
作者Zulie Rane,自由撰稿人和编码爱好者。
数据分析是一个非常酷的、有前途的行业。它一直在上升很长一段时间,这解释了为什么这么多人想知道如何进入数据分析。自从互联网和智能手机的广泛使用,疯狂的数据量无时无刻不在产生。2020年初,世界上的数据量估计为44zettabytes,或44x10^21字节。所有这些数据包含大量非常有用的信息,如消费者的购买模式或疾病指标。
数据分析员掌握数据集,并负责理解它们。这些数字说明了什么,公司应该怎么做?一个简单的例子是,当你把一件商品放在购物车里,包含顾客经常一起购买的产品时,就会出现产品的横幅。数据分析员可以负责确定哪些产品应该相互关联,以提高转化率。
数据分析是分析原始数据以发现趋势并回答问题的过程。它涉及到很多在屏幕前的个人工作,但如果你喜欢数学和编程,这对你来说是一个很好的机会。您可以获取和收集数据,以及清理、组织、可视化和分析数据。
简单说明一下:数据科学家负责为数据设计和构建新的模型。他们创造原型,算法,预测模型。数据分析师做的是顾名思义的事情--她查看数据,试图预测趋势,进行可视化,并传达结果。换句话说,数据分析师分析数据。在美国,数据科学家的年薪比数据分析师高出3-4万美元,所以这是一个重要的区别。
这就是本文将如何引导您完成获得第一份数据分析工作所需了解的一切。
在您开始考虑如何进入数据分析之前,您应该确保您了解该领域。数据分析是从大量数据中找出意义的艺术。据toDOMO称,自2020年以来,地球上每秒为每个人创造1.7MB的数据。数据分析师的任务是找到与他们的业务应用程序相关的数据,理解这些数据,并找到应用这些知识来改进业务的方法。
数据分析中有许多子字段。这些包括描述性、诊断性、预测性和规定性分析。您可以通过以下方式来考虑这些不同类型的分析。
数据分析师可以在日常工作中很好地涵盖所有这些子领域。通常,数据分析人员将逐步完成所有这些形式的分析,以最大限度地利用数据集并优化其业务影响。如果您想进入数据分析,了解这些不同形式的分析和应用它们的诀窍是很重要的。
数据分析师的任务是帮助企业做出数据驱动的决策。由于收集数据很简单,数据分析师可以测试他们的假设,并纠正他们所做的说明性模型,以提高他们的性能,并调整从他们的数据洞察中创建的操作项。根据数据做出假设,实现你的预测,并分析结果是进入数据分析的方法。
鉴于数据分析是数学和编程的交叉,它是一个非常技术性的领域。你必须使用许多不同的工具和技术技巧来完成这项工作。软件工程师玛格丽塔·哈马赫(Margarita Hamacher)为数据分析师整理了一份7种技术技能的综合列表。数据分析不仅仅是硬技能。但对于任何想知道如何进入数据分析的人来说,这些技术技能将是一个很好的起点。
这些技能包括数学、数据可视化、机器学习、编码等。数学需求可以进一步分解为线性代数、统计学和概率,这些都是数据分析师真正重要的理论基础。值得强调的是如何将数据分离用于训练和测试的重要性,并列举基本的机器学习算法,如果不是实现的话,您应该放心使用。
如果您想知道如何进入数据分析,那么掌握所有这些技能是很重要的,因为您需要每一种技能来正确地理解数据并准确地分析数据。此外,这些技巧中的很多对于面试问题来说都是绝对公平的游戏。
我肯定会创建一些使用这些技能的个人项目,并在你的简历中链接到它们。如果你遇到下面这样的问题:
如果您已经通过项目中的实际数据解决了同样的问题,您的答案将更加令人信服和知情。您可以讨论这些相关特性对项目中使用的数据集分析的影响。
数据分析是一个真正迷人的领域。例如,大多数经典经济学理论都是基于人类个体做出理性决策的假设。这种假设是错误的,因此使许多经典的经济理论完全过时。例如,一个古老的经济学理论认为消费者喜欢选择,虽然在某些情况下这是正确的,但做出决定可能会让人筋疲力尽,马克·莱珀和辛·艾扬格发现了选择的悖论。他们发现,如果顾客有6种选择,而不是24种,他们更有可能购买果酱。然而,基于数据的经济理论要准确得多。数据分析仍然需要时不时的一些小假设,但由于它完全基于所收集的数据,如果您的数据是全面的和有代表性的,数据分析提供了一种优雅而准确的方法来理解世界以及在其中做出的决定或习惯。
数据分析是一个跳跃的领域。美国劳工统计局预测,到2026年,数据科学领域将增长28%。如果你在找钱,美国数据分析师的平均工资是70000美元,而且随着对数据分析师需求的增加,这一数字可能会上升。这是进入数据分析的好时机,您可以采取一些简单的步骤来进行分析。
数据分析是一个非常技术性的领域,所以任何想知道如何进入数据分析的人都需要对大量高级数学概念有很强的理解,而且你应该是一个称职的程序员。如果你对数字和它们能向你揭示的东西有热情,一旦你确保你能掌握上面概述的技术来满足工作要求,数据分析就是你的工作。
数据分析师工作中的一个重要因素是您需要的上下文业务知识,这是许多人没有考虑的。如果您是一名处理树生长数据的数据分析师,而数据集中缺少某些值,则需要对树及其生长方式有足够的了解,以确定是否可以抛出这些数据,或者补充这些数据的最佳方式是什么。您还需要能够理解数据集的特性意味着什么。如果您有两个特性,就其含义而言非常相似,那么您可能想扔掉其中一个。通过使用上下文知识评估特征之间的依赖关系以及哪些特征与手头的问题最相关,您可以省去对特征依赖关系进行深入分析的麻烦。
想想你的激情或你现有知识的领域是什么,以及你如何将数据分析应用到这些领域。许多从事数据分析的人没有数据分析的正式背景或学位,所以你可以成为一名数据分析师,处理你所研究的领域的数据。
如何进入数据分析的很大一部分是粉碎你的数据分析师职位的面试。除了精通Python并能够解释中心极限定理之外,您还可以逐步了解如何比较不同后端引擎的性能以自动生成建议。看看下面的面试问题:
准备技术面试的最佳方法。回答技术问题是一项技能,就像其他任何技能一样。不断练习编码和非编码问题。您可以使用StrataScratch这样的网站,它为数据分析师提供了大量的编码和非编码面试问题。
除了回答编码问题,比如找出每个用户在Facebook上的受欢迎程度百分比,以及技术、理论和非编码问题,比如解释时间序列预测的不同技术,你还需要为行为面试问题提供与数据分析师相关的内容。虽然你的大多数面试都是技术性面试,有编码或非编码问题,但重要的是你要有一段时间你经历过失败或你特别自豪的成就的例子,这些例子与数据分析有关。
这就是为什么与数据分析有关的个人项目如此重要。也许你有拯救动物的热情。你可以创建一个模型,预测什么策略最有效地让动物被收养。如果你有机会应用你的模型,就更好了,比如如果你有一个动物收容所来遵循你推荐的策略,看看这是否会对收养率产生影响。数据分析可以应用于任何有数据的领域。一定会有一个数据集与您感兴趣的主题相关。在这方面练习你作为数据分析师的技能,这样你就可以为你的面试官突出这些技能。
许多可能担心如何进入数据分析的程序员和非程序员应该知道,正规教育,特别是数据分析,是不需要的。并不是很多大学都有完整的数据科学或数据分析学位课程。尽管越来越多的大学增加了数据分析项目,但对数据分析师的需求仍然太高,雇主不需要正式的数据分析或数据科学背景。如果你有数学或计算机科学的背景,这可能会很有帮助,但不是必需的。
要获得一份入门级数据分析师的工作,最好的办法是精通Python并对SQL以及SAS、R、Tableau或其他数据库接口工具和语言非常有信心。如果你没有C.S.的背景。或者数学,在一旁发展这些技能,并将它们应用到展示你能力的个人项目中。
由于上下文知识如此重要,数据分析是从另一个行业进入的一个很好的领域。根据您所分析的数据的行业,无论是医学图像还是在线零售行业中中小企业的购买模式,对您所分析的数据的行业有重要的了解可能是有帮助的,有时也是必要的。
在美国,数据分析师的平均工资是70.7万美元,但对于那些职业生涯后期的人来说,工资可以高达10.6万美元。我们的帖子数据科学家赚多少钱可以帮助你了解数据分析方面的工资,以及他们是如何受到各种因素的影响的。
数据分析师的常见工作职责包括收集和组织数据、确保符合数据政策、执行质量控制功能以确保数据的完整性、利润优化建议或制定价格和组合折扣计划。确切的职责在不同的公司之间可能会有很大的差异,所以检查确切的工作描述,找到与你最喜欢的任务相匹配的工作描述。
数据分析是一个广阔的领域。对数据分析师的需求迅速增长,这意味着你将享受相对较高水平的工作保障。由于这个行业还很年轻,所以有很大的职业发展潜力。所需的技能多种多样,所以绝对不是为那些已经完成学习的人准备的。由于该行业发展如此迅速,在未来几年中,在使用的工具和新的应用程序方面肯定会有很多变化。
如果你想进入技术和编程领域,但又不想回到学校或成为软件工程师,数据分析对你来说是一个很好的选择。数据分析员仍然可以处理代码,但你可以少处理随叫随到或处理开发人员的头痛问题。数据分析的应用通常是迷人的,通过指导企业做出数据驱动的决策,您可以对企业的成功产生很大的影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19CDA 数据分析能力与 AI 的一体化发展关系:重塑数据驱动未来 在数字化浪潮奔涌的当下,数据已然成为企业乃至整个社会发展进 ...
2025-06-19CDA 干货分享:统计学的应用 在数据驱动业务发展的时代浪潮中,统计学作为数据分析的核心基石,发挥着无可替代的关键作用。 ...
2025-06-18CDA 精益业务数据分析:解锁企业增长新密码 在数字化浪潮席卷全球的当下,数据已然成为企业最具价值的资产之一。如何精准地 ...
2025-06-18CDA 培训:开启数据分析师职业大门的钥匙 在大数据时代,数据分析师已成为各行业竞相争夺的关键人才。CDA(Certified Data ...
2025-06-18CDA 人才招聘市场分析:机遇与挑战并存 在数字化浪潮席卷各行业的当下,数据分析能力成为企业发展的核心竞争力之一,持有 C ...
2025-06-17CDA金融大数据案例分析:驱动行业变革的实践与启示 在金融行业加速数字化转型的当下,大数据技术已成为金融机构提升 ...
2025-06-17