Innehåll
- Dataanalytiker: En dag i livet
- En Big Data World
- Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
- "Data Translator"
- Dataanalytikerens utvecklande roll
Källa: Nils Ackermann / Dreamstime.com
Hämtmat:
En uppgiftsanalytiker kan variera mycket beroende på deras företags behov, men en sak de alla har gemensamt är att tolka data till förmån för deras organisation.
Jobbrollen för en dataanalytiker på dagens tekniska marknad definieras i stort.
I allmänhet talar experter om dataanalytiker som människor som samlar in data och använder dessa data för att ge insikter. De är "översättare" av råa nummer och datapunkter till matsmältbar information som hjälper till att rikta företag och flytta marknader.
Låt oss titta på några av de viktigaste faktorerna i vad dataanalytiker gör. En faktor är datamiljön - dataanalytiker som bara arbetar med Hadoop-kluster kommer att fungera annorlunda än dataanalytiker som använder högdrivna plattformar för konstgjord intelligens och maskininlärning. Dataanalytiker som använder en relationsdatabas kommer att använda SQL-frågor för att dirigera information. Andra kommer att använda andra typer av analysverktyg inklusive utsmyckad ERP-programvara som tar tillgång till affärsdata och placerar dem där de behöver vara.
När det gäller kärnkompetenser måste dataanalytiker vara bra med siffror. De behöver god muntlig och skriftlig kommunikationsförmåga och kritiskt tänkande. De behöver matematisk expertis och skicklighet. (Tror du att alla analysjobb automatiseras? Tänk igen: Nej, Data Analytics-robotar kommer inte att stjäla ditt jobb när som helst snart.)
Dataanalytiker: En dag i livet
En bit av Ashley Brooks vid Rasmussen College går in i den typiska dagen i en dataanalytiker. Du har rapportering, som också varierar beroende på teknikverktyg som du använder. Brooks berättar också om "spotting" -mönster i data - en annan tar på sig denna förädling av rå eller ofiltrerad data till mer användbara format och behållare.
Som Brooks påpekar finns det också ett infrastrukturelement här - dataanalytiker kan vara djupt involverade i att använda middleware för att hamna data in och ut från centrala datalagermiljöer. Förutom SQL kan dataanalytiker använda Microsoft Excel, Google Analytics, Tableau eller andra verktyg.
Bli utbildad: Datavetenskap med Python-kurs
En Big Data World
När du verkligen tittar på hur en dataanalytikers jobb är, särskilt nu i den nya artificiella intelligensåldern, är det verkligen ett väldigt mångsidigt landskap, och det kräver en rad färdigheter.
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
"En dataanalytiker lär sig ständigt varje dag," säger Johnny Hilgers, EVP, affärsanalys på Spring Venture Group. ”Att optimera data till handlingsbar information för att uppfylla affärsmålen är en konst och en vetenskap. För att bygga en pålitlig och korrekt modell måste hundratals frågor besvaras innan något tas i produktion. ”
Några av dessa frågor, säger Hilgers, involverar att överväga vilken algoritm eller kombination av algoritmer som är rätt för en uppgift, vilka attribut som kommer att vara mest användbara för val av funktioner, vilka attribut som kan ge mest lyft när det gäller funktionsteknik, vilka attribut som ska vara utelämnad, och vilka utvärderingsmätningar projektet optimerar för.
Dr. Sonja Jones påpekar, när han beskriver dataanalytikerrollen, hur detaljerna skiljer sig åt. Jones är seniorförsäljningsingenjör vid Bay Dynamics och cyberanalys och högskoleprofessor för Carnegie Mellon University.
"En dataanalytiker samlar in data för alla divisioner i ett företag," säger Jones. ”Vissa områden ... är försäljning, marknadsundersökning, logistik, leveranskedja, transport, mänskliga resurser, informationsteknik och cybersäkerhet, för att nämna några. Dataanalytikerens jobb är då att ta data, tolka dem, förstå dem och hjälpa företag att fatta bättre affärsbeslut baserat på resultaten. Detta kan falla in i många områden som business intelligence, big data, data warehousing, analys, data mining, prediktiv analys, etc. ... analytics används för många användningsfall på olika vertikala marknader som finans, hälsovård, detaljhandel, telekommunikation, tillverkning , underhållning ... dataanalytiker måste ha mycket stark affärs- och teknisk kompetens samt mycket god kommunikationsförmåga. ”
"Data Translator"
Åter och igen kommer vi tillbaka till idén att en dataanalytiker är grundläggande ansvarig för att ta data och göra den smältbar, för att översätta datatillgångar till insikter.
"En dataanalytiker måste kunna analysera all data som ett företag har till hands och använda dessa data för att sedan få vetenskaplig information för att hjälpa företag att fatta bättre beslut," säger Sepehr Shoarinejad, ordförande för big data-analysföretaget Koridor. ”Med det sagt måste de kunna konvertera den information de får till vanligt engelska lösningar för företag att genomföra. Till exempel kommer en dataanalytiker att använda uppgifterna för alla produkttransaktioner för ett företag och kunna hjälpa dem att bestämma vilka produkter som inte säljer och vilka produkter de tappar pengar på på grund av lagerbrist. ”
”Uppgiften för en dataanalytiker är att översätta komplexa antal och information till vanligt engelska för andra teammedlemmar att tolka och använda det för att förbättra olika aspekter av verksamheten, ”tillägger Clare Watson, operatörschef på Zolv. ”Det här kan vara allt från försäljningssiffror eller marknadsundersökningar till logistisk information. Syftet med att ha en dataanalytiker är att företaget ska fatta bättre informerade beslut om hur de bedriver sin verksamhet. ”
Dataanalytikerens utvecklande roll
Vissa som är i frontlinjen för de enorma förändringarna som pågår i vår IT-värld kommenterar hur detta förändrar dataanalytikerens jobb. Där bara för några år sedan, prediktiv analys och dess svårigheter var nya och otestade områden, har nu en spridning av "smarta verktyg" lett till en helt annan situation.
"Arbetet som dataanalytiker och datateam gör idag har blivit oigenkännligt jämfört med för fem år sedan," säger Harry Glaser, VD och medgrundare av Periscope Data. ”I takt med att datamängdernas storlek och komplexitet ökar och gör en större inverkan på IT, har jag sett de viktigaste personerna som är involverade i dataarflödena gå från dedikerade specialister - inklusive dataintegratörer, forskare, modellerare och affärsanalytiker - till tvärfunktionella datateam som smälter samman alla sina färdigheter ... dagens dataanalytiker kan inte överleva om de bara levererar grundläggande affärsmetriker och resultatindikatorer. De måste nu samarbeta för att skapa sofistikerade analyser som gör det möjligt för ett företag att förutsäga verksamhetens framtida framgång. ”
Glaser ger ett konkret exempel på de förväntningar som ställs på dataanalytiker på dagens marknad.
”Traditionellt kanske affärsanalytiker är inriktade på att mäta raka framstegsmetriker som kundkross, men de hade sällan fått i uppdrag att förutsäga framtida kärna, säger Glaser. ”Dessa uppgifter skulle tillhöra datavetare med mer erfarenhet och olika bakgrunder helt. Men idag tvingar marknadspresset dataanalytiker att hantera naturligt språkbearbetning, modellkonstruktion och prediktiv analys ... Som ett resultat blir språk som Python och R vanligare för analytiker. ”
Bli utbildad: Datavetenskap med Python-kurs
"I tidigare generationer kunde en dataanalytiker endast redogöra för de uppgifter de fick," säger Nate Masterson, CMO för Maple Holistics, ett företag som ägnar sig åt grymhetsfria, naturliga och hållbara produkter för personlig vård. "Frågan är emellertid mindre" Vad säger uppgifterna? "Och mer" Vilken information ska man titta på? "Nuförtiden i kölvattnet av informationsåldern. Kommer du ihåg de matematiska ordproblem vi alla hatade i skolan? Det är dataanalys bakåt. Ett dataanalytikerjobb är att översätta siffror till ord. Problemanalytikerna försöker svara är ”Varför är siffrorna så som de är?” De tittar på datapunkter och försöker sätta ihop dem som en del av den större bilden. De arbetar också för att effektivisera och göra saker mer effektiva och skapa morgondagens vinster av gårdagens förluster. "
Allt detta illustrerar hur otroligt användbara och varierande dataanalytistroller är när data blir mer och mer viktiga för nästan alla typer av företag. Unga yrkespersoner kan använda denna insikt för att odla de färdigheter och erfarenheter som krävs för att göra sig själv nödvändiga för en framtida arbetsgivare.