在业务实践中，有很多“”概念会让大家感到疑惑，从而直接影响从业者的职业规划，其包括职业定位、发展路线等。因此有必要将几种最常见的“分析”概念进行介绍，为大家今后的职业定位和发展提供帮助。

1.数据统计

数据统计是对最初级的数据从业者的定位，其含义如其字面意思——统计，具体工作是从海量数据中进行数据提取、数据清洗、数据汇总和基本输出工作。数据统计是所有公司必不可少的工作内容，由于该工作不需要具有太高的技术含量，因此其替代性非常强，通常该工作会通过数据产品自动化来实现。

数据统计要求从业者具有良好的数据提取和处理能力，核心需求能力是能熟练掌握SQL的使用技能及Excel的使用技能，这是从业者职业发展的开始。

统计类工作的定位一般是初级分析师或数据分析员。我们常见的统计工作如日报、周报、月报、季报、年报等，直接陈列数据、报表等类型的报告皆属于此类工作的典型内容。

2.数据分析

是在数据统计基础上的必要延伸，也是数据从业者的必经阶段。数据分析的基本流程通常包括需求收集、需求处理、需求评估、数据准备、数据分析、数据展现，除了基本流程外，通常还会包括业务沟通、业务优化等过程。数据分析的需求常见于大中型公司，小型公司的分析类需求较少，更多的是侧重于统计需求。

数据分析对从业者的要求较数据统计高，需要从业者具备良好的数据处理和分析能力，同时由于数据要符合落地性的需求，要求从业者需要具备基本的业务常识和经验，以保证数据分析的结果有用、可用、易用，进而推动业务人员理解数据、分析业务、优化业务。

分析类工作根据从业者的层次不同，通常会分为中级分析师、高级分析师、首席分析师等，不同公司对分析师的级别定义不同，但作为中高级分析师，其关注点不仅是数据本身，而是更侧重于从数据中挖掘价值、发现业务，进而优化其可优化的节点。常见的分析类工作包括专项类分析、市场类分析、项目类分析等。

3.数据挖掘

数据挖掘严格意义上属于数据分析的一部分，但由于其独特的技术技能要求及应用领域，已经从数据分析中脱离出来形成单独的数据职业。数据挖掘是指从海量的数据中挖掘其隐含的、潜在的数据价值的过程，侧重点是针对未知知识的探索。

数据挖掘要求从业者在人工智能、机器学习等挖掘技术中至少掌握一门数据挖掘技术，并且需要特定程序和语言进行输出，展示层面需要具有一定的可视化技术来解释挖掘结果和价值，因此具有较高的数据从业要求。

数据挖掘从业者的公司定位，根据面向对象的不同可分为以下两种。

业务类数据挖掘工程师：其侧重点是运用数据挖掘算法为业务提供数据分析和挖掘价值点，直接优化业务运作。

技术类工程师：其侧重点是通过数据挖掘算法的优化和改进，为数据产品如DSP、RTB、个性化推荐等提供算法支持，是整个数据产品的重要环节。