前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数据分析师需要掌握的技能

数据分析师需要掌握的技能

作者头像
February
发布2018-12-12 14:23:00
2K0
发布2018-12-12 14:23:00
举报
文章被收录于专栏:技术翻译

基础

1.第一个是Excel。这看起来很简单,但实际上并非如此。Excel不仅可以执行简单的二维表,复杂的嵌套表,还可以创建折线图,柱形图,条形图,面积图,饼图,雷达图,组合图和散点图。

2.在SQL Server或Oracle上掌握SQL语句。虽然您是业务分析师,但如果您可以依赖IT和IT工具(例如多维BI分析模型),有时您无法获得所需的数据。学习 编写嵌套的SQL语句,包括 join,group by,order by,distinct,sum,count,average和各种统计函数,这非常有帮助。

3.掌握可视化工具,例如BI,例如CognosTableauFineBI等,特别关注企业使用的工具,就像我以前使用FineBI一样。使用这些工具进行可视化非常方便,特别是如果分析报告可以包含这些图像。这些技能肯定会吸引高层领导的注意力,因为它可以使他们一目了然,并深入了解业务的本质。此外,作为专业分析师,使用多维分析模型Cube,您可以轻松高效地自定义报告。

总结:此时,如果您掌握了上述80%的技能,您可以被视为合格的分析师。此阶段的数据分析师需要知道如何使用工具处理数据,了解业务场景,分析和解决基本问题。重要的是要强调数据分析师最重要的事情是熟悉我们的业务。了解业务,分析师的逻辑将是清晰和一般的,它将排除大多数无用的分析。很长一段时间,对于我理解的业务,我在比较数据时就知道了这个问题。

在此之后,如果您想深入研究技术,您可以继续在数据科学家的指导下发展您的职业生涯。

高级技能

1.学习统计系统

  • 纯机器学习强调算法的预测能力和实现,但统计学一直强调“可解释性”。例如,我可以看到两只股票之间的相关性是否相关。假设一个反相关的股票下跌,那么,根据数据,我们可以假设其他股票会上涨。
  • 与数据挖掘相关的统计方法(多变量逻辑回归分析,非线性回归分析,判别分析等)。
  • 定量方法(时间轴分析,概率模型,优化)。
  • 决策分析(多用途决策分析,决策树,影响图,敏感性分析)。
  • 建立竞争优势分析(通过项目和成功案例学习基本分析概念)。
  • 数据库输入(数据模型,数据库设计)。
  • 预测分析(时间轴分析,主成分分析,非参数回归,统计过程控制)。
  • 数据管理(ETL(提取,转换,加载),数据治理,管理责任,元数据)。
  • 优化和启发式(整数规划,非线性规划,局部探索,超灵感(模拟退火,遗传算法))。
  • 大数据分析(学习非结构化数据概念,MapReduce技术,大数据分析方法)。
  • 数据挖掘(聚类(k-means方法,分割方法),关联规则,因子分析,生存时间分析)。
  • 风险分析与运行分析的计算机模拟。
  • 软件级分析(组织级别的分析主题,IT和业务用户,变更管理,数据主题,演示和通信。

2. 掌握AI机器学习算法并使用Python / R等工具对其进行建模

传统的BI分析可以回答过去发生的事情,现在正在发生,未来会发生什么?我们必须依靠算法。虽然像TableauFineBI这样的自助服务BI具有内置的分析模型部分,但分析人员需要更全面,更深入的探索,需要Python和R等数据挖掘工具。此外,大数据集之间的隐藏关系无法实现通过手动分析或使用传统工具。此时,算法已实现,并且不会有任何意外。

其中,用于统计分析的开源编程语言及其操作环境R,引起了很多关注。R的优势不仅在于它包含丰富的统计分析库,而且还具有高质量的图表生成功能,可以显示结果并可以使用简单的命令运行。此外,它还有一个名为CRAN(Comprehensive R Archive Network)的包扩展机制,可以通过导入扩展包来导入标准状态下不支持的功能和数据集。虽然R语言很强大,但学习曲线很陡峭。就个人而言,我建议你从Python开始,它拥有丰富的统计库,如NumPy,SciPy,Python数据分析库和Matplotlib。

数据人才的最终发展围绕着数据战略。例如,数据战略专家可以使用IT知识和经验来制定业务决策。数据科学家可以使用IT技术开发复杂的模型和算法。分析顾问可以结合实际的业务知识和分析经验,专注于您的行业的下一个爆炸点。

因此,您需要具备沟通,组织,管理技能和商业思维。这不限于某个位置。您需要在更高的位置思考并为公司寻求利益。与此同时,我们还必须考虑如何使用“数据分析”卡在公司中发挥作用并使用数据来推动业务运营。这是值得思考的问题。

课程和书籍推荐

首先学习基本概率。一个很好的资源是概率和统计学概论

快速了解统计学习中使用的术语,是做什么的。为此,请阅读: Wasserman, Larry. All of statistics: a concise course in statistical inference. Springer, 2004.

为了学习基本的统计思想,统计学习简介是一本流行的教科书。

使用d3.js可视化库,使用基本HTML和JavaScript学习基本可视化。

学习基本算法和算法分析,并了解如何分析算法复杂性。平均复杂性,最差复杂性。每次编写程序时,都会预计所需的时间(通过算法分析预测)。 我在Coursera.org上推荐普林斯顿的算法类

通常,伟大的数据科学家都有博客供所有人访问。我推荐这些博客,我经常读到:

  • Betaworks首席数据科学家,Gilad Lotan的博客
  • 希拉里·梅森(Hilary Mason)是纽约地区着名和着名数据科学家的首席科学家,他有一个很棒的博客: hilarymason.com

原文标题《The Skills That Data Analysts Need to Master》

作者:Vincent Wong

译者:February

不代表云加社区观点,更多详情请查看原文链接

本文系外文翻译,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系外文翻译前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 基础
  • 高级技能
    • 1.学习统计系统
      • 2. 掌握AI机器学习算法并使用Python / R等工具对其进行建模
      • 课程和书籍推荐
      相关产品与服务
      数据库
      云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档