很多同学都听说过，数据分析有技术型/业务型的区别。到底这俩有啥差异？哪个更适合自己？今天详细讲解一下。

业务VS技术，差异在哪里

技术型数据分析岗位特征如下：

1、任职部门在IT部，数据团队领导面试

2、岗位职责里，没有写具体做哪一块业务

3、岗位职责里，笼统地写：“满足运营、产品、销售等部门需求”

4、面试时一般会考SQL题，问一些笼统的“指标异动怎么分析”

5、入职接各个业务部门的需求，更新固定报表/临时取数

业务型数据分析岗位特征如下：

1、任职部门在业务部，有可能有业务领导面试

2、岗位职责里，明确写：“用户增长/门店分析/针对商户策略分析”

3、筛简历的时候，会挑有类似分析经验的优先面试

4、面试的时候，会直接问具体的增长/活动/门店问题如何分析

5、入职服务特定部门（运营/产品/销售），写PPT写得多

所以直观地看，其实就是“面试到底挑不挑业务经验”+“入职服务一个部门还是接各种需求”的区别。

因此同学们在面试的时候，不要光看招聘要求最下边的能力，得看一下上边的岗位职责，面试的时候记得问一下：

1、面试官是HR还是用人领导

2、这个岗位设在IT还是业务

3、这个岗位有没有团队，大概几个人

这样才方便自己判断形势。经常有同学没有认真看，准备不充分，去了被几个业务问题劈头盖脸问蒙圈了，这就太浪费机会了。有一种特殊情况，就是有些岗位在数据中心，但是挂的是类似“数据BP”还是服务业务的，这时候也会问很多业务型问题。

一般独立的数据中心，会单独下设：数据治理、数仓开发、BI系统开发、数据分析、算法模型。其中数据分析团队专门陪着业务处理复杂的取数需求，固定的数据看板则交给BI开发来做。

当然，有的公司规模没这么大，因此会合并小组。还有的公司规模实在太小，就指望招一两个人过来“全栈数据分析”。在这种草台班子打工的体验是非常差的，经常是清洗垃圾数据就累得半死，还被嫌弃“分析不够深入”，所以找工作的时候要小心。

最关键的问题就俩：有没有自己的数仓/有没有数据团队。如果没人，没数仓，就得悠着点考虑。作为菜鸟去混混经验还行，老鸟都不推荐去。

第一类：战略发展部、集团市场部、业务管理部。这些部门是公司决策中枢，经常需要做数据报告，分析业务发展情况，制定经营计划，制定预算，跟踪业务发展，分析业务问题。因经常需要自己招人。招聘的岗位名字，可能叫“数据分析”也可能叫“经营分析”“商业分析”，但干的工作是差不多的。

第二类：用户运营、商品运营、策略运营、销售运营、风控与反欺诈部门。这些部门需要设计业务策略，跟踪业务执行效果，诊断业务问题，指导一线工作，对具体业务问题，比如用户分析、商品分析、策略分析、风险分析等有要求，因此经常招人，有的还配置了自己的分析小组。招聘的岗位名字，除了“数据分析”，也可能叫“数据运营”“用户分析”。

第三类：客服、销售、供应链。这些部门的人力使用多，负责事务多，日常处理客户咨询/投诉、原材料收货/发货、生产进度统计、销售进度追踪等等，因此经常招人。只不过这些部门更偏一线，招聘的岗位，一般都是“专员”，比如“销售统计专员”“客服统计专员”“采购统计专员”。

单纯从部门、岗位名字，大家也能看出来差别。实际上大部分基层的“XX数据专员”，他真的就是砖员，每天都在用Excel处理基础的统计表，没啥技术含量，工资也很低，前途也很渺茫。

虽然名为“销售分析专员”，可真去面试高级一些分析岗位，不是被嫌弃缺经验，就是被嫌弃思路不行。除非是0基础转行的想混点经验，否则都不推荐。

看到这，肯定有同学会问：那技术型/业务型分析，到底干哪个好？

业务VS技术，应该选哪个

对于在校生而言，强烈建议不要考虑啥业务型分析，就认认真真找一个写SQL的岗位实习仨月。也不用管它啥公司，只要能写SQL就行。

因为在校生对数据分析工作，经常叶龙好龙。觉得自己很适合干数据分析，可每天搓个2000行SQL，核对一下数据，清洗一下数据，就觉得很枯燥，无聊，想跑。所以找个实习体验下真实感觉非常重要。

还有些在校生，把业务分析当成是逃避写SQL的退路，“我不想写SQL，我去干业务分析行不行？”额……问题是对在校生而言，你也不懂业务呀。抱着这种心态，很容易找一个砖员类工作，干了几个月发现自己就是个Excel搬运工，最后还是干不下去。

对于已经工作的同学而言，主要看自己更擅长哪个+想做哪个。

有些业务的同学想转数据，是因为厌烦事务型工作。比如做会员运营的，要去采购会员礼品，处理会员投诉，定SOP然后一轮轮去各地宣讲，真心烦，本身自己就熟悉会员制度、活动玩法，转数据也是很好的。这时候就可以转业务型数据分析，发挥自己懂业务的优势。

有些同学虽然是写SQL的，但是和业务混得熟，特别和产品/策略部门混得熟，参与多很多产品/算法类ABtest。这时候去面大厂的产品分析、用户分析、策略分析都很有优势。