資料分析職業前景規劃

2022-08-09 07:15:20 字數 1858 閱讀 1582

別看崗位職責,任職要求這麼多,說白了主要就三點要求:

1)對相關業務的理解;

2)掌握一到二種資料分析工具;

3)良好的溝通。可能不同的公司因為需求不同,會在要求上有點小小的不同,而這個不同主要集中在資料庫上。

了解資料分析師的具體需求之前,我們有必要先了解資料分析師的職位體系。

在傳統行業中,資料分析更多存在移動、銀行、超市等行業,在這些行業中你才會偶爾聽到資料分析師這個職位,也許更多是聽到資料探勘工程師、資料建模師。在中國也許只在電信的專案中,才會存在真正的意義上的資料探勘。

業從廣義上講可以分為以下幾個職位:

1、資料分析師

更注意是對資料、資料指標的解讀,通過對資料的分析,來解決商業問題。主要有以下幾個次層次:

業務監控:診斷當前業務是否正常?是否存在問題?業務發展是否達到預期(kpi)?如果沒有達到預期,問主要問題在哪?是什麼原因引起的?

建立分析體系:這些資料分析師已經對業務有一定的理解,對業務也相對比較熟悉,更多幫業務方建立一套分析體系,或者更高階是做成資料產品。例如:營銷活動。分析師會告訴業務方,在活動前你應該分析哪些資料,從而制定恰當的營銷計畫。在營銷過程中,你應該看哪些資料,從而及時做出營銷活動調整。在營銷活動,應該如何進行活動效果評估。

行業未來發展的趨勢分析:這應該是資料分析師最高端別,有的公司叫做戰略分析師/商業分析師。這個層次的資料分析師站的更高,在行業、巨集觀的層面進行業務分析,**未來行業的發展,競爭對手的業務構成,幫助公司制定戰略發展計畫,並及時跟蹤、分析市場動態,從而及時對戰略進行不斷優化。

主要技能要求:

2、資料探勘工程師

更多是通過對海量資料進行挖掘,尋找資料的存在模式、或者說規律,從而通過資料探勘來解決具體問題。資料探勘更多是針對某乙個具體的問題,是以解決具體問題為導向的。例如:聚類分析,通過對於會員各種人口統計學、行為資料進行分析,對會員進行分類,對不同的型別的會員建立相應的profiling,從而更好的理解會員,知道公司會員是到底如何?高、中、低低價值的會員構成,既可以後期各種會員的運營提供指導,提高活動效率,可以指導公司的營銷,例如廣告的投放策略。以及用於公司各種戰略的制定。

主要技能要求:

資料庫必須精通。很多時候,你模型的資料預處理,可能完成在資料庫裡完成,你用到的資料庫技巧更高。

必須要會成熟的資料探勘工具、資料探勘演算法,例如:spss/celementine、sas/em等,當然如果你會

一、二款開源軟體,並會寫一些程式**那是最好的,大公司都喜歡用開源的軟體,例如:r、weka。

3、資料建模師

當然二者有乙個共同之處都是,針對很具體的問題,都是會解決某個具體問題,例如:營銷反應率,你就可能歷史的郵箱、簡訊的反應情況,來建模型進行**,從而提高郵件反應率,或者減少對使用者來說的「垃圾」郵箱,提高使用者體驗。所以從掌握的技能上講,這二者就有很大的區別,資料建模師其實很少會提到演算法這個詞,更多說使用什麼模型,有感覺嗎?但是從實務界來看,這二個模型越來越沒有明確的分工,一般來說都會二個職位的人都會去學習對方的知識,所以這二個職位有合併的趨勢,但在未來幾年來,我覺得公司要招人的時候應該還是要有區別的。

新進入資料行業的同學,可以根據自己的背景背景選擇相應的職位,學資料、統計學的朋友更多可以偏向於建模師,而計算機特別是寫程式設計出現和同學,可以走資料探勘工程師,也許適應性更好,但這不是絕對的。

資料分析師的職位級別劃分

不同公司對資料分析師的職位劃分稍有不同,在一些中小型企業,沒有成立獨立的資料中心前,資料分析的相關職位往往是在譬如市場部、運營部這些部門之下,通常資料分析成員在2-4人不等。對於一些大型企業,有獨立的資料部門的企業,其資料分析團隊人員則是十到百人不等,其職位頭銜有通俗的總監、經理、主管劃分,也有助理、資深、專家之類的劃分。

資料分析師職業規劃

為什麼需要資料分析?沒有衡量就沒有改進。資料是對現實世界的對映,能幫助我們建立量化的邏輯體系。資料中隱含著規律。資料分析最重要的能力?規劃解決方案 識題 拆解 排序 反饋 解決具體問題 統計學 機器學習 1 規劃解決方案 識題 拆解 排序 反饋 盡可能的了解現狀,識別真正問題 分析因果關係,拆解成可...

資料分析的廣闊前景

資料分析的廣闊前景 mr.林 資料分析作為乙個新的行業領域正在全球迅速發展,它開闢了人類獲取知識 的新途徑。目前,資料庫技術 軟體工具 各硬體裝置飛速發展,在這些軟硬體技術與裝置的支 持下,資訊科技應用已在各行各業全面展開,尤其是對通訊 網際網路 金融等行業的發 展做出了巨大貢獻,並且經過長期的應用...

資料分析師職業簡介

原文在這裡 感覺老哥寫的不錯,於是就想著記錄一下。十分感謝,大有收穫。1 理論知識要寬泛,涉及數學 市場和技術。要求及對資料敏感,包括統計知識 市場研究 模型原理等。2 常規分析工具的使用,包括資料庫 資料探勘 統計分析工具,常用辦公軟體 excel ppt 思維導圖 等等。3 有一定的業務理解能力...