作者Zulie Rane,自由撰稿人和编码爱好者。
数据分析是一个非常酷的、有前途的行业。它一直在上升很长一段时间,这解释了为什么这么多人想知道如何进入数据分析。自从互联网和智能手机的广泛使用,疯狂的数据量无时无刻不在产生。2020年初,世界上的数据量估计为44zettabytes,或44x10^21字节。所有这些数据包含大量非常有用的信息,如消费者的购买模式或疾病指标。
数据分析员掌握数据集,并负责理解它们。这些数字说明了什么,公司应该怎么做?一个简单的例子是,当你把一件商品放在购物车里,包含顾客经常一起购买的产品时,就会出现产品的横幅。数据分析员可以负责确定哪些产品应该相互关联,以提高转化率。
数据分析是分析原始数据以发现趋势并回答问题的过程。它涉及到很多在屏幕前的个人工作,但如果你喜欢数学和编程,这对你来说是一个很好的机会。您可以获取和收集数据,以及清理、组织、可视化和分析数据。
简单说明一下:数据科学家负责为数据设计和构建新的模型。他们创造原型,算法,预测模型。数据分析师做的是顾名思义的事情--她查看数据,试图预测趋势,进行可视化,并传达结果。换句话说,数据分析师分析数据。在美国,数据科学家的年薪比数据分析师高出3-4万美元,所以这是一个重要的区别。
这就是本文将如何引导您完成获得第一份数据分析工作所需了解的一切。
在您开始考虑如何进入数据分析之前,您应该确保您了解该领域。数据分析是从大量数据中找出意义的艺术。据toDOMO称,自2020年以来,地球上每秒为每个人创造1.7MB的数据。数据分析师的任务是找到与他们的业务应用程序相关的数据,理解这些数据,并找到应用这些知识来改进业务的方法。
数据分析中有许多子字段。这些包括描述性、诊断性、预测性和规定性分析。您可以通过以下方式来考虑这些不同类型的分析。
数据分析师可以在日常工作中很好地涵盖所有这些子领域。通常,数据分析人员将逐步完成所有这些形式的分析,以最大限度地利用数据集并优化其业务影响。如果您想进入数据分析,了解这些不同形式的分析和应用它们的诀窍是很重要的。
数据分析师的任务是帮助企业做出数据驱动的决策。由于收集数据很简单,数据分析师可以测试他们的假设,并纠正他们所做的说明性模型,以提高他们的性能,并调整从他们的数据洞察中创建的操作项。根据数据做出假设,实现你的预测,并分析结果是进入数据分析的方法。
鉴于数据分析是数学和编程的交叉,它是一个非常技术性的领域。你必须使用许多不同的工具和技术技巧来完成这项工作。软件工程师玛格丽塔·哈马赫(Margarita Hamacher)为数据分析师整理了一份7种技术技能的综合列表。数据分析不仅仅是硬技能。但对于任何想知道如何进入数据分析的人来说,这些技术技能将是一个很好的起点。
这些技能包括数学、数据可视化、机器学习、编码等。数学需求可以进一步分解为线性代数、统计学和概率,这些都是数据分析师真正重要的理论基础。值得强调的是如何将数据分离用于训练和测试的重要性,并列举基本的机器学习算法,如果不是实现的话,您应该放心使用。
如果您想知道如何进入数据分析,那么掌握所有这些技能是很重要的,因为您需要每一种技能来正确地理解数据并准确地分析数据。此外,这些技巧中的很多对于面试问题来说都是绝对公平的游戏。
我肯定会创建一些使用这些技能的个人项目,并在你的简历中链接到它们。如果你遇到下面这样的问题:
如果您已经通过项目中的实际数据解决了同样的问题,您的答案将更加令人信服和知情。您可以讨论这些相关特性对项目中使用的数据集分析的影响。
数据分析是一个真正迷人的领域。例如,大多数经典经济学理论都是基于人类个体做出理性决策的假设。这种假设是错误的,因此使许多经典的经济理论完全过时。例如,一个古老的经济学理论认为消费者喜欢选择,虽然在某些情况下这是正确的,但做出决定可能会让人筋疲力尽,马克·莱珀和辛·艾扬格发现了选择的悖论。他们发现,如果顾客有6种选择,而不是24种,他们更有可能购买果酱。然而,基于数据的经济理论要准确得多。数据分析仍然需要时不时的一些小假设,但由于它完全基于所收集的数据,如果您的数据是全面的和有代表性的,数据分析提供了一种优雅而准确的方法来理解世界以及在其中做出的决定或习惯。
数据分析是一个跳跃的领域。美国劳工统计局预测,到2026年,数据科学领域将增长28%。如果你在找钱,美国数据分析师的平均工资是70000美元,而且随着对数据分析师需求的增加,这一数字可能会上升。这是进入数据分析的好时机,您可以采取一些简单的步骤来进行分析。
数据分析是一个非常技术性的领域,所以任何想知道如何进入数据分析的人都需要对大量高级数学概念有很强的理解,而且你应该是一个称职的程序员。如果你对数字和它们能向你揭示的东西有热情,一旦你确保你能掌握上面概述的技术来满足工作要求,数据分析就是你的工作。
数据分析师工作中的一个重要因素是您需要的上下文业务知识,这是许多人没有考虑的。如果您是一名处理树生长数据的数据分析师,而数据集中缺少某些值,则需要对树及其生长方式有足够的了解,以确定是否可以抛出这些数据,或者补充这些数据的最佳方式是什么。您还需要能够理解数据集的特性意味着什么。如果您有两个特性,就其含义而言非常相似,那么您可能想扔掉其中一个。通过使用上下文知识评估特征之间的依赖关系以及哪些特征与手头的问题最相关,您可以省去对特征依赖关系进行深入分析的麻烦。
想想你的激情或你现有知识的领域是什么,以及你如何将数据分析应用到这些领域。许多从事数据分析的人没有数据分析的正式背景或学位,所以你可以成为一名数据分析师,处理你所研究的领域的数据。
如何进入数据分析的很大一部分是粉碎你的数据分析师职位的面试。除了精通Python并能够解释中心极限定理之外,您还可以逐步了解如何比较不同后端引擎的性能以自动生成建议。看看下面的面试问题:
准备技术面试的最佳方法。回答技术问题是一项技能,就像其他任何技能一样。不断练习编码和非编码问题。您可以使用StrataScratch这样的网站,它为数据分析师提供了大量的编码和非编码面试问题。
除了回答编码问题,比如找出每个用户在Facebook上的受欢迎程度百分比,以及技术、理论和非编码问题,比如解释时间序列预测的不同技术,你还需要为行为面试问题提供与数据分析师相关的内容。虽然你的大多数面试都是技术性面试,有编码或非编码问题,但重要的是你要有一段时间你经历过失败或你特别自豪的成就的例子,这些例子与数据分析有关。
这就是为什么与数据分析有关的个人项目如此重要。也许你有拯救动物的热情。你可以创建一个模型,预测什么策略最有效地让动物被收养。如果你有机会应用你的模型,就更好了,比如如果你有一个动物收容所来遵循你推荐的策略,看看这是否会对收养率产生影响。数据分析可以应用于任何有数据的领域。一定会有一个数据集与您感兴趣的主题相关。在这方面练习你作为数据分析师的技能,这样你就可以为你的面试官突出这些技能。
许多可能担心如何进入数据分析的程序员和非程序员应该知道,正规教育,特别是数据分析,是不需要的。并不是很多大学都有完整的数据科学或数据分析学位课程。尽管越来越多的大学增加了数据分析项目,但对数据分析师的需求仍然太高,雇主不需要正式的数据分析或数据科学背景。如果你有数学或计算机科学的背景,这可能会很有帮助,但不是必需的。
要获得一份入门级数据分析师的工作,最好的办法是精通Python并对SQL以及SAS、R、Tableau或其他数据库接口工具和语言非常有信心。如果你没有C.S.的背景。或者数学,在一旁发展这些技能,并将它们应用到展示你能力的个人项目中。
由于上下文知识如此重要,数据分析是从另一个行业进入的一个很好的领域。根据您所分析的数据的行业,无论是医学图像还是在线零售行业中中小企业的购买模式,对您所分析的数据的行业有重要的了解可能是有帮助的,有时也是必要的。
在美国,数据分析师的平均工资是70.7万美元,但对于那些职业生涯后期的人来说,工资可以高达10.6万美元。我们的帖子数据科学家赚多少钱可以帮助你了解数据分析方面的工资,以及他们是如何受到各种因素的影响的。
数据分析师的常见工作职责包括收集和组织数据、确保符合数据政策、执行质量控制功能以确保数据的完整性、利润优化建议或制定价格和组合折扣计划。确切的职责在不同的公司之间可能会有很大的差异,所以检查确切的工作描述,找到与你最喜欢的任务相匹配的工作描述。
数据分析是一个广阔的领域。对数据分析师的需求迅速增长,这意味着你将享受相对较高水平的工作保障。由于这个行业还很年轻,所以有很大的职业发展潜力。所需的技能多种多样,所以绝对不是为那些已经完成学习的人准备的。由于该行业发展如此迅速,在未来几年中,在使用的工具和新的应用程序方面肯定会有很多变化。
如果你想进入技术和编程领域,但又不想回到学校或成为软件工程师,数据分析对你来说是一个很好的选择。数据分析员仍然可以处理代码,但你可以少处理随叫随到或处理开发人员的头痛问题。数据分析的应用通常是迷人的,通过指导企业做出数据驱动的决策,您可以对企业的成功产生很大的影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10推荐学习书籍 《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门! ...
2025-03-07在数据驱动决策的时代,掌握多样的数据分析方法,就如同拥有了开启宝藏的多把钥匙,能帮助我们从海量数据中挖掘出关键信息,本 ...
2025-03-06