作为一个在业务一线奋斗多年的数据分析师,我想以学习的态度提升自己。准备作为初学者重新学习数据分析。现在数据分析课程打包了Python,Hadoop,java,R,HIVE,SQL,Spark等工具。不要用这些工具,很多我都没听过。相信很多小伙伴一定都有过类似的经历。一个初学者怎么可能从这么多课程开始?
要回答这个问题,首先我们要搞清楚自己的职业规划是什么。学习数据分析的初心是什么?如果你的答案是解决现有的业务问题,你必须阅读以下文章。但是如果你在找offer,也可以参考这篇文章,找到自己未来的职业定位。
数据分析师是一个非常好的概念。就好像有人问你,你是什么专业的?你回答我是理科生。数据分析师有很多方向,但总的来说可以分为三类:业务分析师、数据工程师、数据科学家。
商业分析师
大多数有兴趣在数据分析领域工作的人最初都是业务分析师。成为商业分析师相对简单,但是要做好却非常困难。他们的主要工作是通过分析数据来帮助公司决策。其实我觉得不存在单纯的商业分析师。他们往往有多重身份。他们可能是营销部门的专家、商品部门的主管或企业的高管。虽然身份不同,但凡是通过数据引导业务进展的,都可以称为业务分析师。
请记住:任何不基于商业的数据分析都是流氓
当然,商业分析师也是专业的,他们是站在商业分析师顶端的人。通过数据建模、数据可视化和机器学习,他们可以一个人完成原本需要一群人完成的分析任务。这种自寻失败的人,可以说是万里挑一。因为在组织中,这样的人比业务人员更了解业务细节,比IT人员更了解信息架构,比管理者看得更远更广。
从上面的描述可以看出,所谓的业务分析师其实并不需要知道太多的技能。Excel就够了。其实很多企业还在用ERP+Excel。不要把数据分析当成遥不可及的事情,一步一步往前走才是王道。我必须不断提高我处理商业问题的技能。我不需要比其他人更好。我只需要比身边的同事多学习,多了解自己,在接下来的升职加薪中就有了主动权。
有同学要问了,做业务分析的人不需要了解SQL,Python之类的工具吗?其实真的不用学。大多数公司在SaaS平台(浏览器打开的那个)上使用ERP。根本拿不到数据库,那就学SQL吧。
其他大部分要求现在Excel都可以完成,完全没必要学Python。不信你可以问问那些大牛。其中有几个是python在日常工作中不离不弃的。当你在职业生涯中遇到瓶颈的时候,再去学习这些东西也不迟。过早接触不利于职业发展。
数据工程师
现在很多公司往往不止一个系统,做分析的时候往往需要从每个系统中抽取。比如销售数据要从ERP(资源管理系统)中提取,财务数据要从财务软件中提取,供应链数据要从WMS(仓储管理系统)中提取。这导致了数据中心的泛滥,也为一个职业的兴起奠定了基础。
从名字就可以看出,数据工程师是偏向于工科的。他们的主要工作是为业务分析师提供数据安全。他们需要具备创建和集成API的能力,同时还需要具备操作和优化数据库性能的IT知识。所以SQL是数据工程师的必备语言。同时,因为要从各种系统中抽取数据,所以需要很好的了解ETL。当然,最好有爬虫和机器学习的能力。
数据科学家
传统公司往往不需要数据科学家。既然叫科学家,其实更喜欢科学。对数学的要求比较高,需要有统计学的相关知识。同时需要精通Python R SAS。因为他们经常需要处理大量的数据,所以还必须掌握分布式算法。所以免费开源的Hadoop系列(Hive Spark)也要精通。
事实上,科学家也可以被称为高级商业分析师,因为从本质上来说,他们也希望从数据中发现商业价值,但不是通过数据挖掘的方式。实际上,数据挖掘并不是一个谜,而是一个原本需要业务分析师投入大量精力的结论。科学家通过统计学方法得到数据,仅此而已。
最后用一句不严谨的话做个总结。如果说业务分析师是文科,那么数据工程师就是工科,数据科学家就是理科。如果从公司老板的角度考虑这三个角色,数据工程师是基础,数据科学家是设计框架,业务分析师是具体实现。
本文来自学如穿井投稿,不代表舒华文档立场,如若转载,请注明出处:https://www.chinashuhua.cn/24/587552.html