![3 Skills Every Data Scientist Should Learn](https://i.ytimg.com/vi/Vn3A6J50Nj4/hqdefault.jpg)
Saturs
- Ko dara datu analītiķis?
- Datu avoti un lomas
- Kāda ir atšķirība starp datu analītiķi un datu zinātnieku?
- Prasmes, kvalifikācija un instrumenti
- Excel
- SQL
Datu analītiķis manipulē ar iztikas līdzekļiem. Laikmetā, kad uzņēmumi arvien vairāk paļaujas uz arvien papildinošajām datu kopām, šī ir daudz svarīgāka prasme nekā jebkad agrāk. Tas ir arī ļoti pieprasīts.
Viens no galvenajiem turpmākā darba tirgus virzītājspēkiem būs lietu internets (IoT), kas attiecas uz visām ierīcēm jūsu mājās, kas savienotas ar tīmekli. Visi šie viedie centrmezgli, spuldzes un ledusskapji rada gigantisku datu daudzumu uzņēmumiem, ar kuriem strādāt (labāk vai sliktāk), un datu analītikai šajā nozarē būs milzīga loma, vērtējot tehnoloģiju analīzes firmu Foote Partners.
Ja jūs meklējat nākotnei drošu darba līniju ar lieliskām iespējām, kuras jūs, iespējams, varat baudīt mājās, kļūšana par datu analītiķi varētu būt jums piemērota. Apskatīsim prasmes, kas jums jāapgūst, un to, kā jūs varat sākt.
Ko dara datu analītiķis?
Datu analītiķis ir kāds, kurš no lielām datu kopām gūst “noderīgu ieskatu”. Tas nozīmē numuru tulkošanu vienkāršā angļu valodā. Viņi var izveidot pārskatus un vizualizācijas, lai parādītu šo informāciju un parādītu noderīgas korelācijas vai tendences. Pēc tam uzņēmumi tos var izmantot, lai informētu par saviem lēmumiem.
Datu analītiķi varētu strādāt vienā organizācijā vai arī uzņemt daudzus klientus kā daļu no aģentūras.
Tirdzniecības nolūkos datu analītiķis varētu noteikt lielu daļu klientu, kuri nopirka X produktu, bija sievietes psiholoģijas studentes. Pēc tam viņi var ieteikt klientam, izmantojot turpmāko mārketingu, mērķēt šo demogrāfisko situāciju vairāk. Kā alternatīvu viņi varētu pamanīt tendenci, kas liecina, ka arvien vairāk vīriešu tagad sāk interesēties par produktu. Tas ir arī tas, ko bizness var gūt labumu. Viņi, iespējams, vēl vairāk uzskatīs, ka šī ir demogrāfiska informācija, kurai konkurence pašlaik netiek piemērota.
Datu analītiķis numurus tulko vienkāršā angļu valodā
Vēl viens praktisks piemērs nāk no Forecastwatch.com, kas apkopo prognozes no tūkstošiem dažādu ziņojumu un salīdzina tos ar faktiskajiem cilvēku ziņojumiem par laika apstākļu izmaiņām. Izmantojot visu šo informāciju, prognozētāji var uzlabot un uzlabot savus modeļus.
Datu avoti un lomas
Šīs datu kopas var nākt no vairākiem dažādiem avotiem: pārdošanas statistika, lojalitātes kartes, lietotāju konti, klientu atsauksmes, lietotnes un programmatūra, vietņu trafika analīze, tirgus izpēte, laboratorijas pētījumi un daudz kas cits.
Liela daļa šī darba būs saistīta ar pārskatu izveidi, kas sniegs ieskatu un tendences, kas var būt noderīgas vadībai. Datu analītiķiem arī būs jāsaņem dati “sarunai”, satverot tos no vairākiem dažādiem avotiem. Viņiem var būt nepieciešama kļūdainu datu noņemšana (tīrīšana). Viņiem pat dažreiz var lūgt “izmasēt” datus, lai tos nedaudz vairāk piemērotu organizācijas mērķiem!
Tas var būt aizraujošs un atalgojošs darbs, un jūs varat palīdzēt vadīt uzņēmuma virzību, pamatojoties uz viedām, uz datiem balstītām atziņām. Tomēr tā var būt arī ļoti blāva darba līnija, tikai veicot dažus soļus no datu ievades. Rūpes par vienas izklājlapas izveidi lielākajai daļai cilvēku nav izaicinājums vai atalgojums. Jūsu loma būs atkarīga no organizācijas un jūsu vietas tajā.
Kāda ir atšķirība starp datu analītiķi un datu zinātnieku?
Viena noderīga atšķirība, kas jāsaprot, ir atšķirība starp datu zinātnieku un datu analītiķi. Līnija var kļūt nedaudz izplūdusi, bet kopumā datu zinātnieki vairāk strādā ar mašīnmācīšanos un paredzamo modelēšanu. Viņi izmanto datus, lai izteiktu prognozes par nākotni, un parasti viņiem ir spēcīgāks pamats matemātikā, statistikā un datorkodēšanā.
Datu zinātnieki strādā arī ar AI un mašīnmācību. Mašīnmācība būtībā ir lielāka, automatizēta versija, ko dara datu analītiķis, ar algoritmiem, kas meklē modeļus gigantisku datu kopās, lai viņi galu galā varētu iemācīties identificēt noteiktus attēla elementus, noteikt dabisko cilvēku valodu vai izveidot lēmumi par reklāmu. Kā datu zinātnieks jūs varētu rakstīt kodu Python un SQL, lai palīdzētu izgūt šos datus un nodotu tos lietošanai.
Lasīt vairāk: Mākonis AutoML Vision: apmāciet savu mašīnu mācīšanās modeli
Vidējā alga datu analītiķim ir 64,975 dolāri gadā, saskaņā ar Tõnu.com, turpretī vidējā alga datu zinātniekam ir 120 730 dolāri.
Ja jūs interesē kļūt par datu zinātnieku un strādāt ar vismodernākajiem mašīnmācīšanās algoritmiem, lieliska vieta, kur sākt, ir mašīnmācīšanās un datu zinātnes sertifikācijas pakete.
Prasmes, kvalifikācija un instrumenti
Kaut arī tas nav būtisks, datu analītiķim var būt noderīgs kāds no šiem priekšmetiem:
- Matemātika
- Datorzinātne
- Statistika
- Ekonomika
- Bizness
Arī vairākas īpašas prasmes būs ļoti noderīgas, un tās noteikti ir vērts attīstīt. Par laimi, tīmeklis tagad ir daudz vieglāk nekā jebkad agrāk iegūt šīs prasmes un sertifikātu no mājām. Udemy nodrošina noderīgus kursus gandrīz visām prasmēm, kas jums varētu būt vajadzīgas kā analītiķim, par summu, kas mazāka par 20 USD, vairumā gadījumu. Lūk, ko būtu labi zināt.
Excel
Tas nav krāšņi, bet daudzi datu analītiķi daudz laika pavada Excel, veidojot tabulas un izstrādājot vienādojumus. Dodoties uz interviju vai piesakoties īstermiņa koncertam, jums, iespējams, būs jāpierāda iepriekšējās Excel prasmes. Tātad suka uz augšu!
Izmēģiniet Udemy kursu: Microsoft Excel - Excel no iesācēja līdz progresīvam.
SQL
SQL apzīmē struktūras vaicājumu valodu un ir deklaratīva valoda datu izveidošanai un iegūšanai no datu bāzes. Ja jūs mēģināt iegūt datus no noteiktiem vietnes lietotājiem, iespējams, to darīsit, sarunājoties ar datu bāzi, kas tiek glabāta serverī, izmantojot SQL. Sākumā SQL izskatās biedējoši, taču ir pietiekami viegli, lai apietu galvu, un, tiklīdz to darāt, tas var būt ārkārtīgi spēcīgs.
Izmēģiniet Udemy kursu: pilnīga SQL Bootcamp.