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。
注：仅代表本人的想法，见识尚浅，如有不对的地方，请读者帮忙斧正。

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。

1. 数据预处理

岗位：ETL工程师

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。
2. 数据治理

岗位：数据治理工程师，有时候也由ETL工程师兼做

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：
相关主数据管理
元数据管理
指标管理
…
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
3.数据模型构建

岗位：数据治理工程师，有时候也由ETL工程师兼做

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）
内容：主要是对数据进行建模。
建模可mmydhm小——
[大]可以认为是对整个集团的数据进行规划，并建设数据仓库；
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。
[小]可以是一个业务场景下的建模。

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。
4.数据分析
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。

岗位：数据分析师/BI工程师/数据可视化工程师

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。

同步公众号：初见数据仓库