未记录事实核验 · 状态：维护中
记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。
warning 适用范围与待维护事项
本页用于选择学习入口和理解路线结构，不是岗位资格标准或就业、晋升承诺；L1—L4所列年限仅为组织参考，应按实际能力与目标选择。正文提到的“1900+篇”尚未核实统计口径与覆盖范围，简历模板、完整索引及个性化咨询也未附交付材料或服务条件，不能据此确认可用性。本次仅审阅本页正文，未核验所指向文章的内容质量；维护状态是质量提醒，与免费或会员权限无关；未提供的交付材料不作为 Pro 收费理由。
warning 关联材料边界
以下原引用目标缺失或无法唯一确认，已取消跳转并保留提及：95-面试实战演练。相关素材/延伸说明暂不可用，不能据此声称已经提供配套材料。
🗺️ 学习路线图使用指南
note 欢迎来到数据领域全栈知识库
本文件夹包含了面向数据分析师、数据开发工程师、数据运营、数据治理工程师、数据架构师等核心岗位的全生命周期学习路线，并新增了面向 AI 时代的数据人横向升级入口。无论你是初入职场的萌新，还是寻求突破的资深专家，都能在这里找到适合你的成长路径。
tip 不知道从哪里开始？
如果你对自己的定位还不清晰，或者想获得更有针对性的建议，强烈推荐先阅读 给不同阶段学习者的真诚建议。这份指南会根据你的具体情况，帮你找到最适合的学习路径。
tip 关注 AI 时代岗位变化？
如果你关心 AI 会如何改变数据岗位、需要补哪些能力、如何做作品集，建议直接进入 AI时代数据人成长路线。它是一个横向入口，会把你带回到数据分析、数据开发、数据治理、AI 与求职等原有模块。
🔍 如何使用本指南
本路线将职业成长组织为四个参考阶段，每个阶段对应一个独立的文档；图中年限仅为组织参考，不是按工龄确定能力等级或晋级的统一标准。请根据你目前的能力、目标与实践经验选择合适的起点：
%%{init: {"theme":"base","themeVariables":{"fontFamily":"PingFang SC, -apple-system, Source Han Serif SC, serif","fontSize":"16px","background":"#FDFBF5","primaryColor":"#FDFBF5","primaryTextColor":"#2D2A26","primaryBorderColor":"#6E6A60","secondaryColor":"#E8EFE8","secondaryBorderColor":"#8FA890","secondaryTextColor":"#2D2A26","tertiaryColor":"#FDFBF5","tertiaryBorderColor":"#9A9488","tertiaryTextColor":"#6E6A60","lineColor":"#6E6A60","textColor":"#2D2A26","mainBkg":"#FDFBF5","nodeBorder":"#2D5A3D","clusterBkg":"#F3EEDF","clusterBorder":"#9A9488","edgeLabelBackground":"#FDFBF5"},"flowchart":{"htmlLabels":true,"curve":"basis","padding":20,"nodeSpacing":60,"rankSpacing":70,"useMaxWidth":false},"themeCSS":".node rect, .node polygon, .node circle { stroke-width: 1.5px; } .edgePath .path { stroke-width: 1.5px; } .cluster-label .nodeLabel, .cluster-label foreignObject { color: #2D2A26 !important; } .edgeLabel, .edgeLabel foreignObject { color: #2D2A26 !important; background-color: #FDFBF5; } .edgeLabel rect { fill: #FDFBF5; }"}}%%
graph TD
classDef default fill:#FDFBF5,stroke:#6E6A60,color:#2D2A26,stroke-width:1.5px
classDef startend fill:#2D2A26,stroke:#2D2A26,color:#FDFBF5,font-weight:bold
classDef decision fill:#F6EAD8,stroke:#C08A1A,color:#2D2A26,font-weight:bold
classDef hub fill:#3B5A80,stroke:#3B5A80,color:#FDFBF5,font-weight:bold
classDef io fill:#E5EAF0,stroke:#3B5A80,color:#2D2A26
classDef accent fill:#A6432C,stroke:#A6432C,color:#FDFBF5,font-weight:bold
classDef storage fill:#F3EEDF,stroke:#9A9488,color:#2D2A26
Start((开始)) --> Role{选择你的岗位}
subgraph "📊 数据分析师成长之路"
Role --> DA_L1["L1: 入门筑基 (0-1年)"]
DA_L1 --> DA_L2["L2: 实战进阶 (1-3年)"]
DA_L2 --> DA_L3["L3: 高级专家 (3-5年)"]
DA_L3 --> DA_L4["L4: 领域领航 (5年以上)"]
end
subgraph "🛠️ 数据开发工程师成长之路"
Role --> DE_L1["L1: 工程启蒙 (0-1年)"]
DE_L1 --> DE_L2["L2: 核心构建 (1-3年)"]
DE_L2 --> DE_L3["L3: 架构演进 (3-5年)"]
DE_L3 --> DE_L4["L4: 技术战略 (5年以上)"]
end
class Start accent
class Role decision
class DA_L1,DA_L2,DA_L3,DA_L4,DE_L1,DE_L2,DE_L3,DE_L4 default
📖 文档结构说明
每个阶段的文档都包含以下核心模块：
- 🎯 阶段目标：简述该阶段的核心任务和能力画像。
- 🧠 核心能力树：使用 Mermaid 思维导图展示技能分支。
- 📚 重点学习内容：
- 知识点：具体的概念或技术。
- 掌握程度：了解 / 熟悉 / 掌握 / 精通。
- 推荐资源：直接链接到知识库中的双链 WikiLink。
- 💡 避坑指南：前辈们的经验之谈 (Callout 形式)。
🚀 快速索引
📊 数据分析师 (Data Analyst)
- L1 入门：L1: 入门筑基 —— 构建思维，掌握 SQL 与 Python 基础
- L2 进阶：L2: 实战进阶 —— 业务模型，复杂查询，统计分析
- L3 专家：L3: 高级专家 —— 机器学习，因果推断，自动化
- L4 领航：L4: 领域领航 —— 商业战略，算法深潜，团队管理
🛠️ 数据开发工程师 (Data Engineer)
- L1 启蒙：L1: 工程启蒙 —— Linux, SQL, 数据库原理
- L2 构建：L2: 核心构建 —— 数仓建模, ETL, Spark/Flink 基础
- L3 架构：L3: 架构演进 —— 平台架构, 性能调优, 数据治理
- L4 战略：L4: 技术战略 —— 云原生, DataOps, 技术选型
🤖 AI时代数据人 (AI-era Data Professional)
- 成长路线：AI时代数据人成长路线 —— 从岗位变化到能力升级的横向入口
- 岗位变化：AI时代数据岗位变化总览 —— 分析、开发、治理、科学家等岗位的新职责
- 能力模型：数据人能力模型升级 —— 问题定义、语义治理、AI协作、产品化交付
- 90天计划：90天AI时代数据人升级计划 —— 把焦虑变成项目和作品集
- 细分岗位：数据分析师 / 数据开发 / 数据治理 / AI Data Analyst / Analytics Engineer
📚 知识库内容全览
除了学习路线，本知识库还提供丰富的专题内容，帮助你全方位提升：
核心学习模块
| 模块 | 内容简介 | 适合人群 |
|---|---|---|
| [[【数据分析与数据运营】/00-数据分析与数据运营导览 | 数据分析与数据运营]] | 分析方法、运营实战、案例研究 |
| [[【数据开发与数据架构】/00-数据开发与架构总体导览 | 数据开发与数据架构]] | 数仓建设、架构设计、工程实践 |
| [[【数据治理与数据管理】/00-数据治理知识库导览 | 数据治理与数据管理]] | 数据质量、元数据、主数据管理 |
| [[【技术与工具】/00-技术与工具导航 | 技术与工具]] | SQL、Python、Spark、Flink等 |
| [[【学习路线】/AI时代数据人/00-AI时代数据人成长路线 | AI时代数据人]] | 岗位变化、能力升级、90天计划、作品集 |
行业与业务知识
| 行业 | 核心内容 |
|---|---|
| [[【各行业的基础知识】/01-金融行业/00-金融行业全景解析 | 金融行业]] |
| [[【各行业的基础知识】/02-零售电商/00-零售电商行业全景解析 | 零售电商]] |
| [[【各行业的基础知识】/03-制造业/00-制造业行业全景解析 | 制造业]] |
| [[【各行业的基础知识】/04-医疗健康/00-医疗健康行业全景解析 | 医疗健康]] |
| [[【各行业的基础知识】/11-互联网商业分析/00-互联网商业分析导览 | 互联网商业]] |
求职与职业发展
| 资源 | 说明 |
|---|---|
| [[【求职就业专题】/00-岗位导向求职指南 | 岗位导向求职指南]] |
| [[【求职就业专题】/00-岗位导向求职指南 | 面试题库]] |
| 简历模板 | 原稿列出的资源项：针对不同岗位的简历模板；本页未附模板材料，暂不能确认可用性 |
| 面试演练（原引用“95-面试实战演练”未能确定有效目标，暂不可跳转） | 模拟面试与反馈指南 |
特色专题
- 给不同阶段学习者的真诚建议 — 针对你具体处境的个性化指导
- 知识库使用完全手册 — 知识库的结构说明与高效使用技巧
- 知识库完整索引 — 原稿称为“全部1900+篇文档的分类目录”；该数量与覆盖范围尚未核实，本页未附索引材料
- AI与大数据 — 机器学习、大模型、AI应用
- 个性化咨询服务 — 原稿列出的一对一职业规划与技能提升服务；本页未说明服务获取条件与交付范围，暂不能确认可用性
tip 建议
学习不是线性的。即使你处于 L3 阶段，回顾 L1 的基础知识（如 数据思维基础）往往也能带来新的启发。保持空杯心态，持续迭代。