最近，有一些将毕业的朋友来问我，关于数据岗位是怎么区分的。同时我也发现很多刚刚入门的朋友，对于数据这个行业的众多岗位不甚了解。所以这次，笔者来对数据处理流程所涉及到的岗位进行一次简单的梳理。
数据从产生到形成资产，再到可视化，是一个漫长且有众多坑的过程。从数据预处理->数据存储->数据治理->数据模型构建->数据分析->数据挖掘->数据可视化，需要经过一系列的过程，从而也催生了众多与数据相关的岗位。
下面，我就根据日常数据处理的流程，来梳理一次数据处理步骤与对应岗位的关系。（以下标题为专业术语，如果看不明白，也可以百度再查查，深度理解）
数据预处理
内容：主要是对数据进行一个预处理，即清洗的过程。这个也就是大家平常所熟知的ETL工程师，专门来做数据的抽取工作的。
[图源网络，侵删]
数据治理
内容：主要是对数据进行一个整理的过程，让数据价值化。整个数据治理下来，将会形成众多数据资源目录与文件，随之也会有：内容也颇为复杂，只有身处其中的工程师们才能感受到这工作多么磨练人的耐性啊hhhhh
数据模型构建
在上一步进行数据清洗/数据治理之后，数据就变得清晰起来了。这个时候呢，dengdengdeng,数据仓库工程师的主场来了。岗位：数据仓库工程师（有的时候，数据产品经理也肩负这个职责）比如说建设数据中心或者数据中台，这种数据建模的话，那可不是一时半会能完成的事，需要众多工程师与业务同胞们的共同努力，才能形成良好的、且可持续发展应用的数据仓库。
为特定场景的数据分析作服务，这个阶段有时候也由数据产品经理来兼做，比如说构建一个评价指标RFM客户分群模型，把模型构建出来的同时，原型也就出来了。
数据分析
万众瞩目的数据分析，终于轮到你上场啦~\(≧▽≦)/~数据分析，可以是简单的图表统计，也可以是令人头秃的数据挖掘。在数据治理及数据建模的基础上，进行分析，可是会省力不少哦。
内容：对数据进行多维度分析，找出数据的规律，并用数据支撑业务的发展。
[图源网络，侵删]
数据挖掘
内容：数据分析的升级版，通过聚类、回归、随机森林、决策树等等一系列的算法模型，挖掘出数据的价值。
[图源网络，侵删]
数据可视化
将数据效果进行美化，可视化的最高级应用，当然是数据大屏的展示啦~由UI设计师精心打造的，数据大屏效果，这个时候会交由BI工程师进行实现。
[图源网络，侵删]
又是一段时间没更新了，最近在学习数据产品与数据分析/数据挖掘方面的知识，志同道合的朋友们可以一起交流鸭~
