做到足夠優秀，然後更新簡歷。

獵頭和市場會告訴你，哪些可能是你的選擇，接著找到自己最喜歡或者最擅長的領域，深耕下去。

初級，要精通EXCEL，能夠熟悉各種財會報表，這種一線城市的話，稅前大概有5k-7k。其次，能夠使用一些基本的程式設計，會程式設計的話可以加分，比如 統計機率，精通SQL，Python,這類資料分析師一般是IT部門的資料分析師，能夠發現問題，分析問題，得出結論，為公司的決策作出支援。主要乾的是資料提取，報表開發，撰寫分析報告。工資大概7k-10k。最後，高階資料分析師，透過建立模型，預測，偏重於工程，主要技能是程式設計和演算法。月薪基本都在15k以上。最後，說一點，要想辦法讓自己成為一個終身學習者。

對於所要求的專業技能必備之外，拋開不談，需要確定兩個問題，首先，你的規劃是否專業，權衡綜合自評自查自糾。二是你的規劃是否切合實際，可操作性是否強？相關都要考慮。我認為這兩點關鍵抓住了，可以保證你下一步規劃的高度和層次。

隨著大資料技術的廣泛普及和發展成熟，金融大資料應用已經成為行業熱點趨勢，在交易欺詐識別、精準營銷、黑產防範、消費信貸、信貸風險評估、供應鏈金融、股市行情預測、股價預測、智慧投顧、騙保識別、風險定價等涉及銀行、證券、保險等多領域的具體業務中，得到廣泛應用。對於大資料的應用分析能力，正在成為金融機構未來發展的核心競爭要素。

作為大廠必定會涉及海量的資料的分析，金融大資料發展應用趨勢主要有大資料應用水平正在成為金融企業競爭力的核心要素；金融行業資料整合、共享和開放成為趨勢；金融資料與其他跨領域資料的融合應用不斷強化。作為金融資料大廠Analyst學習這個領域的技術，是與時代與時俱進，給自己創造了條件機率。

入門和職業規劃應該從兩個角度考慮：領域和路線。

而路線大致可以劃分成四大方向：資料分析，資料探勘，資料產品，資料工程。

（一）資料分析/資料運營/商業分析

這是業務方向的資料分析師，任何行業隨著你深入發展，都分為3個階段：初級，中級，高階。

1、初級資料分析師

這類資料分析師分為2類：

1）Excel資料分析師

工作內容：

要求熟練使用Excel即可，常說的“表哥”就是這個職位。主要是給沒有資料部門的產品經理打個下手。針對產品經理提出的需求來做分析。然後用PPT寫一些分析報告即可。

比如說，之前社群會員面試的一家網際網路教育機構，他們的要求就是用Excel整理學生買課的資訊，看看哪一門課程最受大家喜歡之類的。

需要掌握的核心技能：

Excel，統計機率。

2）業務部門的資料分析師

工作內容：

這類資料分析師在業務部門。不需要會程式設計，但會的話有加分。比如用python寫一些報表自動化。

常見的職位名稱有：

資料分析師，資料運營，商業分析，戰略分析，經營分析，市場行業分析

需要掌握的核心技能：

Excel，統計機率，簡單的SQL查詢。

常見的職位名稱有：

資料分析師，資料運營

2、中級資料分析師

工作內容：

這類資料分析師一般是IT部門的資料分析師。不僅要會技術還要懂業務，透過發現問題，分析問題，得出結論，為公司的決策做支援。主要乾的工作是資料提取、報表開發、撰寫分析報告。

IT部門的資料分析師基本是涵蓋了業務部門資料分析師的技能，還要會程式設計，就這麼簡單。薪資水平也是兩個級別。

需要的核心技能：

統計機率，精通SQL，程式語言Python或者是R

3、高階資料分析師

透過建立模型，預測，偏重於工程，主要技能是程式設計和演算法。

常見的職位名稱有：

資料開發工程師，資料探勘工程師，資料倉庫工程師，機器學習工程師

需要的核心技能：

統計機率，數學，精通SQL，程式語言Python或者是R，機器學習

（二）資料探勘/演算法專家

這是技術向的資料崗，有些歸類在研發部門，有些則單獨成立資料部門。

資料探勘工程師要求更高的統計學能力、數理能力以及程式設計技巧。

從概念上說，資料探勘Data mining是一種方式，機器學習Machine Learning是一門方法/學科。機器學習主要是有監督和無監督學習，有監督又可劃分成迴歸和分類，它們是從過去的歷史資料中學習到一個模型，模型可以針對特定問題求解。

資料探勘的範圍則大得多，即可以透過機器學習，而能借助其他演算法。比如協同過濾、關聯規則、PageRank等，它們是資料探勘的經典演算法，但不屬於機器學習，所以在機器學習的書籍上，你是看不到的。

資料探勘工程師，除了掌握演算法，同樣需要程式設計能力去實現，不論R、Python、Scala/Java，至少掌握一種。模型的實施，往往也要求Hadoop/Spark的工程實踐經驗，精通SQL/Hive是必須的。

（三）資料產品經理

這個崗位比較新興，它有兩種理解，一種是具備強資料分析能力的PM，一種是公司資料產品的規劃者。

前者，以資料導向最佳化和改進產品。在產品強勢的公司，資料分析也會劃歸到產品部門，甚至運營也屬於產品部。這類產品經理有更多的機會接觸業務，屬於順便把分析師的活也幹了，一專多能的典型。

俗話說，再優秀的產品經理也跑不過一半AB測試。此類資料產品經理，更多是注重資料分析能力，擅長用分析進行決策。資料是能力的一部分。

後者，是真正意義上的資料產品經理。在公司邁大邁強後，資料量與日俱增，此時會有不少資料相關的產品專案：包括大資料平臺、埋點採集系統、BI、推薦系統、廣告平臺等。這些當然也是產品，自然需要提煉需求、設計、規劃、專案排期，乃至落地。

（四）資料工程師

資料工程師其實更偏技術，從職業道路上看，程式設計師走這條路更開闊。

在很多中小型的公司，一方面資料是無序的、缺失的、原始的，另外一方面各種業務報表又嗷嗷待哺。沒辦法，分析師只能自己擼起袖子，一個人當三個人用。兼做資料清洗+ETL+BI。

部分公司會將機器學習模型的部署和實現交給資料工程團隊，這要求資料工程師熟悉sparkMLlib、Mahout此類框架。

資料工程師，可以從資料分析師的SQL技能，往資料的底層收集、儲存、計算、運維拓展。往後發展則是資料總監、或者資料架構師。因為資料分析出身，與純技術棧的程式設計師比，思考會更貼合業務，比如指標背後的資料模型，但是技術底子的薄弱需要彌補。

另外，DBA、BI這些傳統的資料庫從業者，也是能按這條路線進階，或者選擇資料產品經理方向。

以上四個崗位就是資料分析的發展方向，它們互有關聯。資料工程偏底層技術，資料分析偏上層業務，資料探勘和資料產品處於中間形態。不同公司雖然業務形態不一致，架構會有差異，但是職責不會偏差太大。

這個問題有一點點泛。我想題主是想問以後的職業發展通道？我按這個理解來回答下。

通常在一個公司的職業發展通道，後期會分為技術線和管理線。

技術線，以技術能力為擔當，在一個公司或者一個部門，技術人員一般要有獨立工作能力。

這個獨立工作能力，對技術人員主要就是指研發能力。技術人員一般不需要操心整個團隊的進度，只要把自己手上的活保質保量完成，就是靠譜的員工。

當然，再牛的技術咖，與團隊和同事的必要溝通還是要做好的。不然自行其事，研發方向偏了，或者兩個研發任務的緊急程度搞反了，都會造成麻煩。

有的崗位是以談業務來體現能力，比如銷售、市場人員。這也要求個人能力要滿足崗位要求。

管理線，要求有帶團隊的能力。既懂業務/技術，又會管理，較能成為好的管理者。

作為管理者，就不能只是把自己手上事情做好，而是要帶動整個團隊，共同完成一個技術專案、達成銷售業績或者搞定業務談判。所以，管理線對員工的要求更全面，不僅要懂技術/業務,還要懂人心，懂溝通，懂合作，綜合能力更強。

按照自己的優勢特長、職業興趣，結合公司的需要，來選擇自己的職業發展通道。

金融資料大廠的分析師，這基本是個技術線的工作。

題主可以問自己，是喜好對事的工作，還是對人的工作？對事的工作，就比如分析資料、編制程式、整理文件。對人的工作，比如溝通協調，拜訪客戶，組織大家一起做專案，講解報告等。如果選擇對事工作，那就走技術線。如果喜歡對人工作，那就要瞄準管理線。

自己想選哪條線就可以選哪條線，這無疑是幸運的。但通常我們都是根據公司內的崗位設定，結合自己的職業興趣，走能快速提升發展的那條線。

同時也要相信自己，從技術員“一人吃飽全家不餓”，到操心團隊吃喝的管理者， 管理能力是可以在工作中培養和提高的。

當然，如果不喜歡做資料分析崗位的任何工作，那可以在公司內爭取調崗，比如做產品經理、做銷售崗等。公司內實在沒有合適的崗位時，再考慮跳槽出去看機會。需要提醒的是，在今年，跳槽需要更加謹慎。