的主要工作职责：
a.临时取数分析，比如双11大促活动分析；产品的流量转化情况、产品流程优化分析，等等；
b.报表需求分析–比如企业常见的日报、周报、月报、季报、年报、产品报表、流量转化报表、经营分析报表、KPI报表等等；
c.业务专题分析：
精准营销分析（用户画像分析、营销对象分析、营销策略分析、营销效果分析）；
风控分析（策略分析，反欺诈分析，信用状况分析）；
市场研究分析（行业分析、竞品分析、市场分析、价格分析、渠道分析、决策分析等等）；下面我们探讨一下，根数据分析师工作有交叉、技能要求有重叠的另两个数据岗位数据产品经理、数据挖掘工程师，以及三个岗位之间的联系和区别。
数据产品经理要求具备普通产品经理的能力（比如产品设计、产业运营、用户体验方面的技能）外，还需要具备数据分析师的技能，掌握简单的数据分析方法，能够通过数据需求分析提炼出产品原型，从而将数据产品化，一个公司的数据价值变现成功与否，跟数据产品经理的职业素养有极大的关系。牛逼的数据产品经理，自己也是一个数据分析师，不需要数据分析师的配合工作。
数据分析师，要求不仅要懂得数据库SQL查询统计、excel透视分析等技能，牛一点的分析师还需要了解掌握数据挖掘算法。
比如常见的四类模型，分类、聚类、关联、预测，每一类模型至少掌握一两种算法原理，能够用R/SAS/SPSS等把模型结果跑出来，能够看出和评判模型结果的好坏，能够在实际中应用模型的结果。他们跟数据挖掘工程师的差别在数据分析师对算法的掌握要求不那么高，只需要会用工具哪怕是可视化可拖拽的工具调用算法包跑出结果来，会评判会应用结果就可以了。
当然啦，牛逼的数据分析师，同时也是一个数据挖掘工程师。数据分析师除了对分析方法的掌握外，还需要非常熟悉业务和产品，能够透过数据看到业务和产品的本质，他们是最具备商业敏感性的一群人，他们能预测公司和业务的未来，他们是公司数据价值的发现者，他们是产品经理、运营经理的最佳助手。
数据挖掘工程师，不仅需要精通各种模型算法原理、还要求能用代码来实现算法，能对算法进行优化改进，能对模型进行部署、监控，能对模型进行不断的迭代优化。
同时，还需要掌握大数据研发工程师的部分技能，比如大数据分布式计算方法等。数据挖掘工程师是最稀缺最贵的一类人才，其薪资在各大数据岗位中，平均水平是最高的，涨幅是最大的也是最快的。
入门后的数据分析师往数据挖掘工程师转不失为一条绝佳路径。当然啦，数据挖掘工程师如果对业务对产品感兴趣，往数据分析师、数据产品经理转，那是非常轻而易举的事情。
从上面的分析可以看出，数据分析师在职业选择上，可进可退，可浅可深；在工作的强度上，不像程序员和算法工程师，一个项目就是一个工程，需要埋头苦干，冥思苦想，绞尽脑汁，数据分析师的工作由于比较碎片化，也经常和业务打成一遍，不纯属技术，更有业务的乐趣，所以说数据分析师是最适合女孩子和新入行者作为入门大数据的职业。
后期，如果对产品感兴趣可以转数据产品经理，对运营感兴趣，可以转数据化运营经理，对数据挖掘算法感兴趣，可以深入学习算法，转数据挖掘工程师。
数据分析师也是目前大数据众多岗位中，企业需求量最大的岗位，所以说是最适合大家作为入门的岗位的。
在不久的将来，多智时代一定会彻底走入我们的生活，有兴趣入行未来前沿产业的朋友，可以收藏多智时代，及时获取人工智能、大数据、云计算和物联网的入门知识和资讯信息，让我们一起携手，引领人工智能的未来
