這兩年，隨著大資料、精益化運營、增長駭客等概念的傳播，資料分析的思維越來越深入人心。
資料分析有很多層次，並非所有做資料分析的人都必須數理統計相關的專業出身才行。
一般意義的資料分析，尤其是中小企業，傳統的是對以往銷售資料分析，輔助決策下個週期的採購或營銷計劃等。
隨著網際網路的發展，個性化推薦與廣告推送需求凸顯，B2C也直接讓資料的價值越來越明顯，所以就有了很多資料分析相關的職位；而這些工作的勝任，只需要基礎的計算和統計培訓，再加上常規excel或者專業統計軟體的基本用法的練習即可；相比而言對業務的理解能力更加重要，資料分析只是手段。
真正資料探勘相關的資料分析，或者說垂直領域的俠義的資料分析，就是指資料探勘，從問題識別，建模，演算法設計與計算求解，到後期 驗證，對比分析，結論報告等，是將數理方法應用於實踐問題的複雜過程。比如 我從事過的生物資訊資料分析，面對的是ATCGAGAGAG這樣的序列資料，一個人的基因組約3G，測序出來後會有N個乘數，也就是 3G x n，這是原始資料；基於此開始一系列常規的分析，然後每個細分的方向，各個小組開展各自的分析；出了常規分析，可能還需要從現有的資料中挖掘新的資訊出來，儘可能地尋找與表型可能關聯的“本質原因”，只有建立很多的關聯可能性，才可能將基因組資料分析結論應用於個體的健康檢測或疾病診療。這個層次所要求的不只是會使用statistica, R,SPSS,SAS這麼簡單(此時往往SPSS,SAS都不滿足需求，大多用於工程類或實踐性強的場景)，具備本科或研究生水平的數理統計專業知識背景，還要求全面的系統知識、豐富的實踐經驗、極強的動手實踐能力，等等。 最簡單的例子，你所面對的問題是：一個癌症病人，你擁有他的基因組資料，你能為他做些什麼？ 雖然看起來很宏大，但實踐起來也是一個一個的工作任務執行的。
又比如，我做過的一個數學建模：油田5年規劃。 一個油田的產油量取決於很多因素，往往一口井開始時產量高，然後逐漸降低；油田為了穩產或持續增產，會採取N多措施。 如果在5年中合理採取N中措施，保持整個油田穩產或持續增產？已知過去的產油量資料。 這是典型的實踐中的資料分析案例，結合了模擬、建模、預測、規劃等問題，可以採取多種方法設計多種方案對比驗證，最後給出報告。[ 實踐中也確實如此，一個地方政府或部門的投資分析或財務規劃就更典型了 ，類似的都屬於“指定目標、最佳化分配資源以達成目標”的範疇。]
綜上，粗略地劃分3個層次。LZ所謂的產品經理級別的資料分析屬於level 2 。此類書籍可參考《資料分析之美》，《誰說菜鳥不會資料分析》等。
這兩年，隨著大資料、精益化運營、增長駭客等概念的傳播，資料分析的思維越來越深入人心。
資料分析有很多層次，並非所有做資料分析的人都必須數理統計相關的專業出身才行。
一般意義的資料分析，尤其是中小企業，傳統的是對以往銷售資料分析，輔助決策下個週期的採購或營銷計劃等。
隨著網際網路的發展，個性化推薦與廣告推送需求凸顯，B2C也直接讓資料的價值越來越明顯，所以就有了很多資料分析相關的職位；而這些工作的勝任，只需要基礎的計算和統計培訓，再加上常規excel或者專業統計軟體的基本用法的練習即可；相比而言對業務的理解能力更加重要，資料分析只是手段。
真正資料探勘相關的資料分析，或者說垂直領域的俠義的資料分析，就是指資料探勘，從問題識別，建模，演算法設計與計算求解，到後期 驗證，對比分析，結論報告等，是將數理方法應用於實踐問題的複雜過程。比如 我從事過的生物資訊資料分析，面對的是ATCGAGAGAG這樣的序列資料，一個人的基因組約3G，測序出來後會有N個乘數，也就是 3G x n，這是原始資料；基於此開始一系列常規的分析，然後每個細分的方向，各個小組開展各自的分析；出了常規分析，可能還需要從現有的資料中挖掘新的資訊出來，儘可能地尋找與表型可能關聯的“本質原因”，只有建立很多的關聯可能性，才可能將基因組資料分析結論應用於個體的健康檢測或疾病診療。這個層次所要求的不只是會使用statistica, R,SPSS,SAS這麼簡單(此時往往SPSS,SAS都不滿足需求，大多用於工程類或實踐性強的場景)，具備本科或研究生水平的數理統計專業知識背景，還要求全面的系統知識、豐富的實踐經驗、極強的動手實踐能力，等等。 最簡單的例子，你所面對的問題是：一個癌症病人，你擁有他的基因組資料，你能為他做些什麼？ 雖然看起來很宏大，但實踐起來也是一個一個的工作任務執行的。
又比如，我做過的一個數學建模：油田5年規劃。 一個油田的產油量取決於很多因素，往往一口井開始時產量高，然後逐漸降低；油田為了穩產或持續增產，會採取N多措施。 如果在5年中合理採取N中措施，保持整個油田穩產或持續增產？已知過去的產油量資料。 這是典型的實踐中的資料分析案例，結合了模擬、建模、預測、規劃等問題，可以採取多種方法設計多種方案對比驗證，最後給出報告。[ 實踐中也確實如此，一個地方政府或部門的投資分析或財務規劃就更典型了 ，類似的都屬於“指定目標、最佳化分配資源以達成目標”的範疇。]
綜上，粗略地劃分3個層次。LZ所謂的產品經理級別的資料分析屬於level 2 。此類書籍可參考《資料分析之美》，《誰說菜鳥不會資料分析》等。