我上一份工作是資料分析師，現在的工作是資料探勘工程師，因此我可以以我自己的實際經驗來回答這個問題。

資料分析師和資料探勘工程師，同屬於資料領域的洞察者，但是兩者的工作內容卻有著不小的區別。

對於一個數據分析師來說，最重要的並不是程式設計技能，而是邏輯分析能力、業務理解能力、報告展示能力等。

資料分析師：資料分析師使用的主要工具可以是程式設計，但並非必要；因為現在已經存在大量的強大、易用的資料分析工具，比如Excel、Tableau、SPSS、SAS等，即使你沒有程式設計能力，仍然能勝任絕大多數的資料分析工作；但是相對於資料探勘工程師，你還額外需要一些能力，比如資料視覺化的能力、寫資料報告的能力、在領導甚至許多人面前做報告、講演的能力等；同時，由於現在網際網路公司都在講大資料，資料的儲存基本上在各種大資料平臺和資料庫中，因此你有必要掌握Hive、HDFS、MySQL等的使用，SQL的熟練掌握是不可避免的。資料分析師一般有兩種，一種是面向業務的，主要對各業務線、產品經理、運營、各部門領導的需求提供支援，幫助他們分析業務、瞭解業務，發掘出業務中的問題並提供解決方案；另一種是偏宏觀的分析，一般沒有需求方，主要是自發地進行探索，主動找到公司業務中存在的問題，弄清公司發展的趨勢，對於公司發展的方向做出指引。資料探勘工程師雖然說不會程式設計也不至於完全無法做資料探勘工作，但是好的程式設計技能卻會成為你工作中的得力助手；很多時候，資料探勘工程師會為資料分析師提供一些支援性的工作，比如為他們搭建資料庫、清洗資料、建立報表平臺等；有些時候資料分析師也會直接向資料探勘工程師提出需求，有些資料的儲存方式、格式超出了資料分析師的技能覆蓋範圍，這時就需要資料探勘工程師幫他們做一些前期工作；另外呢，資料探勘工程師往往還需要做一些機器學習方面的工作，因此就需要對各種機器學習演算法的理論及程式碼實踐有足夠的認識。資料探勘工程師之中，也分很多不同的型別，比如做特徵工程的、資料倉庫的、資料平臺支援的、演算法工程師、資料科學家等，他們的工作職責各有不同，職業技能也各有側重。對於大多數資料探勘工程師來說，程式設計技能是必不可少的，但是針對不同挖掘工程師的性質，需要掌握不同的程式設計技能。一般來說，Python、Java、Scala是常用的大資料探勘語言，有一些資料科學家喜歡用R；最常用的大資料平臺是Hadoop平臺和Spark平臺，常用的結構化資料庫是MySQL或其他關係型資料庫，非結構化資料庫中MongoDB較為常用。對於資料探勘工程師來說，必要的Linux知識也必不可少。因為資料探勘工程師絕大多數的工作都是在遠端的伺服器上完成的，不能流暢地在命令列中操作各種Linux系統(常用的有CentOS、Ubuntu等)，工作的效率會大大降低。另外Shell在資料處理上也很強大，sed+awk簡直是資料處理的神器。

以上並不是非常系統的對比，但是是我在工作中最實際的體驗，我並非碼農出身，這個轉型過程中遇到了很多挑戰，但是他們之間並沒有天塹一樣的區別，很多地方是共通的，如果你程式設計基礎較差，那麼可以從資料分析師入手，之後在考慮轉型資料探勘；如果程式設計基礎較好，可以考慮資料探勘，但是資料探勘工程師一般情況下不會接觸太多的業務。兩者的職業路線非常不同，資料分析師之後可以做業務、可以轉產品、可以做管理；而資料探勘工程師一般會在技術領域垂直、深入地探索，之後可能會做技術管理，也有一輩子做技術的。

綜上所述，你可以根據自己的實際情況，做出選擇了。後悔藥是有的，不用過多糾結，他們之間並不是做了A就再也不能做B了。

我們來看看資料分析師和資料探勘工程師的崗位職責和任職要求吧。

資料分析師：

崗位職責：

1. 對日常經營和平臺數據進行採集和加工，透過資料洞察業務經營狀況和產品使用情況；

2. 結合交易平臺的業務模式，產出分析報告，並利用資料幫助一線業務最佳化經營；

3. 分析新的業務模式、行業趨勢等，發現新的機會點並能夠進行閉環設計。

任職要求：

1.對資料非常敏感，能夠獨立對業務資料進行分析併產出報告；

2.熟練掌握excel/ppt/tableau/Hive/R等工具，統計/計算機/商業分析背景優先；

3.有過三年或以上的平臺產品/零售產品相關分析經驗者優先；

4.學習能力強，溝通能力強。

資料探勘工程師：

崗位職責:

1.運用資料探勘/機器學習的理論和方法，開展如排序推薦，精準營銷，真房源品控以及信用分等工作；

2.參與建設租賃平臺B端與C端寬表與標籤體系，研發資料類產品與應用；

3.從系統應用的角度，解決實際業務問題。

任職要求:

1.輔修數學或統計課程者優先；

2.熟悉常用演算法和資料結構，具備Linux環境研發能力，至少熟練掌握一門程式語言，有一定工程能力；

3.熟悉資料探勘相關演算法，包括但不限於決策樹、SVM、聚類、邏輯迴歸等，並具備一年以上的資料探勘/機器學習相關工作經驗；

4.熟悉Spark,Hadoop,Hive,Storm者優先；

5.具備良好的學習能力和溝通交流能力，能夠迅速熟悉業務，融入團隊。

資料分析和資料探勘屬於完全不同的兩個職位，唯一的共同點可能是資料，資料分析一般工作是做報表，各種基本的資料圖、表你可以認為是資料分析做的，資料分析最常用的可能就是sql，一句話總結來說這是一個沒有多少技術含量的職位，資料探勘重在挖掘，和演算法、模型、大資料結合比較深，比如風控模型、推薦系統等等，本質上資料探勘和演算法工程師沒有太多的區別，可能資料探勘工程性強一點。資料探勘用的比較多的可能是python、tensorflow，spark等等。所以說，這兩個職位差別很大。資料分析轉資料探勘很難。