DA 基础 · 第 3 篇
BA vs DA vs BI：岗位全解析
“我到底该做 BA 还是 DA？BI 分析师又是什么？”——这可能是转行者最常问的问题。
打开招聘网站搜”数据分析”，跳出来的岗位名称五花八门：Data Analyst、Business Analyst、BI Analyst、Business Intelligence Engineer、Analytics Engineer… 看得人头大。
这篇文章帮你彻底搞清楚最常见的三个角色——BA（商业分析师）、DA（数据分析师）、BI（BI 分析师）——的区别和联系，让你在求职时不再迷茫。
先说结论
如果你时间有限，先看这张总结表：
| 维度 | BA（Business Analyst） | DA（Data Analyst） | BI（BI Analyst / Engineer） |
|---|---|---|---|
| 一句话定义 | 用分析推动业务决策和流程优化 | 用数据发现洞察、支持决策 | 搭建数据报表和可视化体系 |
| 核心产出 | 需求文档、流程图、业务建议 | 分析报告、Dashboard、数据洞察 | Dashboard、自动化报表、数据模型 |
| 技术深度 | 中低 | 中 | 中高 |
| 业务深度 | 高 | 中高 | 中 |
| SQL 使用频率 | 中 | 高 | 高 |
| 是否需要编程 | 通常不需要 | Python 加分 | 经常需要（Python / SQL / ETL） |
| 面试重点 | Case Study、业务分析 | SQL + 分析思维 | SQL + 系统设计 + BI 工具 |
三者有大量重叠，很多公司的岗位实际上是”二合一”甚至”三合一”。但理解它们的核心差异，能帮你更精准地准备简历和面试。
BA：商业分析师
做什么
BA 的核心是理解业务需求，并将需求转化为可执行的方案。在不同公司，BA 的具体工作差异很大：
偏传统企业 / 咨询的 BA：
- 收集和整理业务需求
- 绘制业务流程图
- 撰写需求文档（BRD / PRD）
- 协调技术团队和业务团队
- 项目管理和推进
偏互联网 / 科技公司的 BA：
- 分析业务数据，发现增长机会
- 设计实验（A/B 测试）验证业务假设
- 搭建业务指标体系
- 为管理层提供决策支持
- 商业模式分析和竞品分析
在互联网公司，BA 和 DA 的工作内容高度重叠。很多公司的”Business Analyst”实际上就是”Data Analyst + 更强的业务理解”。
典型技能栈
- Excel / Google Sheets（高级）
- SQL（中等）
- 数据可视化（Tableau / Power BI）
- 沟通与演示能力
- 业务流程建模（Visio / Lucidchart）
- 项目管理方法论（Agile / Scrum）
适合什么样的人
- 喜欢和人打交道，沟通能力强
- 对商业模式和业务逻辑感兴趣
- 不想过于深入技术，但愿意用数据支持决策
- 有行业经验（金融、零售、咨询等）
DA：数据分析师
做什么
DA 的核心是从数据中发现洞察，回答业务问题。相比 BA，DA 更侧重数据本身的分析过程：
- 编写 SQL 提取和处理数据
- 进行探索性数据分析（EDA）
- 搭建和维护数据看板
- 设计和分析 A/B 测试
- 定义和监控业务指标
- 撰写分析报告并向业务方 Present
DA 的工作特点是既要懂技术，又要懂业务——用技术手段（SQL、Python、统计）解决业务问题，再用业务语言呈现数据结论。
典型技能栈
- SQL（高级，面试必考）
- Excel / Google Sheets
- 数据可视化（Tableau / Power BI / Looker）
- Python / R（加分项，某些公司必须）
- 基础统计学（假设检验、置信区间）
- 沟通与数据叙事
适合什么样的人
- 喜欢”刨根问底”，看到数据异常想搞清楚原因
- 对技术有一定兴趣，愿意学 SQL 和 Python
- 逻辑思维能力强
- 既想做技术，又不想离业务太远
BI：BI 分析师 / BI 工程师
做什么
BI 岗位的核心是搭建数据基础设施，让业务方能自助获取数据。具体来说：
- 设计和搭建 Dashboard 与自动化报表
- 建设数据模型（维度建模 / 星型模型）
- 编写和优化 ETL 流程
- 管理 BI 工具（Tableau Server、Power BI Service、Looker）
- 保证数据质量和一致性
- 培训业务方使用 BI 工具
BI 的工作更偏”基础设施”——DA 是用数据回答问题的人，BI 是让所有人都能用数据的人。
BI Analyst vs BI Engineer
| 角色 | 侧重点 |
|---|---|
| BI Analyst | 偏分析和报表设计，技术要求中等 |
| BI Engineer | 偏数据建模和系统搭建，技术要求更高 |
很多公司不做严格区分，统称”BI”。
典型技能栈
- SQL（高级）
- BI 工具（Tableau / Power BI / Looker / Metabase）
- 数据建模（维度建模、宽表设计）
- ETL 工具（dbt、Airflow、Informatica）
- Python / Shell 脚本
- 数据仓库（BigQuery / Snowflake / Redshift）
适合什么样的人
- 喜欢搭建系统和流程，有”工程师思维”
- 对数据架构和数据质量有追求
- 享受把复杂的数据变成清晰的图表
- 对业务的兴趣不如对技术体系的兴趣大
实际工作中的协作关系
在一个成熟的数据团队中，三个角色的协作通常是这样的：
业务需求
│
▼
BA：翻译业务需求 → 定义分析问题
│
▼
DA：用数据分析问题 → 输出洞察和建议
│
▼
BI：将高频分析固化为 Dashboard → 让业务自助查看
│
▼
业务方根据数据做决策
但在实际操作中：
- 小公司：一个人身兼 BA + DA + BI，什么都做
- 中型公司：DA 和 BI 合并，BA 由产品经理或运营兼任
- 大公司：三个角色明确分工，各有专人
求职指南：我该选哪个方向
按个人特质选择
| 如果你… | 推荐方向 |
|---|---|
| 沟通能力强，喜欢理解业务 | BA |
| 喜欢用数据解决问题，逻辑能力强 | DA |
| 喜欢搭建系统，偏工程思维 | BI Engineer |
| 什么都想做，不确定 | 先从 DA 开始 |
按背景选择
| 你的背景 | 推荐方向 | 原因 |
|---|---|---|
| 商科 / MBA | BA | 业务理解是天然优势 |
| 统计 / 数学 | DA | 数据分析技能与专业高度契合 |
| 计算机 / 工程 | BI Engineer | 技术基础扎实 |
| 运营 / 市场 | BA 或 DA | 有业务经验，补技术即可 |
| 文科 / 社科 | DA | 研究方法论可迁移，SQL 易学 |
薪资对比（参考）
| 级别 | BA（美国） | DA（美国） | BI Engineer（美国） |
|---|---|---|---|
| 初级 | $60K-$80K | $55K-$75K | $70K-$90K |
| 中级 | $80K-$110K | $75K-$100K | $90K-$120K |
| 高级 | $110K-$150K | $100K-$140K | $120K-$160K |
BI Engineer 因为技术要求更高，通常薪资略高于纯分析岗位。但 BA 在某些行业（咨询、金融）的薪资上限也很高。
职业路径
BA 的典型发展路径：
- BA → Senior BA → Principal BA → Head of Strategy / Chief of Staff
- BA → Product Manager（非常常见的转型路径）
DA 的典型发展路径：
- DA → Senior DA → Lead DA → Analytics Manager → Director of Analytics
- DA → Data Scientist（深入技术方向）
- DA → Product Analyst → Product Manager
BI 的典型发展路径：
- BI Analyst → BI Engineer → Senior BI Engineer → Analytics Engineering Manager
- BI Engineer → Data Engineer → Staff Data Engineer
面试准备差异
如果你已经确定了方向，面试准备的重点也不同：
| 面试环节 | BA | DA | BI |
|---|---|---|---|
| SQL 笔试 | 中等难度 | 高难度 | 高难度 |
| Case Study | 重点 | 会考 | 较少 |
| 技术系统设计 | 较少 | 偶尔 | 重点 |
| 业务分析题 | 重点 | 重点 | 中等 |
| 行为面试 | 重点 | 中等 | 中等 |
| 工具实操 | Excel | Python / Excel | BI 工具 |
建议：无论选哪个方向，SQL 都是必须掌握的技能。三个岗位的面试都会考 SQL，只是难度和侧重点不同。
不必纠结，先开始行动
最后一个重要的提醒：不要在选择上花太多时间。
BA、DA、BI 这三个岗位的技能有大量重叠，尤其是在入门阶段。你学的 SQL、Excel、数据思维、业务分析方法论，在任何一个方向都用得上。
如果实在拿不定主意，先按 DA 的方向准备——DA 是三者中最”通用”的方向，掌握了 DA 的技能后，转 BA 或 BI 都相对容易。
下一篇：数据分析师的一天 →
了解了岗位区别后，你可能想知道：数据分析师每天的工作到底是什么样的？一天 8 小时怎么分配？