為什麼阿里巴巴數據分析，數據挖掘，數據研發要分開招人？

01-16

去年大二面試數據分析，問題偏向業務/R語言/SQL；
今年大三內推數據分析，問題偏向機器學習/數據結構/Python/底層，
由於不是計算機相關專業，沒想到會問操作系統/計算機組成/網路，只能說不太熟悉；

今年大三面試數據分析，問題偏向機器學習/資料庫/數據結構，我不會分散式。
後來有同學問了面試官，說數據分析和數據挖掘，數據研發其實沒什麼區別。
但是我重新看了一下數據分析的招聘要求，覺得為什麼就不能當初在招聘要求頁面直接說明所需要的技能呢，反而列出了SAS, SPSS等軟體。
同時，在數據研發的招聘要求就明確說明會分散式更好（大三面試數據分析時，面試官說數據分析分散式必須會）。

在數據挖掘中也明確說明會R語言優先（但是在今年內推和面試中，面試官說他們不用R的，他們團隊用C++/Java）。
而且如果既然是沒區別的話，能否推出數據挖掘的碩博優先也適用於數據分析和數據研發呢？
希望賜教。

謝邀。

從字面與自己的理解：

數據分析師：主要是對數據進行分析，比如使用一些像Excel、SAS、SPSS等數據分析的工具，以及研發數據產品的需求分析，而涉及代碼層面的很少，比如一些數據驗證、數據建模等，需要熟悉一些數據的基本知識，比如分布。需要對一些常用的數據挖掘演算法了解，以及根據數據分析的結果得出什麼規律，並提出決策與建議等。

數據挖掘工程師：涉及到寫代碼，需要對一些數據挖掘與機器學習演算法深入了解，比如優缺點，怎麼實現，能夠解決什麼樣的問題。比如，對方提出一個人群分類的業務，你怎麼去解決，使用什麼數據，使用什麼特徵以及如何提取這些特徵，使用什麼演算法，以及如何實現（如果演算法庫沒有則需要自己實現，但是一般都會有的）。還有一個就是對sql需要靈活使用。和機器學習演算法工程師有很多交叉的部分。

數據研發工程師：他們和一般的軟體研發工程師差不多，只是他們研發的是一些數據產品，需要對數據有一定的了解，還有一部分就是數據的預處理，比如數據清洗，數據規整等。

PS：工資也不一樣，貌似是：數據挖掘工程師&>=數據研發工程師&>=數據分析師。

大概是這些，不過他們之間的界限並沒有那麼明顯，很多工作都有交叉的部分，總的一個共同點，需要對數據有一定程度的理解能力，以及對數學基礎知識比較了解。

還有就是阿里為什麼分的這麼清楚，因為阿里是一家數據公司，數據是阿里的命脈。

兩個崗位本身是有區別的，具體你可以看看網站上的要求，主要是一個偏業務和數據分析，一個除了會分析之外還需要寫代碼(會提取特徵、會使用各種數據挖掘演算法）。

但是實際上，所列出的招聘要求都是大而籠統的，因為雖然是一個崗位，但是具體到每一個BU或者團隊又是不一樣的要求，所以一般來說，只要大體上符合要求就行，不一定要每條都對得上。

而這兩個崗位在實際工作中又經常重疊，所以個別情況下互相調整也是有的。

我知道的就有幾個同學從數據分析轉數據挖掘的，也有數據挖掘轉數據分析的。

我也問過面試官類似的問題，面試官說雖然職位上寫的是數據研發，但是阿里現在都希望招全棧工程師。

知乎的問題更新習慣是放在最前面的？

昨晚忘記提醒你一句了，你提出這個問題的前提是：他們（不同時間的不同面試官）對這三個職位的認知都是相同的，並且需求也是一樣的。顯然，你錯在這裡了。

-----------------------------------------------------

你這個問題，需要分成兩個方面去解答：

1、都是大數據相關，為什麼要分開招人？

2、這幾個title，都有哪些區別與聯繫，工作內容、所需技能有哪些區別

首先，第一個問題，這幾個title都是大數據相關，為什麼要分開招人？解答是，領域的深入，必然導致分工的精細。就像工業革命時代，有螺絲工（卓別林）。這四個title雖然都是一條生產線上的，但是分工不一樣，自然就需要分開招人。雖然都是拿著扳手擰螺絲的，但也是要分擰什麼類型螺絲的。

第二個問題，這幾個title都有哪些區別與聯繫，我偷個懶，簡單總結了一下，不準確，主要是幫你區分一下。

當然，玩數據的，簡單總結一下太偷懶了。等空下來，去爬這幾個title的數據，用文本分析一下，結果應該會更清晰。以上

據我所知阿里是沒有數據挖掘這個崗位，不知道你那兒看到數據挖掘。只有數據研發，數據研發我覺得都是ETL工程師們，還有搭建平台的。阿里的數據質量很高，給你清洗的很好了。所以很多數據上的dirty work並不需要你做，數據分析師就結合業務進行分析挖掘一個道理，區別只在於你是用excel呢還是python

感覺看部門，有的部門分的很細，有的部門要求比較全面，投之前最好打聽一下。