专栏名称: 爱数据原统计网
中国统计网(www.itongji.cn),国内最大的数据分析门户网站。提供数据分析行业资讯,统计百科知识、数据分析、商业智能(BI)、数据挖掘技术,Excel、SPSS、SAS、R等数据分析软件等在线学习平台。
目录
相关文章推荐
黑马程序员  ·  大数据BI工程师,如何利用AI技术赋能工作? ·  2 天前  
黑马程序员  ·  大数据BI工程师,如何利用AI技术赋能工作? ·  2 天前  
51好读  ›  专栏  ›  爱数据原统计网

数据分析师的一生

爱数据原统计网  · 公众号  · BI  · 2017-10-27 16:56

正文


译者:方方方 辛追


数据分析师们从事收集、处理和执行数据的统计分析工作。他们的技能可能不像数据科学家那样先进(例如,他们可能无法创建新的算法),但是这两类人的目标是一致的——挖掘如何利用数据来回答和解决相关问题。

 

1

数据分析师的责任

                                           

数据分析师们依照各自的专业水平,可能从事如下工作:

 

(1)与 IT 团队、管理人员和/或数据科学家合作以进行组织目标的决策

(2)挖掘主要及次要来源的数据

(3)清除和删减相关数据,以去除不相关的信息

(4)使用标准统计工具和技术分析和解释(工作/实验)结果

(5)精确化复杂数据集的趋势、关联和模式

(6)确定流程改进的新机会

(7)为管理者提供简明的数据报告和清晰的数据可视化(流程)

(8)设计、创建和维护关系数据库和数据系统

(9)检测代码和与数据相关的问题

 

数据分析师有时被称为“初级数据科学家”或“培训中的数据科学家”。他们仅局限于使用现有工具、系统和数据集来处理特定的业务,无法自由地创建自己的大数据相关项目。

 

然而,有很多公司没有明确区分这两种角色。在某些情况下, 数据分析员/科学家可以在早上于数据库中编写查询的信息或处理标准化的请求,而当天下午构建特定的解决方案或尝试关系数据库、Hadoop 和 NoSQL。


一段来自“真正数据分析师”的访谈

 

我们与来自CBSSports.com 的幻想体育(FantasySports,简称FS公司)数据分析师Al Melchior取得联系, 以了解数据分析师的日常工作。让我们继续往下看,来了解以下内容:他在工作中使用的工具,如何通过数据分析建立微妙有趣的体育运动员排名以及哪类群体可以成为最佳的数据分析师。

 

1. 数据分析师对哥伦比亚广播公司的奇幻运动的整体成功有什么影响?

 

我的主要工作是为棒球运动制作出球员的预测排名。这些是我们初步默认的排名,并来通知季前赛和赛季排名的球员。我们的读者和幻想产品的客户依赖于这些预测的准确性,所以重要的是有一个健全的统计基础来制作排名。在本赛季, 我们与观众有一个高度的互动,我们很大一部分的责任是回答有关球员的价值和性能的问题。统计分析师是根据社会媒体平台、书面和视频内容,或是播客的内容来告诉玩家(好的)推荐或建议。

 

2. 你最常在工作中使用哪些技能或编程语言,为什么?

 

我不使用任何编程语言,但我确实会使用 Minitab 统计软件和 Excel表格,它们有助于确定联系--通常是通过回归分析——这让我能够识别出球员表现的关联性,同时还能帮助识别和解释其中出现的异常值。这是我工作的一个重要部分,因为我试图帮助观众找出在赛季中可能有高/低价值的球员。

 

3. 数据分析师的角色如何随着时间的推移而改变?你如何看待它不断向前发展?

 

虽然我的头衔是数据分析师,但从表面上讲,区分我和那些拥有奇幻作家头衔的同事之间工作是比较困难的。我的同事使用复杂的分析工具和方法的频率变得越来越高。自我五年前进入CBSSports.com 以来,公司要求我将自己的分析结果应用到越来越多的论坛中。起初, 我只进行分析预测工作,数据可视化和写专栏的工作。现在,我还需要制作视频,做每日预测,还需要在推特网保持一定活跃度。我不确定现在我的工作及工作流程和那些被称为“作家”的同事之间是否有显著的区别。我们在某种程度都是“数据”记者,且分析师和作家之间的界线越来越模糊。

 

4. 你认为什么样的人能成为优秀的数据分析师?

 

好奇心和创造力是一个好的数据分析师的关键属性。拥有强大的基础统计方法和技能同样重要,但更关键的是你需要有一种为你所研究的所有现象找到更好解释和论证的欲望。这将有助于分析人员形成有趣的研究问题,从而增强我们对手头问题的理解。能够传达你的发现——无论是对读者的听众,还是一小群做商业决策的执行官--也是成功的关键,而这就是创造力的来源。

 

5. 你会为即将从事数据分析行业的学生提供什么样的建议?

 

将统计和研究方法课程作为学习的开端。当然,也要把统计分析方法运用到实际中去——找一些你感兴趣的题目或问题,通读一些你能找到的数据分析相关文章。比如,分析体育运动就是一种是学习数据分析的有效途径,因为它们通常是数据导向的。球员的表现是可量化的,然后可以进行分析和讨论。但是我们对于话题讨论的范围是没有严格限制的,只要是可靠地吸引人的话题一般都可以采纳它们,然后进行数据分析的工作。


2

数据分析师的薪资

 

工资高低取决于工作职责范围的大小。一位掌握数据科学家相关技能的高级数据分析员可得到很高的薪资,而只具有一般技能的入门数据分析员的薪资则从3.5万美到4.5万美元不等。

 

据 PayScale的报告,2015年的具有最佳薪资的工作地点是在旧金山。其中,分析师的工资中位数是64507美元 (比全国平均水平高25%)。而纽约市排名第二,薪水的中位数是58397美元 (比全国水平高13%)。

 

▲数据分析员

 

  • 罗致恒富公司(Robert Half Technology)2015年薪资参考

平均工资 (2014): 67750 美元–10.1万美元

平均工资 (2015): 70750 美元–108250美元

平均工资 (2016): 74500 美元–114500美元

 

  • Glassdoor

平均工资 (2015): 每年62379美元

最低: $ 4.5万

最高: ¥9万

 

  • Payscale

工资中位数 (2015): 每年52980美元

总薪酬范围: ¥34802–79927美元

 

高级数据分析员

 

  • glassdoor

平均工资 (2015): 每年78041美元

最低: $ 6.5万

最高: ¥10.7万

 

  • payscale

工资中位数 (2015): 每年72041美元

总薪酬范围: 51172–102923美元


3

数据分析师的资格认证

 

| 我需要什么样的学位?

 

大多数申请初级职位的人需要有学士学位,需求专业包括数学、统计学、计算机科学、信息管理、金融或经济学,而所有这些科目都强调统计和分析技能的运用。

 

要攀爬职场的天梯或过渡到数据科学家的角色,你可能需要获得一个类似领域的硕士学位或研究生证书。

 

注: 我们讨论的可能性,自我教育在我们的一节中的数据科学家资格。

 

| 我需要什么样的技能?


1.技术技能


  • 统计方法和数据包 (例如, SPSS)

  • R和(或)SAS 语言

  • 数据仓库和商业智能平台

  • SQL 数据库和数据库查询语言

  • 编程 (如 XML、Javascript 或 ETL 框架)

  • 数据库设计

  • 数据挖掘

  • 数据整理和修编

  • 数据可视化和报告技术

  • 有 Hadoop 和 MapReduce 的工作经验

  • 机器学习技术


(这是一个示例,根据具体情况需要更改。)


2.业务技能


  • 分析问题-解决: 使用最佳实践分析大量数据,同时保持对细节的高度关注。

  • 有效的沟通: 使用报告和演示来向外行的听众解释复杂的技术想法和方法。

  • 创造性思维: 能够探究已有的业务实践,并集思广益新的数据分析方法。

  • 行业知识: 了解是什么驱动您所选择的行业,以及数据如何有助于公司/组织战略成功的。

 

| 数据分析师相关的资格认证?

 

你可以从独立的组织和特定的公司 (如 SAS) 获得有大量的数据分析相关岗位的认证信息。如果产生什么疑问,那么就向你的导师请教,检查工作需求,并咨询类似Tom的 IT 专业“最好的”认证名单,以确定哪些将有助于促进您的职业生涯规划。

 

  • 认证的专业分析师

 

我们将在我们关于数据科学家认证的一节中仔进一步了解这一内容。

 

  • 认证数据管理专业 (CDMP)

 

由非营利数据管理协会国际 (DAMA) 授权,CDMP 是专为希望成为一般数据库管理技术的 IT 专业人员而准备的。精英应聘者必须有4年以上的数据库工作经验;一般从业人员需要2年以上的工作经验。在适当学科中,任何一个团体在有工作经验的情况下可以代替2年的学士或硕士学位。

 

  • EMC: 数据科学助理 (EMCDSA)

 

我们将在我们关于数据科学家认证的一节中详细谈论。

 

  • Revolution R Enterprise 认证专家

 

它是由Revolution Analytics (Microsoft 的一个子公司) 创建的,是一个企业级的数据分析平台,支持各种大型数据统计、预测建模和机器学习能力。

 

在考试中,考生必须证明他们有能力处理使用该平台分析大数据的战略和实际问题。主题包括数据分析生命周期、先进分析的理论和方法、统计建模和所需的技术工具。

 

  • SAS9 认证基础程序员

 

如果您刚刚接受SAS编程或SAS认证,这是一个值得考虑的因素。由 sas 赞助,认证考试测试考生能否导入和输出原始数据文件,操纵和转换数据,结合 SAS 数据集和识别和纠正数据,语法和编程逻辑错误。


4

与数据分析类似的职位工作

 

“数据分析员”是一个总括术语。在许多情况下、市场调查分析员、定量分析师、业务分析员和类似的特定领域的职位都可以看到其影子。您还将看到与业务智能分析人员、数据仓库分析员和业务系统分析人员的大量工作交叉。

 

正如我们所指出的,资深数据分析师与数据科学家和分析经理密切相关。在上层管理中,三种角色之间可能没有明确的区别。

 

厌倦数据分析工作的分析师可能希望从事数据构建和调查的工作,如:

 

  • 数据/大数据工程师

  • 数据/大数据架构师

  • Hadoop 开发商


5

数据分析师的职位前景

 

当下的数据分析师应当做好应对变革的准备。自助业务智能软件和(设备)自动化正在取代许多常规任务的操作方式,也就是在过去技术专家需要处理的任务。

 

正如Eran Levy指出,管理人员现在可以监控 kpi、构建仪表板、生成数据报告,同时也可以凭借自己的能力识别业务优势和弱点。而关于分析人员从数据库中提取结构化信息的需求正在迅速减少。

 

另一方面, 统计专家处理非结构化数据的需要也在迅速增加。这些专家必须整理、筛选和转换数十亿个不同的数据点。他们必须使用复杂的建模和预测分析技术来产生有用的见解和行动。接着,他们不得不向困惑的外行人解释他们的发现。

 

换言之,他们必须将自己从数据分析员转变为数据科学家。


6

有帮助的职业组织/协会


  • 国际数据管理协会(DAMA)

  • 数据科学协会(DSA)

  • 数据分析协会(DAA)

  • 国际数据分析研究所(IIA)

  • 国际机器学习协会(IMLS)

  • 运筹学与管理科学研究所(INFORMS)

  • 数据挖掘及知识发现委员会(SIGKDD)


End.

原文链接:http://www.mastersindatascience.org/careers/data-analyst/


数据特工介绍

后台回复“特工”加入我们