服務器運維和數據分析這兩個崗位，企業在選擇時一般只會考慮后者。原因是運維的工作比較固定，存在的可替代性強，且薪資可觀。數據分析在數據量比較大，行業比較相似的情況下，性價比也非常高。非要說前者存在哪些競爭優勢的話，多一些積累的過程比較容易展現吧。供參考長風網。

數據分析相對更加偏向數據思維，還是需要用統計的技術來進行處理，但是運維工程師一般會以工具性的開發工作為主服務器運維，簡單的分析工作可以交給工具性的開發工作，但是實際應用在工作中是有很大差別的。

運維工程師給人感覺就是一種老氣橫秋，沒有創新的形象。數據分析又有一定技術門檻（會點數據庫查詢語言很快就上手了）。但感覺走到管理層服務器運維，數據分析相對運維更有優勢。

運維不如數據分析

誰會選擇運維？

你的同學如果有轉行做數據分析的，

有個比較好的角度，從行業發展的角度看，兩個工作都不好。隨著制造業智能化加速，物聯網落地，各種新產品、新技術都要和數據進行結合，不然廠家的產品怎么賣出去。所以這個跟工業互聯網很像，傳統制造業是沒有互聯網這個業務形態，傳統制造業企業必須尋求轉型，這個不但是要尋求新技術，也需要新的產品形態，畢竟未來數據的價值要超過傳統的加工。

如果你是主管，你會選擇優秀的互聯網公司的工程師呢？還是傳統制造業的工程師？當然如果你是從事it工作，轉型做數據工程師，可能要更辛苦一些，產品新技術知識，硬件，it系統的調試工作量會更大一些。你從事erp這塊數據的優化處理，關系型數據庫和非關系型數據庫分別都有，知識面應該不至于太窄，知道如何進行業務層面的數據分析，將產品這塊的數據進行挖掘，哪些是潛在需求，哪些是不需要的。

其實轉型做數據工程師，優勢是很多的，只是未來的傳統制造業企業需要做哪些改變，未來的數據工程師需要從什么角度看待數據，這都是比較難的問題。

做數據分析，大家可能沒有特別清晰的工作方向。我在國內剛開始新零售，還有一線互聯網公司的數據分析、數據建模工作，現在我在湖北IT公司的工程崗位。做運維，除了語言外，還要掌握機器學習、統計和自然語言處理相關的算法，包括機器學習的實現，以及gpu加速工具的實現。這個基本上覆蓋了新零售和新增長的很多知識點。可惜我沒有從事運維崗位。