服务器运维和数据分析这两个岗位，企业在选择时一般只会考虑后者。原因是运维的工作比较固定，存在的可替代性强，且薪资可观。数据分析在数据量比较大，行业比较相似的情况下，性价比也非常高。非要说前者存在哪些竞争优势的话，多一些积累的过程比较容易展现吧。供参考长风∮网。

数据分析相对更加√偏向数据思维，还是需要用统计的技术来进行处理，但是运维工程师一般会以工具性的开发工作为主服务器运维，简单的分析工作可以交给工具性的开发工作，但是实际应用在工作中是有很大差别的。

运维工程师给人感↑觉就是一种老气横秋，没有创新的形象。数据分析又有一定技术门槛（会点数据库查询语言很快就上手了）。但感觉走到管理层服务器运维，数据分析相对运维更有优势。

运维不如数据分析

谁会选择运维？

你的同学如果︻有转行做数据分↙析的，

有个比较∑好的角度，从ξ　行业发展的角度看，两个工作都不好。随着制造▲业智能化加速，物联网落地，各种新产品▃、新技术都要和数据进行结合，不然厂家的产品怎么卖出去。所以这个跟工业互联网很像，传统制造业◤是没有互联网这个业务形态，传统制造业企业必须寻求转型，这个不但是要寻求新技术，也需要新的产☉品形态，毕竟未来数▃据的价值要超过传统的加工。

如果你是主管，你会选择︼优秀的互联网公司的工程师呢？还是传统⌒制造业的工程师？当然如果你是从事it工作，转型做数据工程师，可能要更辛『苦一些，产品新技术知识，硬件，it系统的调试工作量◢会更大一些。你从事erp这块数据的优化处理，关系型数据︽库和非关系型数据库分别都有，知识面应该不至于太窄，知道如何进行业务层面的数据分析，将产品这块的数据进行挖掘，哪些→是潜在需求，哪些是不需要▲的。

其实转型做数据工程师，优势是很多的，只是未来的传统制造业企业╲需要做哪些改变，未来的数据工程师需要从什么角度看待数据，这都是比较难的问题。

做数据分析，大家可能没有特别清晰的工作【方向。我在国内刚开始新零售，还有一卐线互联网公司的数据分析、数据建模工作，现在我在湖北IT公司的工程岗位。做运维，除¤了语言外，还要掌握▆机器学习、统计和自然语言处理相关的算法，包括机器学习的实现，以及gpu加速工具的实现々。这个基本上覆盖了新零售和新增长的很多知识点。可惜□　我没有从事运维岗位。