作為一名大數據領域的從業者，同時也在帶大數據方向的研究生，所以我來回答一下這個問題。
首先，數據分析員的主要任務就是找出數據背后的規律，讓數據呈現出價值，目前數據分析員是大數據落地應用的重要角色之一。
數據分析員（數據分析工程師）在不同行業所需要具備的知識結構是不同的，這主要是由于應用場景不同所導致的。比如互聯網領域對于數據分析師的要求就要高一些，一方面原因是互聯網行業對于數據比較敏感，另一方面互聯網行業的數據量比較大，同時數據類型也比較復雜，這些因素導致了在互聯網行業從事數據分析具有較大的難度。
通常互聯網行業的數據分析師需要具備三方面知識結構，其一是具備扎實的數學和統計學基礎；其二是掌握數據分析的常見算法；其三是熟練掌握編程語言和數據庫知識。目前數據分析的基本方式有兩種，一種是統計學方式，另一種是機器學習方式，機器學習的數據分析方式對于從業者的要求要高一些。
相對于互聯網行業來說，傳統行業對于數據分析崗位的要求往往更多集中在數據分析工具和行業知識上，對于大部分職場人來說，掌握一些常見的數據分析工具和數據庫知識，基本上能夠應對大部分數據分析場景，比如Excel和各種BI工具。但是傳統行業的數據分析任務往往與行業知識有緊密的聯系，所以從業者要對行業知識有較為全面的認知過程。
如果想走數據分析師的路線，可以分為三個步驟來學習數據分析技術，第一步是學習基本的數據分析工具，比如Excel；第二步是學習數據庫和編程語言，比如Python、R都是不錯的選擇；第三步是學習數據分析算法，比如決策樹、樸素貝葉斯等。
最后，數據分析師要想提升自身的數據分析能力，一定要注重實踐經驗的積累，尤其是行業經驗的積累。