数据分析真的比数据挖掘的含金量低吗？

其实这两个职业做好了前景都很不错，都是现阶段比较吸金的岗位。只不过数据分析师偏业务方向，而数据挖掘偏技术方向，具体选择哪个就业方向，还要根据个人的职业规划和技术见长而定。

从实际招聘来看，数据分析岗位含金量鱼龙混杂，而数据挖掘相对门槛高且稳定。招聘时，数据分析岗的主要问题，一般是“产品日活下降如何分析”、“某大促后如何复盘”这一类。实际上非常业务导向，技术一般SQL要求比较高，Python/R是加分项不是必须。一般也不会硬性要求机器学习能力，如果你强调过自己会，面试官可能让你解释下kmeans和决策树原理这种。

数据挖掘技术要求更高，有些公司会把算法/机器学习/数据挖掘放在一起招。主要问数据挖掘的特征提取、预处理，机器学习等。

其次来说下大家比较关注的薪资问题，主流互联网公司的校招，数据分析一般开出13-18k的价格；数据挖掘感觉是16k以上，而且上不封顶。价格比较透明的社招里，很多1-3年的数据分析岗位还是12k以下，数据挖掘则会高出很多。

另外，数据分析其实分为很多种，他们的差别很大，也直接影响个人的发展。举两个例子说明：在公司的市场部，整理每日的销售数据，汇总结果作报表，与直属业务部门合作密切；专门的数据团队，做AB测试、留存率分析、用户增长等，和挖掘算法、产品类互动频繁。这两类显然不一样，前者的工作会非常流程化，而后者无论insights还是技术水平都会提升得更快。

最后在职业选择上给大家提供一定的参考建议，希望大家可以根据自己的知识储备和技能掌握情况，判断自己适合从事或者转行进入哪个领域。毕竟数据科学是一门交叉学科，除了计算机相关知识，还需要有统计学、数学基础，以及一定业务知识。

所谓的“最佳领域”，其实就是你热爱的、你擅长的、以及社会需要的这3个重叠的领域。只要明确我们的职业目标和成长曲线，学习效率才会事半功倍，成长空间才会更大。

觉得文章实用欢迎大家收藏和转发，获取更多编程干货欢迎大家关注我的头条号~