主要是将各种数据源：业务数据，埋点数据，日志数据，外部数据，经过ETL技术转化为ODS层，ODS层数据与业务数据基本保持一致（原始数据）
DW层：对来自ODS层的数据经过ETL处理可以细分为基础层、主题层和数据集市。
数据开发工程师主要就是负责ODS层和DW层的数据库表开发。
二、 数据分析师
工作职责：
关键词包含“数据埋点”“异常检测”“决策”“A/B 测试”等，岗位要求包括“海量数据处理”“用户增长”等。
发展方向：
（1）偏业务类：商业分析，BI
（2）偏技术类：数据挖掘是从算法维度理解数据。
个人建议：不管你向那个方向发展，都要主攻一个方向的同时，另外一个也要做了解，这样自己的职业天花板更高。
偏业务分析师日常工作
在有数据仓库开发的情况下，数据分析师更多聚焦于：业务的理解，需求的沟通，需求的技术实现（可视化报表），需求的优化等
（1）对业务的理解：公开的组织架构分析定位，现有报表分析维度，直接找业务部门要业务部门的介绍PPT，最终了解业务流程，核心指标等
（2）需求沟通：涉及到需求评审，这个后续补充！
（3）需求的技术实现：一般是通过可视化报表呈现，例如Tableau，PowerBI等
（4）需求的优化：在深入了解业务后，对现有业务进行优化，怎么分析做的更好。
值得注意的是：目前我们大多数是完成业务方的需求，这是最基础也是工量特别大的地方，但想变得优秀，就必须主动思考，怎么优化，怎么去提高！
工作中若能时时要求自己思考别人本质上要的是什么，多思考一步，不仅减少返工重复，而且给过去的东西超过他人的期待的话，又可以提高个人信任度和能力得到认可。
偏业务分析师工作痛点
主要对临时性需求就行解读：
1、临时数据提取
临时数据提取是数据分析师的一个职业痛点，我将临时提数需求分为两种，一种是管理层的需求，另一种是业务执行人员需求。
管理层的无疑优先级最高，优先开发。
临时性提数需求按是否长期性判断，是一次性需求还是长期需求（例如一星期一次）。
长期性提数需求解决方案：
（1）数据中心开发数据提数平台，让需求方自己提数；（2）讲提数规则（SQL和计算逻辑）给到产品，让产品自己查询和计算。
2、异常数据核查
（1）业务理解；
（2）指标口径；一般都是指标口径的问题，例如统计销量，按用户首次下单时间统计，和最后一次下单时间统计，两者的数据是不一样的
（3）当前数据产出过程。
有了前期准备工作，接下来就是异常排查步骤了，异常排查主要分三步：
（1）判断是否异常；后续补充
（2）最大概率法则归类；后续补充
（3）闭环。后续补充
总结
数据开发工程师：
主要就是负责ODS层和DW层的数据库表开发。帮助业务分析建立各种表的建设，数据基础数据建设其中的关键一环，没有数据以及数据表那 还分析个锤子！！！
数据分析师：
（1）偏业务类：商业分析，BI
（2）偏技术类：数据挖掘是从算法维度理解数据。
目前自己从事偏业务类的，需求沟通，需求评审，需求确认，后期需求优化，临时性需求（数据提取和异常数据核对）。
在技术方面：自己要加强复杂和常规SQL代码的学习与总结、加强可视化报表以及PPT分析报告撰写的总结
在业务理解方面：加强业务理解，这样分析更有价值，怎么了解业务：公开资料，找业务要，主动问业务。
在临时性需求方面：加强数据异常核对，数据提取的经验总结。
此外还有数据埋点，A/B 测试不是特别了解！
偏技术方向：大数据Hive SQL 学习，大数据Hive spark 学习，数据挖掘算法学习！
以上就是数据分析师与数据开发工程师的区别，希望对大家有所帮助。
