当前大数据正处在落地应用的初级阶段，随着大数据的普及，整个传统行业会需要大量的数据分析人才，也有大量的数据分析任务，因为数据分析是呈现数据价值的重要方式。

通常情况下，数据分析可以分成两种岗位，一种是开发岗位，一种是应用级岗位。开发岗位的数据分析往往需要通过编程的方式来完成定制化的数据分析任务，比如目前通过机器学习的方式来实现数据分析就比较流行。开发级数据分析需要具备专业的计算机知识，包括程序设计、算法设计、算法实现、数据呈现等内容，Python是比较常见的编程语言。

虽然开发级数据分析能够完成更加复杂的数据分析任务，但是在生产环境下，大部分的数据分析任务可以通过工具来完成，比较常见的工具包括Excel、SPSS以及各种BI工具。对于知识结构并不丰富的专科生来说，从事此类数据分析（工具类）任务是完全可以的。在大数据落地应用以后，这类人才的需求量将会得到一定程度的释放，目前不少专科学校也开设了针对性的课程。

虽然数据分析本身的技术含量在下降，但是数据分析对于场景的要求却在提高，也就是所谓的行业经验。对于要创业的数据分析师来说，需要对行业有充分的理解，能够通过数据分析得出针对性比较强的数据分析结果，而这正是企业需要的。场景大数据分析将是未来一个数据分析的重点领域，也是创业者可以进行深耕的领域。

除了要掌握行业知识之外，对于要创业的数据分析师来说，一定要注重数据分析的效率，另外就是数据分析的结果呈现。一个比较好的建议就是从一个熟悉的行业入手，然后再逐渐拓展。未来，数据分析业务将是一个较大的市场，选择这个领域进行创业会有较大的发展空间。