数据分析师，是偏于业务，还是偏于技术。

数据分析师的职业景广阔，目前数据分析在各个行业都得到了广泛应用。越来越多的企业和组织意识到数据的重要性，并需要专业的数据分析师来进行数据驱动的决策和略规划。数据分析师的工作也有很的发展空间，可以根据不同的行业和职位需求，选择更具专业化的领域进行深入研究和发展。

先不说数据分析师
就说一个厨师，他到底是应该更多的去了解顾客的口味，还是更多的练技术呢
技术肯定是基础，没有基础你了解多少口味都做不出来那个味道，属于空中楼阁
但是你不去了解顾客口味，一味的炫技，把巧克力做出翔的味道，那也没人会愿意吃
数据分析师也一样，你肯定要先把技术搞定，然后业务也必须精通
了解业务可能很花时间，但是总比学数据分析要快多了，这时间该花要花

数据分析师偏业务多。这个‘偏’要求很高，需要深入了解行业的运作规律和发展方向。
对业务的需求有了清晰的认识,再去开展分析工作，才不会偏离目标.
往往市场上不缺乏技术高的大牛，他们因为对市场缺乏灵敏的嗅觉，被业务员带着绕圈圈,被市场的表象欺骗.
新技术不断地涌现,只有理解本质的问题和需求，才能选好技术去解决，迎合市场.
观点:业务比技术重要.

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7714825
• 这篇博客你也可以参考下：在训练前标准化了训练集和测试集，训练完了以后，抽取未标准化的一条数据进行预测，结果出了问题
• 除此之外, 这篇博客: 垃圾邮件分类中的 特征向量处理完之后，怎么知道特征向量是否可以是有效区分垃圾邮件的特征向量呢？需要利用下面一些统计函数来进行辅助判断 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• df["fromAddress"].value_counts() ##按fromAdress中的内容分组统计（也可以将其转化为特定的数值，然后求方差判断）

  查看按多个字段分组后的统计结果：
  print(df[["species","population"]].groupby(["species","population"])["population"].count())

• 您还可以看一下 李月喜老师的企业微信开发第三方应用开发篇课程中的 解决方案录入，应用搜索可见，应用上架概述小节, 巩固相关知识点
  
• 以下回答由chatgpt基于相关博客总结生成:

  问题标题: 数据分析师的职业定位及技术要求

  问题内容: 作为一个数据分析师，我想了解数据分析师职业中的业务和技术之间的重要性和侧重点。特别是在不同行业和职位需求下，如何选择更具专业化的领域进行深入研究和发展？请给予相关的指导。

  职业定位及技术要求

  作为一个数据分析师，业务和技术之间的重要性是相辅相成的。在数据分析领域，业务理解和领域知识非常重要，因为数据分析是以特定行业或领域的数据为基础，需要对行业知识有一定的了解，才能更好地理解数据和得出有价值的分析结果。而技术则是实现数据分析的工具和方法，包括数据收集、数据清洗、统计分析、机器学习等方面的技术。

  在不同行业和职位需求下，选择更具专业化的领域进行深入研究和发展的关键在于对自己的兴趣和优势的了解，以及对行业发展趋势的了解。

  以下是一些指导性建议：

  1. 学习和了解不同行业的特点和需求：不同行业对数据分析的需求有所不同，可以通过学习和了解不同行业的特点和需求，了解数据分析在不同行业中的应用和技术要求。

  2. 学习行业相关的领域知识：通过参加行业相关的培训、课程或从业经验积累，学习行业相关的领域知识，深入理解行业的特点和数据的特点。

  3. 提升数据分析的技术能力：作为数据分析师，需要具备一定的数据分析和统计分析的技术能力，包括数据收集、数据清洗、数据处理、数据可视化、统计学基础、机器学习等方面的技能。可以通过学习相关的课程或通过实践项目来提升自己的技术能力。

  4. 关注行业发展趋势和新技术：数据分析领域发展迅速，不断涌现出新的技术和工具，关注行业发展趋势和新技术，对新的技术进行学习和实践，不断提升自己的技术能力和竞争力。

  5. 找到自己的专业领域和定位：在进行深入研究和发展时，可以结合自己的兴趣和擅长的领域，选择一个具有专业性和发展前景的领域进行深入研究和发展。例如，在金融领域有专业的金融数据分析师，在医疗领域有专业的医疗数据分析师等。

  总之，作为一个数据分析师，业务和技术之间是相辅相成的。在选择更具专业化的领域进行深入研究和发展时，需要对自己的兴趣和优势有一定的了解，同时也需要了解行业的需求和发展趋势，不断提升自己的技术能力和积累领域知识，从而实现个人的职业发展目标。