数据分析师岗位分析

数据分析师岗位分析

前言

梳理一下数据分析师岗位的技术栈。两年前我也写过类似的岗位，当时还写了《商业智能BI能做什么》和《商业智能的介绍》。

做装修装饰的时候也用到相关内容，但是体量没这么大，所以大部分用Excel就可以处理。

现在重新顺一遍之前学的内容。

• 使用主流数据库oracle、MySQL；熟悉Hadoop生态，熟练使用hive、HBASE、spark；
• Python；
• 帆软；

其实就是三步：数据库、数据处理、数据可视化

内容

参考其他人的视角

《数据分析师是做什么的？》

数据分析师收集、清理和解释数据集以回答问题或解决问题。他们可以在许多行业工作，包括商业、金融、刑事司法、科学、医药和政府。

企业在下一个广告活动中应该瞄准什么样的客户？哪个年龄组最易患某种疾病？哪些行为模式与金融欺诈有关？

这些是作为数据分析师，您可能被迫回答的问题类型。请继续阅读，了解更多有关数据分析师是什么、您需要哪些技能，以及如何开始成为数据分析师的途径。

什么是数据分析？
数据分析是从数据中收集见解以帮助为更好的业务决策提供信息的过程。分析数据的过程通常会经历五个迭次阶段：

• 识别要分析的数据
• 收集数据
• 清理数据以准备分析
• 分析数据
• 解释分析结果

数据分析可以采取不同的形式，具体取决于您试图回答的问题。简言之，描述性分析告诉我们发生了什么，诊断分析告诉我们为什么会发生，预测分析形成对未来的预测，规定性分析为采取什么行动创建可操作的建议。

数据分析任务和职责
数据分析师的工作是收集和解释数据以解决特定问题。这个角色包括大量的时间与数据，但也需要沟通发现。

以下是许多数据分析师每天所做的：

• 收集数据：分析师通常自行收集数据。这可能包括进行调查、跟踪公司网站上的访客特征，或从数据收集专家处购买数据集。
• 清洁数据：原始数据可能包含重复、错误或离群值。清理数据意味着在电子表格或编程语言中保持数据质量，以便您的解释不会出错或偏斜。
• 模型数据：这需要创建和设计数据库的结构。您可以选择存储和收集哪些类型的数据，确定数据类别如何相互关联，并处理数据的实际显示方式。
• 解释数据：解释数据将涉及查找数据中的模式或趋势，以帮助您回答手头的问题。
• 出具报告：传达您的发现结果将是您工作的关键部分。为此，您可以将图表和图表等可视化内容放在一起，编写报告并向相关方提供信息。

数据分析人员使用哪些工具？
在数据分析过程中，分析师通常使用各种工具使其工作更加准确和高效。数据分析行业中最常见的一些工具包括：

• Microsoft Excel
• DataFocus
• Google Sheets
• SQL
• Tableau
• R or Python
• SAS
• Microsoft Power BI

数据分析师薪酬和工作前景
根据Glassdoor的数据分析师的数据，2021年6月的平均基本工资为68，577美元。这可以因您的资历、您在美国的所在地以及其他因素而异。

数据分析师需求量很大。世界经济论坛将其列为美国就业增长的第二大国家。劳工统计局还报告说，相关职业的增长率极高[1]。

从2019年至2029年，运营研究分析师职位预计将增长28%，市场研究分析师职位将增长18%，数学家和统计学家职位将增长33%。这比4%的总就业增长率要高得多。

数据分析师类型
随着技术的进步，我们可以收集的信息类型和数量迅速扩大，知道如何收集、排序和分析数据已成为几乎任何行业的关键部分。你会发现刑事司法、时尚、食品、技术、商业、环境和公共部门的数据分析师等等。

执行数据分析的人可能具有其他头衔，例如：

• 医疗和医疗保健分析师
• 市场研究分析师
• 业务分析师
• 运营研究分析师
• 情报分析员

如何成为数据分析师
作为数据分析师，通往职业生涯的途径不止一条。无论您是刚毕业还是希望转行，第一步通常是评估您拥有哪些可转让技能，并培养您在这个新角色中所需的新技能。

数据分析师技术技能

• 数据库工具：微软 Excel 和 SQL 应该是任何数据分析师工具箱中的支柱。虽然 Excel 在各行业随处可见，但 SQL 可以处理更大的数据集，并被广泛认为是数据分析的必要条件。
• 编程语言：学习像Python或R这样的统计编程语言将让你处理大数据集并执行复杂的方程。虽然 Python 和 R 是最常见的，但查看您感兴趣的职位的几个工作描述以确定哪种语言对您的行业最有用，这是个好主意。
• 数据可视化：以清晰而令人信服的方式介绍您的发现对于成为一名成功的数据分析师至关重要。知道如何最好地通过图表和图表提供信息，将确保同事、雇主和利益相关者了解您的工作。Tableau、DataFocus和 Excel 是用于创建视觉效果的众多工具之一。
• 统计和数学：了解数据工具实际执行的理念将极大地帮助您的工作。对统计数据和数学有扎实的掌握将有助于您确定哪些工具最适合用于解决特定问题，帮助您捕获数据中的错误，并更好地了解结果。

数据分析师工作场所技能

• 解决问题：数据分析师需要很好地理解所问的问题和需要解决的问题。他们也应该能够找到可能揭示故事的模式或趋势。拥有批判性思维技能将让你专注于正确的数据类型，识别最能揭示的分析方法，并抓住工作中的空白。
• 通讯：能够将您的想法传达给其他人对于您作为数据分析师的工作至关重要。在数据分析师中，与同事和其他利益相关者沟通的强书面和口语技能是良好的资产。
• 行业知识：了解您在医疗保健、商业、金融或其他行业工作，将让你在工作和求职申请方面具有优势。如果您试图进入特定行业，请花些时间关注行业内的新闻，或阅读有关该主题的书。这可以让您熟悉行业的主要问题和趋势。

成为数据分析师的路径
获得这些技能是成为数据分析师的第一步。这里有一些路线，你可以采取，让他们足够灵活，以适应你的生活。

• 专业证书：入门级专业证书课程通常不需要以前在该领域的经验。他们可以教你基本技能，如SQL或统计，同时给你机会为您的投资组合创建项目，并提供实时反馈您的工作。
• 学士学位：劳工统计局推荐涉及数据分析的工作的学士学位。如果您正在考虑获得学位，成为一名数据分析师，将课程重点放在统计学、数学或计算机科学方面，可以让你在潜在雇主中抢占先机。许多在线学士学位都有灵活的日程安排，因此您可以围绕您的优先顺序获得学位。
• 自学：如果你想要一条不包括正式培训的路径，可以自己学习数据分析所需的技能。开始为初学者提供此数据分析阅读列表。一旦您准备好开始构建产品组合，以下是数据分析项目的一些想法。

数据分析师职业发展
作为一名数据分析师也可以为其他职业敞开大门。许多从数据分析师开始工作的人继续从事数据科学家的工作。与分析师一样，数据科学家使用统计学、数学和计算机科学来分析数据。然而，科学家可能会使用先进技术来构建模型和其他工具，以提供有关未来趋势的见解。

我准备梳理的技术栈

Python编程和爬虫

• Python基本语法：数据类型、判断与逻辑
• 功能模块的编写：常见的
• 常见的库：random、os、sys、re、requests等
• 对数据进行ETL的处理：网络爬虫、爬取网站的实时信息；

oracle和plsql编程

• 数据库概念和SQL语句增删改查；
• SQL优化
• 第三范式定义
• 打包

Linux和Hadoop

• Linux的命令：文件、系统、用户、软件
• 正则表达式
• 脚本文件的编辑和运行
• Hadoop整体架构、hive数据库

kettle和finereport

• 使用工具对数据进行ETL操作
• 对文档或数据库进行BI报表创建
• 对未来数据进行预测

结尾

实际使用。不过如果没有使用场景，学习这个挺没意思的。

更新地址：GitHub

更多内容请关注：CSDN、GitHub、掘金