El conocimiento matemático es el conocimiento básico de los analistas de datos. Para los analistas de datos junior, es suficiente comprender algunos contenidos básicos relacionados con las estadísticas descriptivas y tener ciertas capacidades de cálculo de fórmulas. Es incluso mejor comprender los algoritmos de modelos estadísticos de uso común.
Para los analistas de datos senior, el conocimiento de los modelos estadísticos es una habilidad necesaria y es mejor tener algunos conocimientos de álgebra lineal (principalmente cálculos matriciales).
Para los ingenieros de minería de datos, además de las estadísticas, también es necesario utilizar con habilidad varios algoritmos, y las matemáticas son las más exigentes.
Por lo tanto, no es necesario ser bueno en matemáticas para aprender a analizar datos. Depende simplemente de la dirección que desee desarrollar. El análisis de datos también tiene un lado "literario", especialmente las niñas, que pueden desarrollarse en la dirección de la redacción de documentos.
2. Herramientas de análisis
Los analistas de datos junior deben poder utilizar Excel y dominar el uso de tablas dinámicas y fórmulas, preferiblemente VBA. Además, debes aprender una herramienta de análisis estadístico. SPSS es una buena introducción.
Para los analistas de datos senior, el uso de herramientas de análisis es la capacidad principal, VBA es una necesidad básica, SPSS/SAS/R debe dominar el uso de al menos una de ellas, otras herramientas de análisis (como Matlab) Depende de la situación. Ciertamente.
Para los ingenieros de minería de datos... bueno, Excel es suficiente y el trabajo principal es escribir código.
3. Lenguaje de programación
Para los analistas de datos junior, pueden escribir consultas SQL y, si es necesario, escribir consultas Hadoop y Hive, lo cual está básicamente bien.
Los analistas de datos senior, además de SQL, también necesitan aprender Python para obtener y procesar datos, obteniendo el doble de resultado con la mitad de esfuerzo. Por supuesto, también son posibles otros lenguajes de programación.
Los ingenieros de minería de datos deben estar familiarizados con Hadoop, al menos uno de Python/Java/C, y Shell debe poder usarlo... En resumen, los lenguajes de programación son definitivamente el núcleo. Competencia de los ingenieros de minería de datos.
4. Comprensión empresarial
No es exagerado decir que la comprensión empresarial es la base de todo el trabajo de los analistas de datos. El plan de adquisición de datos, la selección de indicadores e incluso la comprensión de la conclusión final dependen de la comprensión del negocio en sí por parte del analista de datos.
Para los analistas de datos junior, el trabajo principal es extraer datos, hacer algunos gráficos simples y una pequeña cantidad de conocimientos y conclusiones, para tener una comprensión básica del negocio.
Los analistas de datos senior deben tener una comprensión más profunda del negocio y ser capaces de extraer opiniones efectivas basadas en los datos, lo que será útil para el negocio real.
Para los ingenieros de minería de datos, es suficiente tener una comprensión básica del negocio, y el foco aún debe estar en ejercer sus habilidades técnicas.
Para un excelente analista de datos, las capacidades comerciales son imprescindibles. Si ya está muy familiarizado con una industria, es muy correcto aprender a analizar datos. Si acaba de graduarse y no tiene experiencia en la industria, puede desarrollarla lentamente sin preocuparse.
4. Pensamiento lógico
Mencioné menos esta habilidad en artículos anteriores, así que esta vez la mencionaré por separado.
Para los analistas de datos junior, el pensamiento lógico se refleja principalmente en el propósito de cada paso del proceso de análisis de datos, sabiendo qué medios deben utilizar y qué objetivos deben alcanzar.
Para los analistas de datos senior, el pensamiento lógico se refleja principalmente en la construcción de un marco de análisis completo y eficaz, la comprensión de la relación entre los objetos de análisis, el conocimiento de las causas y consecuencias de cada cambio de indicador y el impacto que tendrá en el negocio.
Para los ingenieros de minería de datos, el pensamiento lógico no solo se refleja en el trabajo de análisis relacionado con el negocio, sino que también incluye la lógica de algoritmos, la lógica de programas, etc. , por lo que los requisitos para el pensamiento lógico también son los más altos.
5. Visualización de datos
La visualización de datos tiene altos requisitos, pero en realidad cubre un amplio rango. Poner gráficos de datos en un PPT también se considera visualización de datos, por lo que creo que esta es una habilidad que se necesita comúnmente.
Para los analistas de datos junior, Excel y PPT se pueden utilizar para crear gráficos e informes básicos, que pueden mostrar datos claramente y lograr objetivos.
Para los analistas de datos senior, es necesario explorar mejores métodos de visualización de datos, utilizar herramientas de visualización de datos más efectivas y producir contenido de visualización de datos simple o complejo de acuerdo con las necesidades reales, pero también adecuado para que lo vea la audiencia. .
Para los ingenieros de minería de datos, es necesario comprender algunas herramientas de visualización de datos y crear algunos gráficos visuales complejos según sea necesario, pero generalmente no es necesario considerar demasiados problemas de embellecimiento.
6. Coordinación y comunicación
Para los analistas de datos junior, comprender el negocio, encontrar datos e interpretar informes requiere tratar con personas de diferentes departamentos, por lo que las habilidades de comunicación son muy importantes.
Los analistas de datos senior necesitan comenzar a tomar proyectos de forma independiente o cooperar con productos, por lo que, además de habilidades de comunicación, también necesitan algunas habilidades de coordinación de proyectos.
Para los ingenieros de minería de datos, la comunicación con las personas tiene más aspectos técnicos que aspectos comerciales, y los requisitos de comunicación y coordinación son relativamente bajos.
7. Aprendizaje rápido
No importa en qué dirección esté realizando el análisis de datos, ya sea principiante o avanzado, necesita la capacidad de aprender rápidamente. Hay un sinfín de contenidos para aprender en el campo del análisis de datos. La lógica empresarial, el conocimiento de la industria, las herramientas técnicas y los marcos de análisis requieren que todos tengan un corazón que nunca se olvide de aprender.
Aprender rápido es muy importante. Sólo ingresando rápidamente a esta industria podremos aprovechar las oportunidades y obtener más experiencia y oportunidades. Si desea ingresar a la industria del análisis de datos lo antes posible, elegir una institución profesional de capacitación en big data es una buena opción. Acortar el ciclo de aprendizaje y mejorar la eficiencia del aprendizaje. ¡El tiempo es dinero!