|
1、資料跟蹤員：機械拷貝看到的資料，很少處理資料
雖然這個工作的人還不能稱作資料分析師，但是往往作這樣工作的人還都自稱是資料分析師，這樣的人，只能通過×××系統看到有限的資料，並且很少去處理資料，甚至不理解資料的由來和含義，只是機械的把自己看到的資料拷貝出來，轉發給相應的人。這類人發出來的資料，是否有意義，怎麼解讀，他自己是不知道的，只能期望收到資料的人了。
2、資料查詢員/處理員：資料處理沒問題，缺乏資料解讀能力
這些人可以稱為分析師了，他們已經對資料有一定的理解了，對於大部分資料，他們也知道資料的定義，並且可以通過監控系統或者原始的資料，處理得到這些資料。統計學的方法，這批人還是很精通的，統計學的工具，他們也是用起來得心應手，你讓他們做一下因子分析，聚類肯定是沒問題，各類檢驗也是用的爐火純青。他們的不足是：1、如果不告訴他們命題，那麼他們就不知道該應用什麼樣的方法去得到結論了。2、對於資料的處理沒問題，但是卻沒有一個很好的資料解讀能力。只能在統計學的角度上解釋資料。
3、資料分析師：解讀資料，定位問題提出答案
資料分析師這群人，對於資料的處理已經不是問題了，他們的重點已經轉化到怎麼樣去解讀資料了，同樣的資料，在不同人的眼中有不一致的內容。好的資料分析師，是能通過資料找到問題，準確的定位問題，準確的找到問題產生的原因，為下一步的改進，找到機會點的人。往往科班出身的人，欠缺的不是在處理資料上，而是在解讀資料上，至於將資料和產品結合到一起，則是其更缺少的能力了。
4、資料應用師：將資料還原到產品中，為產品所用
資料應用，這個詞很少被提到。但是應用資料被提的很多，分析了大量的資料，除了能找到問題以外，還有很多資料可以還原到產品中，為產品所用。典型的是在電子商務的網站中，使用者的購買資料，檢視資料和操作的記錄，往往是為其推薦新商品的好起點，而資料應用師就是要通過自己的分析，給相應的產品人員一個應該推薦什麼產品，購買的可能性會最大的一個結論。國內能做到這個級別的資料人員還真是少的可憐，甚至大部分人員連資料的檢視都搞不定，而真正意義上的能資料應用師，可以用資料讓一個產品變得更加地簡單高效。
5、資料規劃師：走在產品前面，讓資料有新的價值方向
資料規劃師，不能說水平上比資料應用師高多少，而是另外一個讓資料有價值的方向。往往在實際的應用中，資料都是有其生命週期的，用來分析、應用的資料也是，這點上，尤其是在網際網路公司更加明顯，一個版本的更新，可能導致之前的所有資料都一定程度的失效。資料規劃師在一個產品設計之前，就已經分析到了，這個產品應該記錄什麼樣的資料，這些資料能跟蹤什麼問題，哪些記錄到的資料，應該可以用到資料中去，可以對產品產生什麼樣的價值。
下面是一張某集團的資料分析師職位層級表，由於表格太大，在網頁上顯得字型太小，很難看清楚，因此我將它簡化處理成如下兩張表格，分為層級1和層級2：
 從表中可以看出，專家級的資料分析在分析方法的要求方面與資深資料分析師是相同的，層級2與層級1的能力差別主要體現在業務分析能力、管理能力和影響力等方面。要從“使命必達”的助理資料分析師，成長為“獨擋一面”的資料分析專家，其中必然需要學習很多知識、積累很多經驗、提升很多技能，這對從事資料分析的人有一定的指導意義，在做職業規劃時可以參考。
按照不同分析方法所能給人帶來的智慧程度，可以把分析能力劃分為以下8個等級。
1. 標準報表
回答: 發生了什麼？什麼時候發生的？
示例：月度或季度財務報表
我們都見過報表，它們一般是定期生成，用來回答在某個特定的領域發生了什麼。從某種程度上來說它們是有用的，但無法用於制定長期決策。
2. 即席查詢
回答：有多少數量？發生了多少次？在哪裡？
示例：一週內各天各種門診的病人數量報告。
即席查詢的最大好處是，讓你不斷提出問題並尋找答案。
3. 多維分析
回答：問題到底出在哪裡？我該如何尋找答案？
示例：對各種手機型別的使用者進行排序，探查他們的呼叫行為。
通過多維分析(OLAP)的鑽取功能，可以讓您有初步的發現。鑽取功能如同層層剝筍，發現問題所在。
4. 警報
回答：我什麼時候該有所反應？現在該做什麼？
示例：當銷售額落後於目標時，銷售總監將收到警報。
警報可以讓您知道什麼時候出了問題，並當問題再次出現時及時告知您。警報可以通過電子郵件、RSS訂閱、評分卡或儀表盤上的紅色訊號燈來展示。
5. 統計分析
回答：為什麼會出現這種情況？我錯失了什麼機會？
示例：銀行可以弄清楚為什麼重新申請房貸的客戶在增多。
這時您已經可以進行一些複雜的分析，比如頻次分析模型或迴歸分析等等。統計分析是在歷史資料中進行統計並總結規律。
6. 預報
回答：如果持續這種發展趨勢，未來會怎麼樣？還需要多少？什麼時候需要？
示例：零售商可以預計特定商品未來一段時間在各個門店的需求量。
預報可以說是最熱門的分析應用之一，各行各業都用得到。特別對於供應商來說，能夠準確預報需求，就可以讓他們合理安排庫存，既不會缺貨，也不會積壓。
7. 預測型建模
回答：接下來會發生什麼？它對業務的影響程度如何？
示例：酒店和娛樂行業可以預測哪些VIP客戶會對特定度假產品有興趣。
如果您擁有上千萬的客戶，並希望展開一次市場營銷活動，那麼哪些人會是最可能響應的客戶呢？如何劃分出這些客戶？哪些客戶會流失？預測型建模能夠給出解答。
8. 優化
回答：如何把事情做得更好？對於一個複雜問題來說，那種決策是最優的？
示例：在給定了業務上的優先順序、資源調配的約束條件以及可用技術的情況下，請您來給出IT平臺優化的最佳方案，以滿足每個使用者的需求。
優化帶來創新，它同時考慮到資源與需求，幫助您找到實現目標的最佳方式。
上面的8級劃分源自SAS網站的Eight levels of analytics，由IDMer編譯而成，個人覺得其中的8張圖片非常形象生動，網友@資料小宇軍用兩個圖表將它們更好地展示出來了：
  |