Nilalaman

• Ano ang ginagawa ng isang analyst ng data?
• Mga mapagkukunan ng data at papel
• Ano ang pagkakaiba sa pagitan ng isang data analyst at scientist ng data?
• Mga kasanayan, kwalipikasyon, at tool
• Excel
• SQL

Ang isang analyst ng data ay manipulahin ang data para sa isang pamumuhay. Sa isang panahon kung saan ang mga kumpanya ay nagiging umaasa sa patuloy na pagpapalawak ng mga set ng data, ito ay isang mas mahalagang kasanayan kaysa dati. Isa rin ito sa malaking hinihingi.

Ang isa sa mga malaking kadahilanan sa pagmamaneho sa merkado sa hinaharap na trabaho ay ang Internet Of Things (IoT), na tumutukoy sa lahat ng mga aparato sa iyong bahay na konektado sa web. Ang lahat ng mga matalinong hubs, light bombilya, at fridges ay lumikha ng napakalaking halaga ng data para sa mga kumpanya upang gumana (para sa mas mahusay o mas masahol), at ang data analytics ay maglaro ng isang malaking papel sa industriya na ito pasulong, ayon sa tech analysis firm na Foote Partners.

Kung naghahanap ka ng linya ng trabaho sa hinaharap na may mahusay na mga pagkakataon na maaari mong tangkilikin mula sa bahay, maaaring maging tama para sa iyo. Tingnan ang mga kasanayan na kailangan mong malaman, at kung paano ka makapagsimula.

Ano ang ginagawa ng isang analyst ng data?

Ang isang analyst ng data ay isang tao na nakakakuha ng "kapaki-pakinabang na pananaw" mula sa malalaking set ng data. Nangangahulugan ito ng pagsalin ng mga numero sa simpleng Ingles. Maaari silang lumikha ng mga ulat at visualization upang ipakita ang impormasyong ito, at upang ipakita ang mga kapaki-pakinabang na ugnayan o mga uso. Pagkatapos ay magamit ito ng mga kumpanya upang ipaalam ang kanilang mga pagpapasya.

Ang mga analyst ng data ay maaaring gumana sa loob ng isang samahan, o maaaring tumagal sa maraming mga kliyente bilang bahagi ng isang ahensya.

Para sa marketing, ang isang analyst ng data ay maaaring matukoy ang isang malaking porsyento ng mga customer na bumili ng X produkto ay mga mag-aaral na sikolohiya ng kababaihan. Pagkatapos ay inirerekumenda nila na ang target ng kliyente na higit pang demograpiko sa marketing sa hinaharap. Bilang kahalili, maaaring mapansin nila ang isang kalakaran na nagpapakita ng higit at mas maraming mga lalaki na ngayon ay naging interesado sa produkto. Ito rin ay isang bagay na maaaring makamit ng negosyo. Maaaring mas mahahanap pa nila ito ay isang demograpiko ang kumpetisyon ay kasalukuyang hindi nakatutulong sa.

Isinalin ng isang analyst ng data ang mga numero sa payak na Ingles

Ang isa pang praktikal na halimbawa ay nagmula sa Forecastwatch.com, na nagtitipon ng mga pagtataya mula sa libu-libong iba't ibang mga ulat at inihahambing na sa aktwal na mga ulat ng tao kung ano ang tulad ng panahon. Gamit ang lahat ng impormasyong ito, ang mga forecasters ay maaaring pagkatapos ay pinuhin at pagbutihin ang kanilang mga modelo.

Mga mapagkukunan ng data at papel

Ang mga set ng data na ito ay maaaring magmula sa isang iba't ibang mga mapagkukunan: mga istatistika sa pagbebenta, mga kard ng katapatan, account ng gumagamit, feedback ng customer, apps at software, analyst ng trapiko sa website, pananaliksik sa merkado, pag-aaral sa laboratoryo, at marami pa.

Ang isang malaking bahagi ng gawaing ito ay kasangkot sa paglikha ng mga ulat, na magbibigay ng pananaw at mga uso na maaaring maging kapaki-pakinabang para sa pamamahala. Ang mga analyst ng data ay kinakailangan din upang makakuha ng data upang "makipag-usap" kapag kinuha ito mula sa maraming iba't ibang mga mapagkukunan. Maaaring kailanganin nilang alisin ang mga datos na may kamalian (paglilinis). Kahit minsan ay hilingin sa kanila na "mag-massage" na data upang gawin itong medyo mas matapat sa mga layunin ng samahan!

Maaari itong maging isang kapana-panabik at kapakipakinabang na trabaho, at makakatulong ka sa pagpipiloto ang direksyon ng isang kumpanya batay sa mga matalinong pananaw na hinihimok ng data. Gayunpaman, maaari rin itong maging isang mapurol na linya ng trabaho lamang ng ilang mga hakbang na tinanggal mula sa pagpasok ng data. Ang paghanap ng isang solong spreadsheet ay hindi mapaghamong o reward para sa karamihan ng mga tao. Ang iyong tungkulin ay depende sa samahan at sa iyong lugar sa loob nito.

Ano ang pagkakaiba sa pagitan ng isang data analyst at scientist ng data?

Ang isang kapaki-pakinabang na pagkakaiba upang maunawaan ay ang pagkakaiba sa pagitan ng isang siyentipiko ng data at isang analyst ng data. Ang linya ay maaaring maging isang medyo malabo, ngunit sa pangkalahatan ang mga siyentipiko ng data ay gumana nang higit pa sa pag-aaral ng makina at mapaghulaang pagmomolde. Gumagamit sila ng data upang gumawa ng mga hula tungkol sa hinaharap, at sa pangkalahatan ay may mas malakas na background sa matematika, istatistika, at computer coding.

Ang mga siyentipiko ng data ay nakikipagtulungan sa pag-aaral ng AI at machine. Ang pag-aaral ng makina ay mahalagang isang mas malaki, awtomatikong bersyon ng kung ano ang ginagawa ng isang analyst ng data, na may mga algorithm na naghahanap ng mga pattern sa mga napakalaking set ng data, na sa kalaunan ay matututo silang makilala ang ilang mga elemento sa loob ng isang imahe, upang makita ang natural na wika ng tao, o gumawa mga desisyon tungkol sa advertising. Bilang isang scientist ng data, maaari mong isulat ang code sa Python at SQL upang matulungan itong makuha ang data na ito at gamitin ito.

Magbasa nang higit pa: Cloud AutoML Vision: Sanayin ang iyong sariling modelo ng pag-aaral ng machine

Ang average na suweldo para sa isang data analyst ay $ 64,975 bawat taon ayon sa True.com, samantalang ang average na suweldo para sa isang scientist ng data ay $ 120,730.

Kung interesado kang maging isang siyentipiko ng data, at nagtatrabaho sa mga algorithm ng pag-aaral ng machine sa pagputol ng gilid, isang mahusay na lugar upang magsimula ay kasama ang Machine Learning and Data Science Certification Bundle.

Mga kasanayan, kwalipikasyon, at tool

Bagaman hindi mahalaga, ang isang degree sa alinman sa mga sumusunod na paksa ay maaaring maging kapaki-pakinabang para sa isang analyst ng data:

• Matematika
• Computer science
• Mga Istatistika
• Ekonomiks
• Negosyo

Ang isang bilang ng mga tiyak na kasanayan ay darating din sa madaling gamiting at tiyak na nagkakahalaga ng pagbuo. Sa kabutihang palad, ginagawang mas madali ang web ngayon kaysa makakuha ng mga kasanayang ito at sertipikasyon mula sa bahay. Nagbibigay ang Udemy ng mga kapaki-pakinabang na kurso para sa halos bawat kasanayan na kakailanganin mo bilang isang analyst para sa ilalim ng $ 20 sa karamihan ng mga kaso. Narito kung ano ang mabuting malaman.

Excel

Hindi ito kaakit-akit, ngunit maraming mga analyst ng data ang gumugol ng maraming oras sa Excel, na lumilikha ng mga talahanayan at masalimuot na mga equation. Kapag pumapasok sa isang pakikipanayam o nag-aaplay para sa isang panandaliang kalesa, malamang na kakailanganin mong ipakita ang mga advance na kasanayan sa Excel. Kaya magsipilyo!

Subukan ang Kurso ng Udemy: Microsoft Excel - Excel Mula sa Startner hanggang Advanced.

SQL

Ang SQL ay nakatayo para sa Struktur Query Language at isang pagpapahayag ng wika para sa paglikha at pagkuha ng data mula sa isang database. Kung sinusubukan mong makuha ang data mula sa ilang mga gumagamit ng isang website, malamang gagawin mo ito sa pamamagitan ng pakikipag-usap sa isang database na nakaimbak sa isang server gamit ang SQL. Ang SQL ay mukhang nakakatakot sa una, ngunit madaling sapat upang maiiwas ang iyong ulo at maaaring maging napakalakas sa sandaling gawin mo.

Subukan ang Udemy Course: Ang Kumpletong SQL Bootcamp.