如今的数据分析,除了火,还是火。岗位数量多、薪资水平高、就业前景明朗,好像没有什么岗位比它更适合自己。
但数据分析越受欢迎,求职竞争就会越大,对求职者的能力要求也会越高。
今天,Seed小助手就和大家一起,了解不同数据分析师的工作体验,看看数据分析师究竟需要具备什么能力。
数据分析和数据工程的大不同
上面是截止2020年1月份,数据分析师职位清单中的十大技术要求,从这里我们可以看出,像python和R语言这些程序员专用的编程语言,也出现在了技术要求里。
由于现在的数据分析行业非常热门,很多人想转行或毕业后直接进入数据分析行业,但是却过多地担心自己的编程基础薄弱,无法胜任这个岗位。
的确,数据分析对编程也有一定要求,但没有程序员的要求那么高。为了将数据类岗位区别开来,数据行业将数据类岗位细分为数据采集、数据工程和数据产品等,它们和数据分析共同构成了数据行业的“地图”。
上面的数据工程就是数据行业的“程序员”,它和数据分析的工作内容大不相同。
现实中的数据繁多而复杂,为了提高数据分析师的工作效率,数据工程师承担了负责存储和使数据可用的重要角色。
他们会设置管道,分别来自于CRM客户管理系统、ERP企业资源计划和其他不同渠道的原始数据,在经过这些管道时,管道会执行提取、转换和加载的功能,以使数据达到数据分析师使用数据的标准;而那些集中了不同功能的管道,就是由数据工程师集成和设计的。
除此以外,数据工程师还要提供数据库的解决方案,保证数据库的安全和稳定,防止黑客入侵。
因此,数据工程岗位对数据库方面的知识点要求很高,涉及到了SQL、Hadoop集群和NoSQL等。
如果说数据工程师是一个“数据收集者”,那数据分析师就是“数据使用者”。
数据分析师从数据工程师搭建的数据库或数据系统里调取数据后,需要运用一些算法,例如图论算法、随机森林算法、动态规划等,对数据进行统计、分析和建模。
最后还要对分析的结果进行总结,从数据里得出相关的结论和建议,用数据为企业的业务做支撑。除此以外,数据分析师还需要将数据可视化,发现数据之间的关联。例如,将商品价钱和number of help 做相关性分析、看看商品价钱和reviews的质量有没有直接关系等等。
做数据分析师是什么体验?
@小宇,美国LinkedIn数据分析师
我所在的大组每周都会有项目Design和Review的会议,会议上大家坐在一起,阅读某个数据分析师的项目设计或项目成果。这个会议很受大家的喜爱,不仅可以收集到很多顶尖数据分析师的建议,还可以思考其他人的项目。
任职期间我还独立设计并领导过一个数据分析的项目,虽然会经常遇到瓶颈,但在这个项目里我明显感受到自己数据分析的专业性、严谨性和客观性有很大的提升。
@kird,中国的数据分析师
前期都在做调取数据、月报周报、埋点文档、埋点数据报告、数据校验、产品指标文档,这段时间可以锻炼SQL能力和了解业务的能力和习惯。
后来被分配到数据仓库,接触到了数据仓库维度建模等相关知识,进一步提升了SQL能力,同时更加有了熟悉业务的思维。
最后开始接触B2C业务,做运营指标定义、用户行为分析、设计埋点、出埋点报告、设计制作dashboard。整个过程里调取数据至少占了30%的时间。
@Keke,澳洲的数据分析师
澳洲大部分的数据分析师,都是project based,工作都是以项目为单位的。每天超过一半的时间都是在开会,和客户开会,了解客户有什么需求;和同事开会,了解一下有什么算法或者讨论如何调用参数。
每天下班前还要和数据产品经理、业务方一起讨论需要上线的活动效果监控功能,确定监控指标口径和逻辑。因此澳洲的数据分析师非常注重需求沟通和数据获取。
做数据分析
左手Tableau右手SQL还不够
数据分析很香,乃至人人都想做数据分析,那数据分析需要具备哪些能力?
首先是思维能力,因为大多数的数据分析师,都需要为企业的产品或业务提供建议和决策;所以,产品思维和商业思维是必不可少的。
产品思维里,我们要知道代码复用、需求产品化、机械重复工作自动化和万物可量化等;而商业思维,是要学会全价值链思考,从整个价值链去思考问题。做产品的,不能只负责产品,还要思考技术和运营,思考整个企业的价值链关系。
其次是技术能力,也可以理解为hard skills。不说精通,但起码要熟悉数据分析相关的工具。像数据可视化工具Tableau、power BI和ECharts,数据分析和建模工具SPSS和R语言,大数据平台工具Hadoop、Spark,数据挖掘工具Python和SQL。
以上这些工具,是实现数据分析的唯一途径,同时也是成为数据分析师的第一道门槛,不熟悉这些工具,很有可能在笔试环节就被刷掉。
最后,以上两种能力都离不开理论的支撑。统计学里的显著性、置信度和离散度等,常常会在数据分析的AB Test、数学模型和抽样检验里用到;分类、聚类、回归和评估等常用建模模型等,对数据建模也是不可或缺的。
整个数据分析过程,通常是以结果为导向,以解决业务能力作为首要目标,因此数据分析师对于大多数企业而言,已经成为了关键岗位。
商业思维的敏锐程度和技术工具的熟练程度,将会决定你的数据分析之路是否长远。
往期推荐
|
|||
|
|||
|
|||
|
阅读原文