数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析、并依据数据做出行业研究、评估和预测的专业人员。
换句话说，数据分析师是一个岗位，只要掌握了数据分析方法和思维，做技术的、做业务的，都可以称为数据分析师，其工作内容本质上就是从数据中分析出商业价值或者建模发现知识，从而去推动业务，辅助决策。
一个完整的企业数据分析体系涉及到多个环节：采集、清理、转化、存储、可视化、分析决策等等。其中，不同环节工作内容不一样，消耗的时间和产生的价值也相差甚远，如图所示。
比如，互联网企业数据分析体系中至少有三方面的数据：用户行为数据、交易订单数据和CRM数据。工程师把不同来源的数据采集好，然后通过清理、转化等环节统一到数据平台上；再由专门的数据工程师从数据平台上提出数据。
这个金字塔再往上数据分析就和业务实际紧密结合，以报表、可视化等方式支持企业的业务决策，涵盖产品、运营、市场、销售、客户支持各个一线部门。
一个优秀的商业数据分析师应该以价值为导向，紧密结合产品、运营、销售、客户支持等实践，支持各条业务线发现问题、解决问题并创造更多的价值。
1.数据产品经理
在产品经理的能力基础上，增加数据思维。数据产品经理不仅懂得埋点原理，能够通过抓包等工具抓取数据并进行分析。同时还能够参与数据化产品的制作，如BI报表、CRM系统、AB test试验后台等。
比如老板想搭建一个用户行为监测平台，这时就需要根据老板的需求，转化为详细的技术需求，提给技术去开发，这就是数据产品经理的日常。
2.数据分析师
这就是们常说的商业化数据分析师，主要负责0-1搭建可视化监控报表，利用数据挖掘和洞察业务，为需求部门提供数据支撑、分析报告、商业化模型等服务，这里面的核心是监控、挖掘、有价值和服务，在公司里担任领导的眼睛与大脑的角色。
3.数据建模师
数据建模师也叫算法工程师，是数理统计知识、编程与业务思维集一身的模型大师，通过建立数学模型、利用算法实现增长，可以说是一家产品的灵魂工作者，比如信息流产品的推荐算法、金融行业的反欺诈和信用评级等。
4.数据工程师
数据工程师的职能更偏向技术工程，主要的工作职责是搭建数据仓库、创建ETL、进行数据治理、数据安全等方面的工作、通过提升运行速度，优化数据结构，更好地服务于数据使用方，比如数据分析师、数据产品经理及数据建模师等。
5.数据科学家
综合性人才，数据分析能力、统计学基础、业务能力、算法与沟通能力集聚一身的人才。包含以上所有的技术与能力。
1.业务能力
数据分析最终只有解决业务问题分析才能真正创造价值，即数据分析师需要具备业务能力，而企业每一项业务本质上是公司整体战略的支撑，因为数据分析师首先要理解了战略，才能选对分析思路的方向。
其次要对自己的行业有足够敏感度，及充分理解行业。即多与业务部门核心团队进行沟通，多关注行业网站，多阅读行业数据分析报告做好积累，比如处于什么阶段，自己所在的位置，当前的重点业务方向在哪里，碰到了哪些挑战，总体的解决思路是什么。
最后还需要具备业务岗位的实战经验，对于业务的理解不是简单的看文档就可以的，一定来自于对于公司业务的实际流程、机制、平台、数据等的充分的理解，在实际相关岗位实践过。
2.数据能力
作为数据分析师，首先需要理解企业的数据指标，每个企业企业都有一套KPI指标体系，围绕KPI指标还有一系列的执行监控指标，作为数据分析师一定要对企业的核心指标体系有深入的理解，要能从本质上区分指标的差异，就得对指标的生成过程有透彻的理解，包括从哪个表，哪个字段层层计算汇总而来。
其次要拥有全局的数据视野，即在大多数公司里，数据分析师的工作是专业化的，但其实你分析要的数据是全方位的，不会有划定的专业边界。在实践中，数据分析师往往不知道到底有多少数据，其数据分析的深度和广度由于其视野的狭窄而受限，数据分析师应对数据字典进行系统的学习，自底向上的实践很重要，但自顶向下的学习也很必要。
最后还需要具备了解数据的深度，数据字典体现的往往只是表层的数据含义，如果你希望分析的更为灵活，就需要理解数据之间的依赖关系和来龙去脉，因为每张数据表都是由下一层次的表关联汇总而成，但汇总意味着信息的丢失，只有具备追根溯源的能力，你才更有可能基于更多的信息获得更大的分析自由度，比如看到业务系统上某个菜单的功能，需要对应到系统中的数据是怎样的。
3.技术能力
作为数据分析师，当然还是需要有必要的技能傍身，比如精通SQL、数据库原理、Excel/报表/BI工具技能。除此以外，上下游技术领域，比如数据仓库、数据架构、ETL，需要了解甚至会用，比如：
（1）SQL是最灵活的操作数据的语言，任何一个数据库都会提供SQL的支持，它架起了业务和数据的桥梁，简单易学，性价比很高，也是数据分析师的必须要学习的语言。
（2）EXCEL提供了最为灵活的轻量级数据的加工和呈现的能力，对于EXCEL的掌握是任何数据分析师的基本功，透视图，图表，公式，计算都是极其方便的工具。
（3）BI很大程度上就是用一些可视化技术来进行指标比较的艺术，有助于你更快、更直观的发现问题和定位问题，毕竟人脑对图表、图像的敏感度更高。
（4）数据挖掘技术，比如聚类，分类，预测等等随着机器学习，人工智能工具使用门槛的降低，数据分析师要掌握至少一种挖掘的方法。懂得如何构建模型，尤其是在金融、运营商、互联网、零售等这些数据成熟度较高的行业。
4.沟通能力
对数据分析师来说，沟通能力是非常重要的，因为很多项目需要上层来推动，然后配合的时候需要各业务部门领导去配合你理清需求里数据，执行的时候又需要技术、业务整个链条的配合。
沟通本质还是为了解决问题。明确沟通目的，逻辑清晰的表达，然后站在对方考虑知道对方要什么，沟通也没那么困难。
比如对上沟通，要抓住一切机会去沟通清楚分析的目的到底是什么，领导有什么预期，与此同时，你也需要面对不同的岗位，碰到不同的角色，采用不同的语言，表达你的要求和获得你需要的东西，例如业务如何理解？如何让数据取得更快？发现数据问题如何尽快的确认原因？都考验着你的实际人脉和权威。
除此以外，数据分析师还有一个重要的表达，就是汇报数据分析成果，要将问题和分析场景串联起来讲故事，要能通过量化的数字和生动的场景来宣导数据的价值。