最近，作为网络数据分析师，我在思考一位分析师的价值：当一名无休止的取数民工，或者超越取数和报告，输出更有价值的东西，获得成就感。很多朋友都很困惑，bi和数据分析师有什么不同？所以，今天我们一起来探讨一下两者的不同之处。
那么我们来区别下商业智能（bi）工程师和数据分析师：
1、概念区别
Python数据分析师培训出来的数据分析师，是数据师的一种，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。
大数据培训出来的大数据工程师其实有很多别名，数据挖掘工程师、大数据专家、数据研究员、用户分析专家等都是经常在国内公司里出现的Title，大数据工程师就是一群“玩数据”的人，玩出数据的商业价值，让数据变成生产力。大数据和传统数据的最大区别在于，它是在线的、实时的，规模海量且形式不规整，无章法可循，因此“会玩”这些数据的人就很重要。
2、发展方向
Python数据分析师培训后的数据分析师发展方向有：市场调研方向、数据分析/挖掘方向、数据工程师方向等。
大数据培训出来的大数据工程师发展方向有：首席数据官（CDO）、营销分析师/客户关系管理分析师、数据工程师、BI开发工程师、数据可视化等。
3、具备技能
bi和数据分析师需要具备的技能很相似，比如：
（1）数据和数据仓库数据是数据分析的基础，数据库是数据的承载，数据仓库是有主题的数据库。
（2）报表报表这种原始的BI方式有时候是简单有效，但要做一张优秀的报表似乎又要考虑很多问题。
（3）数据挖掘数据挖掘作为报表这种非智能性BI的一种补充，理论上应该属于机器学习的一种，存在着那么一点儿让计算机自学的能力。
（4）算法随着面向对象（OrientObject）编程方法兴起，“程序=数据结构+算法。如果你想成为顶级的数据分析师，算法与数据结构的知识必不可少。搜索，排序，树，图之所以经典，是因为它们简单有效而且通用。
每一份工作都有自己的成长曲线，技术员需要在技术上不断精进，业务人员需要不断扩展业务范围。但数据分析员岗位则更为特殊，一位有价值的数据分析员，不仅要在技术和理论上成为高手，还要深刻理解业务，做到从业务开始，反哺业务。以上就是今天分享的关于bi和数据分析师的区别的差异了，这两门学科都很适合零基础来学习，无论选择哪一个，在未来都将成为趋势之一。
