1，計算機編程能力要求
很多情況下，作為數據分析，妳需要使用成型的分析工具，比如EXCEL，SPSS，或者SAS，r，壹個完全不懂編程，不會打代碼的人可以成為壹個很好的數據分析師，因為壹般來說，OFFICE中包含的幾個工具就可以滿足大部分數據分析的要求。很多數據分析師做的工作是從原始數據到各種分解匯總，然後進行分析，形成完整的分析報告。當然，原始數據可以是別人提供的，也可以是自己提取的(作為壹名合格的數據分析師，了解壹些SQL知識是非常有益的)。
數據挖掘需要有編程基礎。為什麽這麽說？給出兩個理由:第壹，目前的數據挖掘及相關研究生大部分屬於計算機系；第二，在招聘崗位上，國內大公司的職位名稱大多是“數據挖掘工程師”。從這兩點可以明顯看出，數據挖掘與計算機和編程有著密切的聯系。
2.了解行業的能力
要成為壹名優秀的數據分析師，既要對所從事的行業有深刻的理解，又要能夠將數據與自身業務緊密結合。比如給妳壹份業務報告，妳可以在腦海裏畫出當前業務情況的畫面，看看哪裏有問題。但是從事數據挖掘，對行業的要求不壹定那麽高。
3、專業知識要求
數據分析師除了要了解行業，還要了解壹些統計學、市場營銷、經濟學、心理學、社會學等方面的知識。當然，了解壹些數據挖掘的知識會更好。要求數據挖掘工程師熟悉數據庫技術和數據挖掘的各種算法，能夠根據業務需求建立數據模型並應用於實踐，甚至需要優化現有的模型和算法或者開發新的算法模型。要成為壹名優秀的數據挖掘工程師，良好的數學、統計學、數據庫和編程技能必不可少。
總之，數據分析師更註重業務層面，數據挖掘工程師更註重技術層面。
數據分析師和數據挖掘工程師之間的相似性；
1，都是處理數據的。
都是在玩數據。如果沒有數據或者沒有數據可以收集，他們都會失業。
2.知識和技能有很多交集。
他們都需要了解統計學，壹些常用的數據分析方法，對數據有更好的敏感度。
3.他們的職業沒有明顯的界限。
很多時候，數據分析師也在做挖掘，數據挖掘工程師也在做數據分析。數據分析也使用數據挖掘工具和模型。許多數據分析從業者用SAS和R作為壹個很好的例子。在做數據挖掘項目時，人們還需要了解業務和數據，能夠根據業務需求提出正確的數據挖掘需求和方案，能夠提出可供選擇的算法模型。其實這樣的人壹只腳在數據分析，另壹只腳在數據挖掘。
其實沒必要把數據分析和數據挖掘割裂開來，只是需要看到兩者的區別和聯系。作為數據行業的從業者，要根據自己的特長和愛好來規劃職業生涯，才能實現自身價值的最大化。
Sc-cpda數據分析公共交換平臺