最近，作為網絡數據分析師，我在思考一位分析師的價值：當一名無休止的取數民工，或者超越取數和報告，輸出更有價值的東西，獲得成就感。很多朋友都很困惑，bi和數據分析師有什么不同？所以，今天我們一起來探討一下兩者的不同之處。
那么我們來區別下商業智能（bi）工程師和數據分析師：
1、概念區別
Python數據分析師培訓出來的數據分析師，是數據師的一種，專門從事行業數據搜集、整理、分析，并依據數據做出行業研究、評估和預測的專業人員。
大數據培訓出來的大數據工程師其實有很多別名，數據挖掘工程師、大數據專家、數據研究員、用戶分析專家等都是經常在國內公司里出現的Title，大數據工程師就是一群“玩數據”的人，玩出數據的商業價值，讓數據變成生產力。大數據和傳統數據的最大區別在于，它是在線的、實時的，規模海量且形式不規整，無章法可循，因此“會玩”這些數據的人就很重要。
2、發展方向
Python數據分析師培訓后的數據分析師發展方向有：市場調研方向、數據分析/挖掘方向、數據工程師方向等。
大數據培訓出來的大數據工程師發展方向有：首席數據官（CDO）、營銷分析師/客戶關系管理分析師、數據工程師、BI開發工程師、數據可視化等。
3、具備技能
bi和數據分析師需要具備的技能很相似，比如：
（1）數據和數據倉庫數據是數據分析的基礎，數據庫是數據的承載，數據倉庫是有主題的數據庫。
（2）報表報表這種原始的BI方式有時候是簡單有效，但要做一張優秀的報表似乎又要考慮很多問題。
（3）數據挖掘數據挖掘作為報表這種非智能性BI的一種補充，理論上應該屬于機器學習的一種，存在著那么一點兒讓計算機自學的能力。
（4）算法隨著面向對象（OrientObject）編程方法興起，“程序=數據結構+算法。如果你想成為頂級的數據分析師，算法與數據結構的知識必不可少。搜索，排序，樹，圖之所以經典，是因為它們簡單有效而且通用。
每一份工作都有自己的成長曲線，技術員需要在技術上不斷精進，業務人員需要不斷擴展業務范圍。但數據分析員崗位則更為特殊，一位有價值的數據分析員，不僅要在技術和理論上成為高手，還要深刻理解業務，做到從業務開始，反哺業務。以上就是今天分享的關于bi和數據分析師的區別的差異了，這兩門學科都很適合零基礎來學習，無論選擇哪一個，在未來都將成為趨勢之一。
