数据分析师通过解释大量数据来帮助组织了解业务的当前状态。
　　什么是数据分析师?
　　数据分析师使用数据来帮助组织做出更好的业务决策。数据分析人员使用计算机编程、数学和统计等众多学科的技术，从数据中得出结论，以描述、预测和改进业务绩效。它们构成分析团队的核心，并且往往是精通数学和统计分析方法的多面手。
　　对数据分析师的需求不断增长
　　随着组织快速发展其分析能力，数据分析师的角色需求很大。根据调研机构IDC公司今年4月预测，大数据和业务分析解决方案的收入将达到1,891亿美元，到2022年将实现两位数的增长。
　　Gartner公司副总裁Rita Sallam说：“业务和技术的变化速度从未如此快，特别是在分析方面。随着很多企业进行数字化转型，当他们在包括产品本身在内的所有业务中添加数字化流程时，数据和分析变得越来越重要。”
　　咨询机构Carruthers公司总经理Caroline Carruthers和英国国营铁路公司(Network Rail)前数据官Jackson表示，尽管组织在过去几年中一直专注于数据科学、机器学习和人工智能，但现在可能正在转向分析。Jackson是《数据官的行动手册和数据驱动的业务转型：如何颠覆、创新和保持领先于竞争对手》的作者之一。
　　Carruthers说，“很多人不再关注分析技术，因为很多人对机器学习和人工智能的应用感到兴奋，然后可能会说，我们须做所有这些奇妙的事情。”很多人却忘记组织实际上从分析中获得了巨大的价值。因此开始转向在组织中推动数据分析。”
　　数据分析师与数据科学家
　　尽管数据分析师和数据科学家可能在同一数据分析团队中工作，但他们的角色差异很大。
　　数据分析师试图通过将数据转换为业务可访问的信息来描述其组织的当前状况。他们收集、分析和报告数据以满足业务需求。该角色包括确定新的数据来源和方法以改善数据收集、分析和报告。另一方面，数据科学家通常从事长期研究和预测，而数据分析师则寻求通过报告和临时查询来支持业务领导者做出决策。
　　Looker公司数据科学家Hillary Green-Lerman说，数据分析师和数据科学家之间的差异归结为时间尺度。数据分析师试图描述当前状态，数据科学家试图预测和/或理解未来。数据分析师可能会帮助组织更好地了解其客户如何使用其产品——哪些产品对他们有用，哪些不适用。数据科学家可能会利用这项工作所产生的洞察力来帮助设计一种能够预测新客户需求的新产品。
　　Green-Lerman说：“许多人认为数据分析师只是初级数据科学家，他们提高水平之后将会成为数据科学家。有时候这是真的，但我发现，一名真正优秀的数据分析师与一名数据科学家有着不同的技能。”
　　数据分析师的角色
　　数据分析师主要处理组织的结构化数据。他们在与客户、业务流程、市场经济等相关的数据上创建报表、仪表盘和其他可视化视图，为高级管理层和业务领导人提供洞察，以支持决策工作。数据分析师处理各种数据，其中包括库存、物流和运输成本、市场调研、利润率、销售数据等。他们利用这些数据帮助企业估计市场份额、产品价格、按时销售、优化运输成本等。
　　数据分析师的职责
　　数据分析师试图了解企业需要回答的问题，并确定这些问题是否可以由数据来回答。他们须了解与收集数据、分析数据和报告相关的技术问题。他们须能够识别趋势和模式。
　　根据Workable公司的说法，关键数据分析师的职责包括：
　　•使用统计技术分析数据并提供报告
　　•开发和实施数据库和数据收集系统
　　•从主要和次要来源获取数据，并维护数据系统
　　•识别、分析和解释复杂数据集中的趋势或模式
　　•过滤和清洁数据
　　•与管理层一起确定