好久沒寫文章了，本人目前從事BI行業(yè)，主要做BO(報表展示)這一塊，寫這一篇文章主要是想分享一下自己的心得。本人不是大牛，基礎(chǔ)小白，所以下面你會看到的更多是不經(jīng)潤色(不經(jīng)大腦)的心得體會，而不是一堆NB轟轟的專業(yè)名稱，算法，建模思想，分析思路等技術(shù)分享型文章。更多的是對這個職業(yè)的看法，技術(shù)上的問題相信度娘比我更加專業(yè)！

歡迎吐槽指正！

說到數(shù)據(jù)分析一定要講BI

商業(yè)智能(BI，BusinessIntelligence)。

BI(BusinessIntelligence)即商務(wù)智能，它是一套完整的解決方案，用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進(jìn)行有效的整合，快速準(zhǔn)確的提供報表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策。

廣義的BI是包括很多方面的內(nèi)容，包括數(shù)據(jù)處理—》數(shù)據(jù)存儲—》數(shù)據(jù)倉庫—》(數(shù)據(jù)挖掘)—》BO展示層

BI是智能化的數(shù)據(jù)分析，說白了就是很多手工的工作我們讓電腦幫我們做了，省去大量復(fù)雜繁瑣的人工，這就是智能。比如日報，周報，月報這些報表我們統(tǒng)一用工具定時自己跑出來！

要說的有3點(diǎn)：

1、目前大部分企業(yè)的BI是不包括數(shù)據(jù)挖掘的，實際上很多人也不是很清楚這個流程，一般只是認(rèn)為BI就是做報表的。恩，對，就是做報表的(BO展示層)。

2、一般小企業(yè)的數(shù)據(jù)分析崗位，很多只是簡單粗暴的DB+Excel，所以你會發(fā)現(xiàn)，**，工資好低！

3、DB+Excel是基于小企業(yè)數(shù)據(jù)分析量不大才能這么做的，未來數(shù)據(jù)暴增下，一個注重數(shù)據(jù)分析的企業(yè)勢必會走勢智能化這條路，畢竟人工也是成本啊~

數(shù)據(jù)分析與數(shù)據(jù)挖掘

/**以下是百度百科解釋**/

數(shù)據(jù)分析是指用適當(dāng)?shù)?a href='/map/tongjifenxi/' style='color:#000;font-size:inherit;'>統(tǒng)計分析方法對收集來的大量數(shù)據(jù)進(jìn)行分析，提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。這一過程也是質(zhì)量管理體系的支持過程。在實用中，數(shù)據(jù)分析可幫助人們作出判斷，以便采取適當(dāng)行動。

數(shù)據(jù)挖掘(英語：Datamining)，又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫知識發(fā)現(xiàn)(英語：Knowledge-DiscoveryinDatabases，簡稱：KDD)中的一個步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘通常與計算機(jī)科學(xué)有關(guān)，并通過統(tǒng)計、在線分析處理、情報檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗法則)和模式識別等諸多方法來實現(xiàn)上述目標(biāo)。

數(shù)據(jù)分析和數(shù)據(jù)挖掘很多人沒有分清，數(shù)據(jù)分析其實也是包括數(shù)據(jù)挖掘的，不過現(xiàn)在大部分企業(yè)細(xì)分崗位，一般數(shù)據(jù)分析和數(shù)據(jù)挖掘是兩個不同的崗位！

以下我所講的數(shù)據(jù)分析都是基于目前企業(yè)數(shù)據(jù)分析崗位而言(狹義上的數(shù)據(jù)分析，做報表的~)

數(shù)據(jù)分析主要是描述性統(tǒng)計分析，出報表，屬于BO層面。工具有IBMcognos、SAPBO、oracleBIEE、MicrosoftSSRS、MicroStrategy、Smartbi、QlikView、Power-BI等~太多了，基本功能都相似，就是做好OLAP數(shù)據(jù)集后通過可視化的操作開發(fā)出報表框架，再定時出報表！

數(shù)據(jù)挖掘主要用于海量數(shù)據(jù)挖掘、預(yù)測性分析，比如關(guān)聯(lián)規(guī)則，分類、回歸、聚類、離群點(diǎn)檢測之類的算法，主要工具有SAS、SPSS、R&Python、MSDataMing等，SAS&SPSS可視化界面，操作簡單，比較容易上手；R&Python需要自己編程，難度比較大，但是函數(shù)、算法都封裝好了，可以直接拿來用。

數(shù)據(jù)挖掘主要是基于海量的數(shù)據(jù)，即大數(shù)據(jù)。現(xiàn)在感覺任何東西跟大數(shù)據(jù)掛鉤，它就變得高大上了！基于這個數(shù)據(jù)量的前提，所以目前國內(nèi)做數(shù)據(jù)挖掘的主要在金融(銀行、保險、證券)、電信、廣告等行業(yè)&BAT三大巨頭！

說實在數(shù)據(jù)挖掘，算法，統(tǒng)計思想這些不是最重要的，最根本是業(yè)務(wù)知識！跟BO對比起來，數(shù)據(jù)挖掘更最要你對業(yè)務(wù)的理解，如果你對業(yè)務(wù)理解透徹了，很多東西甚至都不需要經(jīng)算法建模，只需要畫一個透視圖、透視表你就會發(fā)現(xiàn)其中的規(guī)律(知識)了。

很多新手都會問到的一個問題是，入門需要什么技能？

一、對于數(shù)據(jù)分析而言，最重要的技能是SQL、SQL、SQL+BO工具(這個有些了解就可，畢竟使用簡單)

SQL需要會到什么程度？企業(yè)日常用到的大部分是：80%(增刪查改+連接查詢+基本聚合函數(shù)+數(shù)據(jù)格式處理函數(shù))+20%(其他函數(shù)使用)，而你只要需要會增刪查改+連接查詢+基本聚合函數(shù)+數(shù)據(jù)格式處理函數(shù)這些基礎(chǔ)功能即可，其他函數(shù)使用通過百度你能看懂能用就行，使用率比較低。

二、對于(DM)數(shù)據(jù)挖掘而言，建模大部分的工作還是花在了數(shù)據(jù)處理上，這個要看對應(yīng)企業(yè)使用的工具，數(shù)據(jù)處理流程要懂??！+算法(建模)思想+統(tǒng)計學(xué)基礎(chǔ)，業(yè)務(wù)知識都是在日常工作中積累的。SO，DM的入門基礎(chǔ)就相對要高些，門檻也相對較高。

三、補(bǔ)充一點(diǎn)：對于數(shù)據(jù)分析和數(shù)據(jù)挖掘以及大數(shù)據(jù)相關(guān)的工作還有一個特別重要的崗位，就是數(shù)據(jù)庫開發(fā)。不同于DBA，大部分BI&DM80%數(shù)據(jù)庫開發(fā)的工作其實都是在倒騰數(shù)據(jù)，所以前期數(shù)據(jù)處理環(huán)節(jié)特別重要，衍生出專業(yè)的數(shù)據(jù)庫開發(fā)，主要做ETL、數(shù)據(jù)遷移，建多維數(shù)據(jù)集、數(shù)據(jù)倉庫，OLAP，universe，query之類的工作。對技術(shù)要求較高，屬于底層工作人員，個人覺得特別重要！

技術(shù)控的可以往數(shù)據(jù)庫開發(fā)或數(shù)據(jù)挖掘走，數(shù)據(jù)分析(BO)技術(shù)要求比較低。