Interview之DS:人工智能领域求职岗位—数据分析师的简介、技能、待遇、进阶的详细攻略
Interview之DS:人工智能领域求职岗位—数据分析师的简介、技能、待遇、进阶的详细攻略
目录
数据分析师的简介
数据分析师 是数据师的一种,指的是不同行业中,专门从事行业数据搜集、整理、分析,并依据数据做出行业研究、评估和预测的专业人员。
这是一个用数据说话的时代,也是一个依靠数据竞争的时代。目前世界500强企业中,有90%以上都建立了数据分析部门。IBM、微软、Google等知名公司都积极投资数据业务,建立数据部门,培养数据分析团队。各国政府和越来越多的企业意识到数据和信息已经成为企业的智力资产和资源,数据的分析和处理能力正在成为日益倚重的技术手段。
博主也曾经说过:得数据分析师者,得武林;得数据者,得天下。
1、网友经验之谈
经验之谈部分源自:知乎-路人甲,路人甲 - 知乎
入行之后,才发现数据分析其实可以分为两种:一种类似产品经理、一种偏向数据挖掘,类似产品经理向更加注重业务,对业务能力要求比较高;数据挖掘向更加注重技术,对算法代码能力要求比较高。
(1)、数据分析师基本技能
- 数据库基础:比如SQL Server、Orcale等,我们都知道数据分析师每天都会处理海量的数据,这些数据来源于数据库,那么怎么从数据库取数据?如何建立两表、三表之间的关系?怎么取到自己想要的特定的数据?等等这些数据选择问题就是你首要考虑的问题,而这些问题都是通过SQL解决的,所以SQL是数据分析的最基础的技能。
- 统计学基础:数据分析的前提要对数据有感知,数据如何收集?数据整体分布是怎样的?如果有时间维度的话随着时间的变化是怎样的?数据的平均值是什么?数据的最大值最小值指什么?数据相关与回归、时间序列分析和预测等等。
- 语言编程基础:比如Python或者R,这一点是必备项也是加分项,在数据挖掘方向是必备项,语言相比较工具更加灵活也更加实用。
(2)、作为一个商业数据分析师自己的理解,把数据分析师的工作日常总结为下面几个方面:
- 产生数据:我这里所说的产生数据,并不是说去做开发或是做数据采集。我这里所说的数据是每当业务上有新的功能点需要开发上线的时候,数据分析师需要去围绕着这些功能会产生哪些业务变化、这个功能上线的目的是什么、上线之后该如何衡量效果等一系列问题,在功能上线前做好数据的埋点、以及可以衡量最终效果的指标。这样当功能上线的时候,你可以快速的衡量业务效果。
- 提供数据:第一步的数据产生有方便了第二步的数据提供。提供数据可能是作为一个数据分析师每天都要做的事情,甚至有时候大半天都在做这件事情。数据需求的来源是多方的,各种业务方以及产品经理。商业数据分析师是公司业务方面的数据的出口,为了能准确的给需求方提供数据,你需要跟业务方有充分的沟通,对公司的数据维度有详细的了解。
- 解释数据:作为数据分析师,是不能止步于提供数据的。提供数据之余,你也要会解释数据,这些数据是怎么来的?好的数据坏的数据都需要去知道,那样才能取长补短。
- 探索数据:光有解释数据是不够的,因为数据分析并不是解决能看出来的问题,还要能提出发现解决一些探索性的问题。比如,给新用户怎样的激励,才能让他们的次日留存达到最佳?比方说Linkedin探索出来的让新用户拥有六个以及以上好友可以很好提高他们的留存。探索数据通常是一个长期的比较大的项目,探索数据并不存在一个标准的答案,也通常可能是几个月出不了一个好的结论。
- 影响数据:A/B Test是为了探索更好的方向,更受用户喜欢的功能。通过数据论证可以说服业务方听询数据分析师的意见。推送的消息文本应该怎么发?发给几个实验组看看效果;这个按钮应该设计成什么颜色,配上什么文字?多设计几套上线几个不同分组看效果。通过不断的A/B Test,数据分析师会更好的辅助产品的迭代,影响数据的产生。
(3)、数据分析师的能力认知
数据分析师的能力分为:分析能力和业务能力。其中,分析能力决定一个数据分析师的下限,业务能力决定一个数据分析师的上限。
(4)、数据分析学习的两大阶段
(4.1)、培养自己做分析的能力:最终实现,对数据的整体感知,知道什么时候该用什么图表,掌握好一些基本的算法和分析库。
第一阶段的基础是要有数据,分析能力相对来说是死板的,通常你需要学会掌握下面这些技能:
- 数据分析常用哪些算法?
- 需要用哪些库?
- 如何进行计算?
- 进行可视化,每一种图表的用途是什么?
还要学会使用工具,有两种,一种是语言编程的工具,想怎么分析就怎么分析;另一种是可视化的小工具,比如Tableau、Power BI等。
(4.2)、培养自己做业务的能力:技术不再是障碍,重点是要有自己的idea。技巧是多学、多看、多做。
- 我想要做什么?分析什么?
- 是否有数据能提供支持?把你想做的抽象成数据。
- 数据获取/数据清洗
- 开始进行分析(语言、工具)
数据分析师的待遇
1、在中国近些年大数据工程师需求量年均300%增长,这也显示了对数据分析人才的稀缺,跟UN中国商业联合会数据分析专业委员会汇统计算,未来中国基础性数据分析人才缺口讲达到1400万,而在BAT(百度、阿里、腾讯)企业招聘职位中60%以上是在招大数据方向的人才。
2、数据分析师在世界各地企业中的薪资和影响表
3、根据国内培训机构—图表源于国内某培训网站
数据分析师的技能
1、基本技能要求——来源参考百度
- 懂业务。从事数据分析工作的前提就会需要懂业务,即熟悉行业知识、公司业务及流程,最好有自己独到的见解,若脱离行业认知和公司业务背景,分析的结果只会是脱了线的风筝,没有太大的使用价值。
- 懂管理。一方面是搭建数据分析框架的要求,比如确定分析思路就需要用到营销、管理等理论知识来指导,如果不熟悉管理理论,就很难搭建数据分析的框架,后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。
- 懂分析。指掌握数据分析基本原理与一些有效的数据分析方法,并能灵活运用到实践工作中,以便有效的开展数据分析。基本的分析方法有:对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有:相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。
- 懂工具。指掌握数据分析相关的常用工具。数据分析方法是理论,而数据分析工具就是实现数据分析方法理论的工具,面对越来越庞大的数据,我们不能依靠计算器进行分析,必须依靠强大的数据分析工具帮我们完成数据分析工作。
- 懂设计。懂设计是指运用图表有效表达数据分析师的分析观点,使分析结果一目了然。图表的设计是门大学问,如图形的选择、版式的设计、颜色的搭配等等,都需要掌握一定的设计原则。
2、全备技能—图表源于国内某培训网站
数据分析师进阶
1、全备技能详细列表—图表源于国内某培训网站
相关文章
- Python 编程 | 连载 12 - Python 数据类型转换
- 学术报告|数据魔术师运筹优化及人工智能系列讲座第36期(2022年8月27日 上午 9:00-11:00 )
- 数据科学中的10个重要概念和图表
- 处理医学时间序列中缺失数据的3种方法
- SpringMVC入门与数据绑定
- 大数据时代下的人工智能医疗应用_大数据下的人工智能
- 数据虚拟视图定位与智能化实现
- 工程监测多通道振弦模拟信号采集仪VTN存储数据导出
- 终于有人把云计算、大数据和人工智能讲明白了!
- 人工智能/云原生/数据科学/计算等方向内容整理志愿者招募了!
- 面试常问:如何保证Redis缓存和数据库的数据一致性
- 人工智能中卷积神经网络基本原理综述详解大数据
- Redis 在现实世界的 5 个用法详解大数据
- Ubuntu下MongoDB的安装与使用(离线安装方式|非apt-get)详解大数据
- sqoop安装部署(笔记)详解大数据
- Kafka项目实战-用户日志上报实时统计之编码实践详解大数据
- MySQL字段长度定义——有利于数据质量(mysql字段长度定义)
- 人工智能、大数据、5G等新技术正与交通行业加速融合
- MySQL:最佳数据存储方式(mysql存储方式)
- 型使用Redis储存强大类型数据(redis类)
- 快速使用Oracle增加一行数据(oracle增加一行数据)
- 亚马逊外包平台的50万劳工:人工智能的背后,无尽数据集的建造
- MSSQL实现快速移动数据列(mssql 移动列)
- 清空MSSQL表中的所有数据(mssql清除表里数据)
- Mysql数据撤销功能undo详解(mysql中undo数据)
- 从access到MySQL灵活应对数据需求的新解决方案(acess与mysql)
- 解决Redis大量数据写入问题(向redis写入大量数据)
- Oracle 对两列数据进行除法运算(oracle两列数据相除)
- 利用ScrapyRedis实现海量数据分布式爬取(scrapy-redis)
- 问题使用Redis实现跨域访问解决让更多数据互通上的阻碍(redis解决跨域)
- 通联数据首席科学家蒋龙:人工智能、大数据助力科学投资