数据分析师的层级

前段时间在微博上看到一张某集团的数据分析师职位层级表，由于表格太大，在网页上显得字体太小，很难看清楚，因此我将它简化处理成如下两张表格，分为层级1和层级2：

从表中可以看出，专家级的数据分析在分析方法的要求方面与资深数据分析师是相同的，层级2与层级1的能力差别主要体现 在业务分析能力、管理能力和影响力等方面。要从“使命必达”的助理数据分析师，成长为“独挡一面”的数据分析专家，其中必然需要学习很多知识、积累很多经 验、提升很多技能，这对从事数据分析的人有一定的指导意义，在做职业规划时可以参考。

 

按照不同分析方法所能给人带来的智能程度，可以把分析能力划分为以下8个等级。

	1. 标准报表 回答: 发生了什么？什么时候发生的？ 示例：月度或季度财务报表 我们都见过报表，它们一般是定期生成，用来回答在某个特定的领域发生了什么。从某种程度上来说它们是有用的，但无法用于制定长期决策。
	2. 即席查询 回答：有多少数量？发生了多少次？在哪里？ 示例：一周内各天各种门诊的病人数量报告。 即席查询的最大好处是，让你不断提出问题并寻找答案。
	3. 多维分析 回答：问题到底出在哪里？我该如何寻找答案？ 示例：对各种手机类型的用户进行排序，探查他们的呼叫行为。 通过多维分析(OLAP)的钻取功能，可以让您有初步的发现。钻取功能如同层层剥笋，发现问题所在。
	4. 警报 回答：我什么时候该有所反应？现在该做什么？ 示例：当销售额落后于目标时，销售总监将收到警报。  警报可以让您知道什么时候出了问题，并当问题再次出现时及时告知您。警报可以通过电子邮件、RSS订阅、评分卡或仪表盘上的红色信号灯来展示。
	5. 统计分析 回答：为什么会出现这种情况？我错失了什么机会？ 示例：银行可以弄清楚为什么重新申请房贷的客户在增多。 这时您已经可以进行一些复杂的分析，比如频次分析模型或回归分析等等。统计分析是在历史数据中进行统计并总结规律。
	6. 预报 回答：如果持续这种发展趋势，未来会怎么样？还需要多少？什么时候需要？ 示例：零售商可以预计特定商品未来一段时间在各个门店的需求量。 预报可以说是最热门的分析应用之一，各行各业都用得到。特别对于供应商来说，能够准确预报需求，就可以让他们合理安排库存，既不会缺货，也不会积压。
	7. 预测型建模 回答：接下来会发生什么？它对业务的影响程度如何？ 示例：酒店和娱乐行业可以预测哪些VIP客户会对特定度假产品有兴趣。 如果您拥有上千万的客户，并希望展开一次市场营销活动，那么哪些人会是最可能响应的客户呢？如何划分出这些客户？哪些客户会流失？预测型建模能够给出解答。
	8. 优化 回答：如何把事情做得更好？对于一个复杂问题来说，那种决策是最优的？ 示例：在给定了业务上的优先级、资源调配的约束条件以及可用技术的情况下，请您来给出IT平台优化的最佳方案，以满足每个用户的需求。 优化带来创新，它同时考虑到资源与需求，帮助您找到实现目标的最佳方式。

上面的8级划分源自SAS网站的Eight levels of analytics，由IDMer编译而成，个人觉得其中的8张图片非常形象生动。