数据分析是时代发展的必然产物，在将来的大数据时代中，数据分析可以帮助企业清晰的了解到目前所处的的行业状态和竞争环境，辅助进行风险评判与决策。如果企业能够充分利用数据分析带来的价值，呈现给企业管理者的将是一份清晰、准确且有数据支撑的“有价值”报告，所以企业对于专业数据分析人员的需求会非常大。即使是现在，大多数的互联网，金融、教育，以及正在考虑转型的传统行业，都会设置专门的数据岗位，可以说是刚需了。
不仅数据分析师遭到“哄抢”，数据思维和分析能力过硬的数据型人才也逐渐成为企业的标配。
数据分析可以简单分为业务和技术2大方向：
业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等
技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等
业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。
技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门，有的则单独成立数据部门。与业务方向的数据分析师相比较来说，数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高，所以数据挖掘的平均薪资也会高于数据分析师。
互联网进入DT时代，数据分析行业优势得以凸显：
从横向看，只要有需求和满足需求的服务能力，数据分析行业的业务就可以涉足各行各业，不再受行政框框的约束；
从纵向看，只要有需求和满足需求的服务能力，它的业务可以深入行业内部，上可以运营大数据，下也可以驾驭微管理，不再受资质等级的限制。
行业“钱”景可观。无论是初级还是高级岗位，企业都愿意为分析师提供高于行业平均水平的薪酬。
同时，随着工作年限的增加，分析师薪酬与行业平均薪酬的差距逐渐拉大，从招聘网站可以看到数据分析师的平均薪资可达2万左右。
有的人可能会说，随着工具与技术的发展，数据分析会变得越来越容易，人人都需要会，也都会，数据分析可能可能会变成一个办公基本技能，这个思路是很棒的，但是数据分析本身的竞争力，不在于技术，而在于如何通过数据分析解决业务问题。
数据分析的本质就是在探讨流量变现的生意，看透这生意背后的本质，无论你是使用机器学习，还是人工智能，只有洞悉这流量背后的本质，才是每个数据分析最终可期的出路。