的要求招人，所以去的人也少，只知道一個百度的大哥，70W的package，是中層了；因此，市場上活蹦亂跳天天招人的那些公司還在每天活蹦亂跳的招。AC、EY、DT的薪水是超過IBM和Teradata很多的。待遇其實是由市場決定的，一級二級公司的人做的都是銀行電信的單子，大項目，拿錢多正常的，三級公司給自己做，錢少點，所以沒啥牛人，web mining的項目居多，多以嘗試為主，沒有經濟效益。接到獵頭電話的時候，我一般三級公司就是瞧瞧看看，一級二級的才列為正式考慮的對象。更新於2015/11/25----------------------------------補充一段人大經濟論壇的沈浩老師對於初學數據分析的童鞋的建議
1、對於數據挖掘的初學者來說，千萬不要著急，一步一步來！先把本職工作中的數據分析問題理解了，干好了！2、熟練玩好Excel軟體工具，這個可以看《Excel高級應用與數據分析》，當然有很多Excel論壇和網站3、學習好統計分析方法，我不是單指統計原理，而是統計分析方法，比如回歸分析，因子分析等，不斷進入統計分析解決問題的思考方式；這個可以看看SPSS軟體方面的書和數據案例，通過軟體學習解決數據分析的統計問題，這方面的書很多，當然你也可以關注我的博客，不斷增加統計分析方法解決數據分析問題的思路，自己對照著完成！4、在上述問題有了比較好的理解後，也就是你應該算是一個數據分析能手的時候，開始進入數據挖掘領域，你會發現用數據挖掘思想解決問題具有智能化、自動化的優勢，接下來，你需要考慮數據建模的過程，通過學習Clementine軟體或SAS的挖掘工具，不斷理解數據挖掘與原來的數據分析工具有什麼不同或優勢！5、當前面都是了解並且能夠得心應手後，你就要有針對性的掌握你工作所在行業的問題，例如：電信行業的解決方案問題：客戶流失、客戶價值、客戶離網、客戶保持、客戶響應、客戶交叉銷售等商業模型，同時與數據分析和數據挖掘統一在一起的解決方案！6、接下來，你應該掌握資料庫的一些原理和操作，特別是SQL語言的方式7、你到了這個階段，就應該有全面解決問題的能力，比如挖掘出來的知識或商業規則如何推送到營銷平台上等等8、梳理自己的知識結構，不僅會操作，現在你應該成為專家了，要能夠宣揚你的知識能力和領導力，當然也要表明你在數據挖掘領域的專業特長9、要經常幫助同事和行業朋友，比如幫助解決數據分析問題，幫助諮詢，甚至給大家講課，這對你的知識梳理和能力的提高非常重要，你的自信心會更強！10、有興趣，可以建立一個博客或什麼，不斷寫點東西，經常思考和總結11、結交廣泛的朋友！最後，請關注我的，我會好好維護你的時間線的 *( ^ v ^ )/*1 數據分析不是一個具體的行業，它只是一個行業無關的領域無關的專業方向，可以粗暴地認為就好比程序開發，給銀行項目寫程序，與給智能手機寫程序，是兩碼事兒。
2 我建議你先找准自己喜歡的行業，然後再關注那個行業里的數據分析相關的職位。
3 數據分析分很多的層次和方向，比如傳統的運營啊採購啊這樣的部門也做數據分析，又比如大型B2C企業的BI啊，他們也做數據分析，以及我做過3年的生物信息學科研項目的數據分析 ，都是不同層次，跨度很大。 所以你得定位好自己是哪個層次，然後跟同行多交流和學習。工具是基礎，了解行業，懂企業才是核心。 SPSS也好 VBA也好，都不是提升的根本價值。當然，也許是個敲門磚。 至於該去哪個行業？企業？可以看看行業平均收入，行業增長率，是否能健康發展之類的。
單純說數據挖掘能力是很扯淡的，就像煉金師傅或者占星師。沒有背景積累，給批數據就能挖掘出金子？夢
僅僅關注技術也很難成為這個行業的精英，道理前面說了很多，不過多解釋。數據報表、流量統計之類的應該算不上分析。
還有一個很俗的說法，其實很有道理，CEO和數據分析師的距離證明了數據分析的價值。
反過來說更靠譜，你提供的分析有多少能幫助高層、企業做決策，這才是價值。數據行業從廣義上講可以分為以下幾個職位：
一、數據挖掘工程師
數據挖掘工程師多是通過對海量數據進行挖掘，尋找數據的存在模式，從而通過數據挖掘來解決具體問題。其更多是針對某一個具體的問題，是以解決具體問題為導向的。例如：聚類分析，通過對於會員各種人口統計學、行為數據進行分析，對客戶進行分類，更好地理解客戶，知道公司會員是到底如何？高、中、低低價值的客戶構成，既可以後期公司的運營提供指導，提高活動效率，可以指導公司的營銷。
做數據挖掘工程， 必須精通資料庫。很多時候，你模型的數據預處理，可能完成在資料庫里完成，你用到的資料庫技巧更高。必須要會成熟的數據挖掘工具、數據挖掘演算法，等，當然如果你會一、二款開源軟體，並會寫一些程序代碼那是最好的，大公司都喜歡用開源的軟體。
二、數據分析師
數據分析師更注意是對數據、數據指標的解讀，通過對數據的分析，來解決商業問題。主要有包括：（1）業務監控：診斷當前業務是否正常？是否存在問題？業務發展是否達到預期？如果沒有達到預期，問主要問題在哪？是什麼原因引起的？（2）建立分析體系：這些數據分析師已經對業務有一定的理解，對業務也相對比較熟悉，更多幫業務方建立一套分析體系，或者更高級是做成數據產品。例如：營銷活動。分析師會告訴業務方，在活動前你應該分析哪些數據，從而制定恰當的營銷計劃。在營銷過程中，你應該看哪些數據，從而及時做出營銷活動調整。在營銷活動，應該如何進行活動效果評估以及行業未來發展的趨勢分析。
三、商業分析師。
商業分析師在行業、宏觀的層面進行業務分析，預測未來行業的發展，競爭對手的業務構成，幫助公司制定戰略發展計劃，並及時跟蹤、分析市場動態，從而及時對戰略進行不斷優化。主要技能要求：要熟悉基本的統計分析知識、對於與網站相關的業務還可能要求掌握等網站分析工具等。
四、數據建模師
這個職位與數據挖掘工程師還是有本質區別的。數據建模師，更多偏向於中、小數據量，而且其使用更多更多是統計學的方法，數據建模師其實很少會提到演算法這個詞。但是有時候，這二個模型越來越沒有明確的分工，一般來說都會二個職位的人都會去學習對方的知識，所以這二個職位有合併的趨勢。
新進入數據行業的同學，可以根據自己的背景背景選擇相應的職位，學數據、統計學的朋友更多可以偏向於建模師，而計算機特別是寫編程好的同學，可以走數據挖掘工程師，也許適應性更好，但這不是絕對的。
數據分析，以數據的處理為基礎，從數據中分析出一些規律，為軟體開發、運營和營銷提供數據支持。軟體肯定得要好好掌握的；基礎點得就是excel，再深入點就是SPSS。建議你可以看看《誰說菜鳥不會數據分析》，加深下理解。
市場數據分析和行業數據研究都是很不錯的職業啊，在我們這裡，行業研究員的薪資很高。。
數據分析是工具，重點要解決支撐營銷、管理、生產等環節的工作，解決方法重點在思維和領域認識上。不知道自己適合什麼，那就需要去多嘗試。
為什麼沒人說操盤手，樓主炒股去吧，純數據分析
掌握技術是做好數據分析的基本條件，VBA SPSS SAS等等
是啊，基本的軟體必須會，我也是初學者，正在學習SPSS
數據分析是吃香啊，如果分析的好，可以節省開支還能賺大錢。數據分析師以後是牛人，大家都用程序做數據分析，所以一定要會點程序，或者會用一些給力的軟體。
很想知道不懂代碼能做數據分析的工作嗎？
成本管理
推薦閱讀：
※Google Anlytics 為什麼不提供每個頁面的UV？
※中醫是不是就是大數據?
※新浪微博有哪些值得推薦的微博管理應用？
※網站分析的方法有哪幾種？
※如何提高 iTunes Connect 中「App Store 查看次數」？