工作职能：
商业分析师为事业部的流水和用户增长结果负责，不为数据的生产负责。在设计商业分析师团队时，初衷完全是建造一个提供分析的智囊团。这个时候数据生产已经是稳定的，只是缺乏一些有敏锐商业嗅觉的人，不仅对内做数据分析的工作，还需要承担市场调研和竞对分析的工作，并对最终的商业策略的汇报和结果负责。
数据分析师为事业部的数据分析结果负责，数据分析可以是商业分析的一环，但数据分析结果未必全应用于商业，也包括内部运营策略，产品迭代的复盘。数据分析师需要对数据产出的数字和结果负责，包括数据报表和分析结论。当分析商业问题，例如本期各线下店铺盈利结果如何时，和商业分析、经营分析的职能均有交叉。当面对具体的产品、运营问题时，一般都属于数据分析师职能。
数据分析师是数据部门的一部分，搭建数据部门是处于技术上的必需，但商业分析不是。数据分析是企业正常发展的结果，但是大多数纯粹的数据分析部门无法承接复杂的商业分析场景，依然需要从战略的角度考虑是否搭建一个商业分析团队，专业的人做专业的事嘛
数据科学家是企业内的研究者，通常是从研发部门发展而来。研发部门一开始招了算法工程师，然后从算法范畴延伸出数据科学和nlp等领域，额外招一些硕士及以上的同学。数据科学家需要立刻从数据中挖掘出线索和规律，这些规律是其它分析师无法立刻发现的，例如某个指标还有3%的提升空间，解决后整体的营收提升1%。数据科学家通常对某一领域有专精的研究结果，例如异动归因、推荐系统、业务预测等。
经营分析师是为企业、事业部、业务线经营结果负责，看起来和商业分析师背负的责任有点像，但站在公司层面看经营分析，是一条必须从上到下贯彻的事，而不是仅依靠一个核心智囊团。经营分析师站在不同的层级，工作的出发点是相似的——根据当前的经营情况，对未来的经营情况做预估、策略和整理的工作。
战略分析师在工作方式上可能和商业分析师有所交叉，但服务的对象，履行的职能完全不同。两者都需要同时了解企业内外发生的事情，站在公司层面给出建议。但战略分析通过更深层次的本质挖掘，对企业人事架构、发展方向、核心经营策略建言献策。他们需要更深入的理解其它公司甚至是其它高层的思路，从根上去改变当前企业的路径。当然，一切都需要背后的老板拍板。
数据运营的正确归类是【运营岗-数据分析师】，也就是在运营部门下，专精数据分析的同学。在工作内容上和数据分析师有较多的交叉，但是解决的问题差别很大。可以简单理解是做同一个操作，回答不同的问题。数据运营要基于既定的运营策略和数据维度，对当前的业务路径做反馈和修正。
数据产品和数据开发是数据分析师的上游，严格来说，没有数据分析师是可以的，但没有数据开发就没有数据，没有数据产品，开发后的数据无法流畅使用。人少的时候通常是开发兼任产品，但现在小公司基本都靠第三方包圆了。数据开发要对产品的埋点负责，设计数据库的架构，提高数据的实时性、准确性。
技术要求：
商业分析师、经营分析师和战略分析师归为一类，三类岗位需要充分的工作经验。工作经验的背书在求职中可以说是一锤定音的结果，你在某个大厂，做过某些事情，熟人内推，胜过在计算机技术上的其它钻研。但工作经验不代表【无技术】，当你和这些分析师接触过后，会发现他们的逻辑能力，对本质的分析能力，是远高于做基础工作的数据分析师。
例如，对商业分析师来说，会回答公司是否需要继续开展某个业务的问题，需要继续到什么地步，当前有什么问题；对经营分析师来说，要回答当前公司的经营是否能满足年度目标，如果不满足，应该怎么解决问题；对战略分析师来说，目前企业的人才结构是否满足未来三年的发展，有什么隐患。
你需要知道常规的商业分析方法，基本的财务知识，对公司的运作有充分的了解。
越是简单的问题，越需要花时间把逻辑理清楚，分析师的难处在于处处受到挑战，你写对了99%的事情，会因为1%的问题受到全盘否定。
数据分析师、数据运营归为一类，两类岗位需要对数据有基本的整理能力（包括取数和做数据建设），需要有基本的数据分析能力（统计学），和汇报能力。能说的清简单的数据逻辑，能对问题的现象进行初步拆解。如果说战略分析是对一个病人从骨髓上动刀，数据分析就像是初步照一个X光，然后医生先下一个判断，再决定是否需要开刀。
例如，这个产品功能迭代的效果如何，今年各重要指标的数据表现如何，有什么主要原因影响了这些指标等。如果需要做一些策略，从数据指标上能给出什么建议？
你需要对数据库和数据分析工具有基本的认识，对常规的数据分析方法有了解，有一定的工作经验
数据开发和数据科学家在技术层面上放到一类（但要求不同），两者都需要对计算机科学有一定层面的了解。开发者可能更专精架构，数据科学可能更专精算法，但实现它们都需要基于计算机科学，以及对一个问题更严谨，更专精的研究态度。
你需要对流行的数据开发工具/数据科学算法有深刻的了解，对某一领域有成功的实操经验。
学历要求：
战略分析师独一档，通常只有特定企业的特定坑位，瞄准C9和QS10以内的同学，有熟人内推或者在校期间已经有比较出众的表现。
数据科学家独一档，通常只有特定企业的特定坑位，学历通常在硕士及以上，在校期间有独立作品和项目。
商业分析师和大厂数据分析师放在一类，通常只有一线城市招人，标准就是985211和QS50内的同学。有比较强的沟通和逻辑能力，在校期间要有充分的实习经验。
经营分析、数据运营和非大厂数据分析师归为一类，基础的经营分析和数据分析在学历要求上是相似的，允许一本以上的同学参与面试，二本及以下的同学较少。
数据产品和数据开发在学历上无特殊要求，互联网企业以技术为主，由于招聘的需求较多，所以学历范畴较大。
行业特性：
战略分析和经营分析归为一档，不管是国企、私企还是外企，金融、咨询、通信还是互联网，均有这样的需求。只是越国企越讲究信息渠道，像字节招战略实习生就是全平台发需求。
商业分析师以外企、咨询、快消为主，国内互联网例如本地生活行业也会有需求。商业分析是企业对外学习的结果，很多国内商业分析师会感慨国内有个**商业分析环境。
数据分析、数据运营、数据科学家归为一档，集中在有大数据需求的企业——C端消费。这类企业的代表就是互联网大厂，部分小而美的赚钱公司会招一些数据科学家坐镇，但是也要看老板怎么用。
数据开发和数据产品，在经过互联网红利期以后，开始往其他中小企业蔓延。新能源、通信、B端互联网产品、国企项目等，都有需求。
发展方向：
战略分析、经营分析和商业分析归为一类，三类岗位都有明确的上升路径——更大的公司，更好的项目，像集图鉴一样收集人脉。如果能力无法继续，就专注在一些文档和汇报的整理工作上。
数据分析、数据运营和数据产品归为一类，经过一段时间的工作后，这些岗位通常都会有转岗的念头，因为基本以职能支持为主。分析能力强的会尝试经营和商业分析，技术能力强的会尝试数据开发或者算法工程师，或者转到业务产品。
数据科学家和数据开发归为一类，两者多是以做的项目，实现的技术能力作为评估，需要长期学习和实践。发展的方向更多体现在薪资和负责的项目大小上。
