你倾向于成为“数据专家”，还是“业务智囊”？本文深入剖析了技术型和业务型数据分析师的差异，助你明确职业方向、掌握面试关键点、规划成长轨迹，堪称职业转型与求职应聘的实用手册。
许多人都听过，分析数据工作分技术类和业务类两种方向。这两种方向具体有何不同？哪一种更符合个人情况？下面将具体阐述。
业务 VS技术，差异在哪里
技术型数据分析岗位特征如下：
1、任职部门在IT部，数据团队领导面试
2、岗位职责里，没有写具体做哪一块业务
岗位职责中，概括性地说明要顺应运营、产品、销售等单位的需要
面试通常会涉及SQL题目，可能会询问一些比较宽泛的“数据波动如何探究”的问题
5、入职以后接各个业务部门的需求，更新固定报表/临时取数
业务型数据分析岗位特征如下：
1、任职部门在业务部，有可能有业务领导面试
工作要求中，清楚列出：增加客户数量，研究店铺情况，制定商家对策
3、筛简历的时候，会挑有类似分析经验的优先面试
4、面试的时候，会直接问具体的增长/活动/门店问题如何分析
进入公司后，需要为指定的部门（比如运营部、产品部或销售部）提供支持，制作演示文稿的工作量很大
因此，从表面上看，这主要在于两个方面的不同，一是考核应聘者是否具备相关领域的实践经验，二是确定新员工未来主要面向特定团队提供服务，还是处理多样化的工作任务。
因此同学们面试时，不能只盯着招聘信息最底端的能力描述，还要留意上面列出的工作职责，提问时务必关注这些方面：
1、面试官是HR还是用人领导
2、这个岗位设在IT还是业务
3、这个岗位有没有团队，大概几个人
这样才能更好地分析状况。常常有同窗疏忽了细看，预备不周全，到场后遭好些事务性疑问迎头打乱思绪，实在可惜了时机。有个别情形是，部分职位的设置地点在数据中心，然而其归类归属于“数据运营官”或服务领域，这种状况下同样会探问大量事务层面的难题。
技术型数据分析来源
大型公司都设有专门负责数据处理的部门，规模特别庞大的还会建立独立的数据处理设施。这些部门通常隶属于信息技术部门，是技术类分析人才的集中地。具体工作内容的深度，往往取决于部门本身的规模程度。
独立的数据中心通常会设立专门部门，负责数据治理、数据仓库建设、商业智能系统构建、数据解读以及算法设计。数据解读团队主要应对业务层面复杂的取数要求，而常规的数据展示平台则由商业智能开发人员负责搭建。
有的企业体量不大，因此会整合若干团队,另有一些机构规模微乎其微,仅靠招募少数员工承担"全方位数据解析"工作,在这样的作坊式单位任职感受相当糟糕,常常是处理杂乱无章的数据就疲惫不堪,却又被指责"洞察力不足",所以求职时务必谨慎。
核心要素只有两项：是否具备个人数据仓库，以及是否拥有数据部门。若两者皆无，需谨慎评估。对于新手而言，借此积累经验尚可，但资深的专家并不看好这种选择。
业务型数据分析来源
一些经常使用数据的业务单元会自行招募人员，这便是业务型分析师的出处，主要包含三种类型：
战略发展部,集团市场部,业务管理部,这些部门是公司的核心决策单位,经常需要编制数据报告,研究业务进展状况,拟定经营规划,安排预算方案,监测业务动向,剖析业务难题,由于工作性质需要,这些部门常常自行招募人员,招聘的职位名称可能是数据分析,也可能是经营分析或商业分析,但实际上承担的工作内容基本一致。
第二类：涉及用户管理、商品管理、方案管理、市场管理、风险监控与反作弊的部门，这些部门负责制定业务规划，监测业务实施成效，找出业务中的难题，给基层团队提供方向，针对用户研究、商品研究、方案研究、风险研究等具体工作有需求，所以人员需求量大，部分部门还建立了专门的研究团队。招聘的职位名称，除了“数据分析”，还可能称作“数据运营”或者“用户分析”。
第三类：客服、销售、供应链。这些部门人员需求量大，承担的工作项目繁杂，经常需要处理客户疑问/意见、物料进出管理、生产情况核算、销售情况跟进等事务，所以人员流动比较快。这些岗位多处于工作前沿，新增职位多以“专员”形式出现，例如“销售数据专员”“客户服务专员”“物料采购专员”。
仅从单位及职位名称，即可分辨出差异。多数初级“XX信息处理员”，实质等同普通职员，每日反复操作Excel制作基础数据表，工作内容缺乏专业性，薪酬待遇不高，职业发展前景同样不乐观。
担任“销售分析专员”职位，若想应聘更高级别的分析类工作，多数情况下会遇到两个问题，一是缺乏相关经验，二是分析逻辑不够出色。除非是零基础转行，纯粹为了积累行业经验，否则不建议选择这个岗位。
此刻，必定有人会疑惑：技术型分析跟业务型分析，究竟该选择哪一个方向？
业务VS 技术，应该选哪个
对于在校学生来说，最好不考虑从事什么业务分析方面的工作，应该专心找一个能够编写SQL语句的岗位进行为期三个月的实习，至于公司是什么类型的不必过分在意，关键是要能够练习写SQL语句。
学生群体在做数据分析时，常常感到力不从心，自认为非常胜任这一工作，然而每天编写两千行SQL查询，检查数据，整理数据，却觉得十分乏味，令人厌烦，想要逃避，因此寻找实习来体验实际工作状况显得十分必要。
有些学生，把业务分析当作躲避编写SQL的借口，他们想，我不写SQL，我去做业务分析可以吗？但是，问题在于，对于在校生来说，他们并不真正了解业务。如果带着这种心态，他们很容易找到一份基础岗位的工作，工作几个月后，发现其实只是做Excel的重复性工作，最终选择放弃。
对于已经工作的同学而言，主要看自己更擅长哪个+想做哪个。
部分从事事务性工作的人员希望转向数据领域，主要原因是感到工作内容枯燥乏味。以负责会员管理的岗位为例，他们需要完成会员礼品采购、处理会员反馈、制定操作规范并在多地开展宣讲等工作，这些任务让他们感到非常疲惫。由于这些人本身对会员制度和活动机制已有深入了解，转向数据分析也是一个不错的选择。在这种情况下，他们可以从事业务导向的数据分析工作，从而充分利用自己在业务方面的知识储备。
部分学生虽然擅长编写SQL语句，不过他们对业务领域非常了解，尤其与产品或策略团队关系密切，因此经常参与各类产品及算法相关的A/B测试活动。在这种情况下，他们若想应聘大型企业的产品分析、用户分析或策略分析岗位，将具备显著竞争力。
