这是一个用数据说话的时代，也是一个依靠数据竞争的时代。目前世界强企业中，有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务，建立数据部门，培养数据分析团队。
各国政府和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源，数据的分析和处理能力正在成为日益倚重的技术手段。因此，数据分析师也成为一个热门的职业。那么，数据分析师这个职业到底怎么样呢？
首先，我们需要了解数据分析师是做什么的。
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。可以分为两种：一种类似产品经理、一种偏向数据挖掘。类似产品经理的更加注重业务，对业务能力要求比较高；偏向数据挖掘的更加注重技术，对算法代码能力要求比较高。
其次，数据分析师的工作内容是什么？我们这里主要介绍偏产品方向的数据分析师工作内容。
找到如何通过数据衡量产品。对于同一产品，针对不同的场景需要要的指标可能又是不一样的。比如说Uber在初期，有多少司机（供给方）可能是一个很重要的指标，而发展一段时间之后可能是交易量。
找到如何可以驱动产品的指标。
对于同一产品，针对不同的场景需要要的指标可能又是不一样的。
跟产品经理、工程师等合作寻找改进产品的机会。
帮助产品做决策。在互联网行业，任何时候都有几十上百甚至上千个事情需要做的，那么哪个是最重要的、最需要解决的？哪些改变是有可能带来产品的改进的？这些都需要你的帮助。
产品数据追踪。要对产品做数据追踪，就离不开不同维度的数据，把它们做成报表，需要你的配合，有时候这也可能是数据工程师的工作。
寻找新的领域。在产品的不同发展时期，侧重点可能是不一样的。如何确定产品在哪个时期？在不同的时期又如何找出可以推进产品的方法？这些也是你的工作。
给团队设定目标
提供数据支持
最后，我们来看看如何成为一名数据分析师呢？接下来主要从技术知识层面来分析。
首先我们先说说这两种方向共同需要的技术面，当然以下只是按照数据分析入门的标准来写：
1.SQL（数据库），我们都知道数据分析师每天都会处理海量的数据，这些数据来源于数据库，那么怎么从数据库取数据？如何建立两表、三表之间的关系？怎么取到自己想要的特定的数据？等等这些数据选择问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能。
2.统计学基础，数据分析的前提要对数据有感知，数据如何收集？数据整体分布是怎样的？如果有时间维度的话随着时间的变化是怎样的？数据的平均值是什么？数据的最大值最小值指什么？数据相关与回归、时间序列分析和预测等等，这些都需要掌握。
3.Python语言或者R语言的基础，这一点是必备项也是加分项，在数据挖掘方向是必备项，这些计算机语言比工具更加灵活也更加实用。
说完两种不同类别的共同技能，接下来我们再说说两者尤其别的技能是哪些。
1.数据挖掘向
想要在一两个月内快速成为数据挖掘向的数据分析师基本不可能，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少，而这些不是你自习一两个月就能完全掌握的。
所以想做数据挖掘方向的，一定要花时间把软件工程专业学习的计算机基础课程看完，这些课程包括：数据结构、算法。在此之后你可以动手用Python语言去尝试实现数据挖掘的十八大算法，以及其他相关经典DM算法。
2.产品经理向
产品经理向需要你对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。
数据分析师是一个需要专业技术支撑的职业，所以如果你想成为一名数据分析师，还需要系统地、扎扎实实地学好专业知识。