数据分析师与大数据分析师所做工作有什么区别？

大数据分析师和数据分析师完全是2个不同的方向：

数据分析师，偏业务。需要理解很多经济管理类的 比如 市场营销，管理学，财务会计。

对于专业的适配度比较低，很多领域都需要这岗位。

需要使用 spss，excel，sas等软件，看到数据，找到原因，得出结论。主要就是分析解读数据背后的商业运用和因果分析，用户行为 ，数据分析的目的是市场营销

大数据分析师，把大数据做成小数据，再用高性能服务器 提高运算速度。

首先，大数据分析师是大数据时代背景下产生的一种新型技术岗位，与传统数据分析师的区别主要体现在三个方面，其一是技术体系结构不同；其二是岗位任务目的存在一定的区别；其三是工作场景具有一定的区别。

对于大数据分析师来说，要具备更加全面的知识结构，涉及到大数据平台知识、算法设计知识、程序设计知识和具体的行业知识等，所以相对于传统的数据分析师来说，大数据分析师的从业门槛有了一定程度的提升。从目前行业领域的人才招聘情况来看，大数据分析岗位往往需要具有较高的学历要求，研究生往往更愿意从事相关岗位。

大数据分析的目的与传统的数据分析目的也存在一定的区别，主要体现在两个方面，其一是大数据分析比较注重数据的价值化，简单的说，大数据分析的结果会提升数据的价值，而传统数据分析的目的往往是以应用为导向的。另一个区别在于，大数据分析的结果往往是为了提供给智能体使用，比如人工智能领域的算法训练、验证等过程都需要大数据分析的参与。

在工作场景上，大数据分析与传统的数据分析也存在一定的区别，大数据分析往往需要借助于大数据平台进行，比如Hadoop、Spark，以及各种商用的大数据平台等，但是传统的数据分析往往会基于Excel或者是传统数据库进行。相对于传统数据分析工具来说，大数据分析的工具往往更加丰富，复杂程度也有明显的提升。

　　很多初学者，对大数据分析的概念都是模糊不清的，大数据分析是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，很多人对于大数据分析师的印象就是坐在办公室对着电脑噼里啪啦的敲键盘，跟程序员差不多，这种想法是错误的，其实大数据分析师是一个很高大上的职业，大数据分析师通过获取必要的数据，分析这些数据，然后从数据中发现一些问题提出自己的想法，这就是一个大数据分析师的基本工作内容。

　　大数据工程师工作内容取决于你工作在数据流的哪一个环节。从数据上游到数据下游，大致可以分为：

　　数据采集 -> 数据清洗 -> 数据存储 -> 数据分析统计 -> 数据可视化 等几个方面

　　大数据分析工作内容当然就是使用工具组件(Spark、Flume、Kafka等)或者代码(Java、Scala等)来实现上面几个方面的功能。具体说说如下：

一、数据采集

近几年，随着科技的日新月异，许多之前没有听过的名词接踵而出。比如云计算，比如大数据，可以说云计算的诞生催生了大数据。所谓大数据，Gartner研究机构给出的定义是这样的：一种需要具有更强决策力、洞察发现力以及流程优化能力的全新处理模式，以此来适应海量多样化的信息资产。笔者认为，大数据并非简单的一种概念，而是一种方法，简而言之，就是通过分析和挖掘数据，从而辅助进行决策的方法。

随着近几年大数据的越来越火热，相关的大数据职业也成为了热门，在诸多的大数据相关职位中，数据分析师和大数据工程师俨然已经成为当下最热门的职位之二。那么数据工程师和数据分析师有什么区别呢？

首先来说数据分析师，所谓数据分析师，简单来说就是从不同的行业中获取数据，然后对获取到的数据进行分析，并对相关问题进行解答，一般来说，数据分析师的主要任务就是对数据进行梳理、分析以及可视化，从而帮助企业做出决策。而根据行业的不同，数据分析师的头衔也不同，如：业务分析师、运营分析师等，但无论头衔是什么，数据分析师的岗位职责是相同的。

而对于数据分析师来说，需要掌握的技能也是比较多的，例如编程、统计学、数学、数据可视化、通信技术等等，这些都说明了数据分析师是一个通才，对人们的全面性要求也比较高。

说完数据分析师，接下来就说一下数据工程师。在大数据行业中，数据工程师扮演的角色举足轻重，甚至可以说是不可或缺的。所谓数据工程师，其实本质上还是软件工程师，也就是我们常说的程序员，他们是整个大数据系统的构建者和优化者，数据工程师的职责就是保证数据接收、转移的准确性，维护系统的安全与稳定。和数据分析师不同的是，数据工程师一般不需要注意统计、分析和建模，他们的工作重点在于数据的架构、运算以及存储等方面，而数据工程师所需要具备的能力技能一般也就是超强的编程能力以及编写数据查询程序的能力。