数据分析的方向都有哪些？
数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。
01） 分类分析
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
02） 矩阵分析
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
03） 漏斗分析
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。
04） 相关分析
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。
05） 逻辑树分析
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。
06） 趋势分析
比如人才流失率过去12个月的变化趋势。
07）行为轨迹分析
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。
通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。
1、增收益
最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。
下图为推广收支测算分析，为广告投放提供决策依据。
下图为渠道销量分析，为渠道支持提供数据支撑。
2、降成本
例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。
下图为生产成本分析，了解成本构成情况。
下图为期间费用预实对比分析，把控费用情况。
3、提效率
每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。
通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。
4、控风险
预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。
下图为税负率指标，当综合税负率过高，可以实现提示和预警。
下图为重要指标预警，重点监控项目的毛利率。
首先说一下数据分析这一个方向。数据分析包括数据运营和商业分析 。数据分析是业务方向的数据分析师。这是很多人都能够进入的数据分析行业，也是很多人从这个方向成为了数据分析师，在数据分析行业中，业务方向的数据分析师最多。正因为人数最多，所以这类岗位的人才质量参差不齐。有的数据分析师也只是会Excel表。当然数据分析师是一个基础岗位，如果专精于业务，更适合往管理端发展，单纯的工具和技巧很难拉开差距。数据分析的管理岗，比较常见的有数据运营经理和总监，数据分析经理等，相对应的能力是能建立指标体系，并且解决日常的各类问题。
第二说一下数据挖掘，数据挖掘是技术方向的数据分析师岗位，有些归类在研发部门，有些则单独成立数据部门。数据挖掘工程师需要很多的数据分析技能，具体体现在数据挖掘工程师要求更高的统计学能力、数理能力以及编程技巧。数据挖掘工程师，除了掌握算法，同样需要编程能力去实现，不论R、Python、Scala/Java，至少掌握一种。但是数据挖掘工程师必须精通SQL。
然后说一下数据产品经理。大家都会觉得数据产品经理这个岗位比较新兴，具体就是公司数据产品的规划者。是真正意义上的数据产品经理。就目前而言，数据量与日俱增，此时会有不少数据相关的产品项目。这些当然也是产品，自然需要提炼需求、设计、规划、项目排期，乃至落地。从职业发展上看，数据分析师做数据产品经理更合适。普通的产品经理，对前端、后端的技术栈尚未熟悉，何况日新月异的数据栈。这个岗位尤其适合对数据特别感兴趣的人。
最后说一下数据工程师，数据工程师是一个不错的发展方向，因为数据挖掘需要了解算法/模型，理论知识要求过高，自己学习不容易突破自己。选择更底层的工程实现和架构，也是出路，薪资也不会低于数据挖掘/算法专家。数据工程师，可以从数据分析师的SQL技能，往数据的底层收集、存储、计算、运维拓展。往后发展则是数据总监、或者数据架构师。
以上的内容就是小编为大家讲解的数据分析行业的具体的发展方向了，大家在选择数据分析行业的时候一定要好好的分析自己究竟适合哪一个职业，只有找到自己适合的职业，才能够一直有成就感，从而能够更深入的学习。如果不适合，那么除了浪费时间，还带来了挫败感。
一是数据开发方向，偏技术型，包括开发工程师、挖掘工程师、算法工程师、数仓工程师等等，这些岗位对编程能力要求很高，对学历、专业、毕业院校的要求也都相对较高。
二是数据分析方向，偏业务型，主要是通过挖掘数据的价值来驱动企业发展，这也是现在企业数字化转型最需要的人才。偏业务型的数据分析师对编程能力要求较低。
