数据分析师的职业要求 高级数据分析师要求


作为一名多年奋斗在业务前线的数据分析师 , 本着学习的态度 , 想要提升一下自己 。准备以一个初学者的心态重新学一下数据分析 。发现现在的数据分析课程 , 动不动就打包了Python、Hadoop、java、R、HIVE、SQL、Spark等工具 。这些工具别说用了 , 很多我听都没听过 。相信很多小伙伴肯定也有着类似的经历 , 那一个初学者面对如此多的课程要从何入手呢?
【数据分析师的职业要求 高级数据分析师要求】要回答这个问题 , 首先我们要弄清楚自己的职业规划是什么?学习数据分析的初心是什么?如果你的答案是解决现有业务问题 , 那接下来的文章你一定要看完 。但如果你是要找一个offer , 那你也可以参考本文找到自己未来的职业定位 。
数据分析师是一个很范的概念 , 就好像别人问你 , 同学你是学什么专业的?你回答我是一名理科生 。数据分析师有很多个方向 , 但总的来说可以分为三大类:业务分析师 , 数据工程师 , 数据科学家 。
业务分析师
大多数有意从事数据分析领域工作的人 , 最初都是业务分析师 。成为业务分析师资格相对简单 , 但是想做得很厉害却很难 。他们的主要工作是通过分析数据 , 帮助公司做出决策 。事实上我不认为存在单纯意义上的业务分析师 , 他们往往有多重身份 。他们可能是市场部的专员 , 亦或是商品部的主管 , 亦或是企业高层 。虽然身份不同 , 但是只要是通过数据指导业务进展的人 , 都可以被称为业务分析师 。
请记住:任何不以业务为基础的数据分析都是在耍流氓
当然业务分析师也有专业的 , 他们是站在业务分析师塔尖的人物 。他们通过数据建模 , 数据可视化 , 机器学习将原本需要一群人完成分析任务一个人搞定 。这种独孤求败式的人可以说是万中无一 。因为在组织中 , 这种人要比业务人员更了解业务细节 , 比IT人员更懂信息架构 , 比管理人员看得更远更广 。
从上述描述中你应该能看出来 , 所谓的业务分析师 , 其实不需要懂太多的技能 , Excel足以 。其实 , 现在很多企业还是ERP+Excel在办公 。不要把数据分析当成是多么遥不可及的事物 , 脚踏实地一步步前进才是王道 。在一个个业务问题中不断得磨砺自己的技能 , 我不需要比所有人都厉害 , 只需要比身边的同事多学一点 , 多了解一点 , 下次升职加薪就有主动权 。
那有的同学就要问了 , 难道做业务分析的人不需要懂SQL , Python这些工具吗?其实 , 还真不一定要学 。大部分的公司用的ERP都是SaaS平台(用浏览器打开的那种) , 你根本拿不到数据库 , 学什么SQL 。
另外大部分的需求现在的Excel都能完成 , 学Python完全没有必要 。不信你可以问问那些大牛 , 有几个是日常工作python不离手的 。这些东西在你职业生涯遇到瓶颈的时候再学也不迟 , 过早接触反而不利于职业发展 。
数据工程师
现在很多公司往往拥有不止一个系统 , 做分析时候经常需要从各个系统中抽取 。例如:需要销售数据从ERP(资源管理系统)中抽取 , 需要财务数据从财务软件中抽取 , 需要供应链数据从WMS(仓储管理系统)中抽取 。这也就导致了现在数据中台泛滥的原因 , 同时也为一个职业兴起奠定了基础 。
数据工程师从名字中就可以看出 , 是偏向于工科的 。他们的主要工作是为业务分析师提供数据保障 , 他们需要具有创建和集成API的能力 , 同时还需要拥有IT知识运维和优化数据库的性能 。所以SQL是数据工程师的必备语言 , 同时因为要从各个系统中把数据抽取出来 , 所以需要对于ETL很了解 。当然最好还要拥有爬虫和机器学习的能力 。
数据科学家
传统公司往往不需要数据科学家 , 他们既然被称为科学家其实是偏向于理科的 。对于数学的要求是比较高的 , 需要拥有统计学的相关知识 。同时对于Python R SAS 需要精通 。因为他们往往需要与大量的数据打交道 , 所以对于分布式算法也是必须掌握的 。因此免费开源的Hadoop系列(Hive Spark)也是要精通的 。
数据科学家其实也可以被称作高级业务分析师 , 因为 , 他们本质上也是要从数据中发现商业价值 , 只不多是通过数据挖掘的手段 。其实 , 数据挖掘并不神秘 , 只是把原来需要业务分析师花费大量精力才能得出的结论 。数据科学家通过统计学的方法得出来仅此而已 。
最后 , 用一个不严谨的说法来做一个总结吧 。如果说业务分析师是文科 , 那么数据工程师就是工科 , 而数据科学家就是理科 。如果站在公司老板的角度考虑这三个角色 , 数据工程师是做基础的 , 数据科学家是设计框架的 , 而业务分析师是具体实施的 。

    推荐阅读