CDA数据分析师 出品
作者:Natassha Selvaraj
编译:Mika
导读:由于新冠疫情,一年多前我失业了。在失业后,我自学了数据分析,如今我的收入翻了三倍。
大约18个月前,正值新冠疫情爆发最严重的时期,我失去了工作。之前,我在大学期间做兼职家教。我获得的课时费被用来支付伙食费、汽车加油等费用。
随着疫情防护政策的升级,要求停课停学,居家隔离,我也不能再去学校了,被迫在家自习。
一开始这看起来很糟,但我意识到这能让我有更多的时间。我开始尝试在这段时间里提升自己的技能。
在做了一些研究后,我发现一个很有意思的机器学习在线课程。这是我学完的第一个在线课程。在那之后,我把大部分时间都用于开发项目、学习代码和获得在线认证上。
如今,一年半过去了,凭借我在数据科学和分析领域的知识,我已经有了多个收入来源。下面跟大家简单分享一下。
首先,我入职了一家公司的数据分析岗位,在实习一段时间后,现在已经成功转正了。
起初,我本以为我的工作主要是模型构建。在入职后我发现,模型构建大约只占我工作内容的10%。其余的时间,我和我的团队都在研究如何创建的新解决方案,以解决业务问题。
通常,这些问题甚至不需要用到机器学习来解决。数据解决方案大多可以通过SQL查询完成。
我每天的工作主要包括回答以下问题:
这是对我日常工作的简单概括。但我想强调的是,创建数据解决方案并不以建立模型为起点和终点。
如果你是一位有抱负的数据分析师,我建议你在想从事的行业中获得一些专业领域知识。
我会把自己在数据领域获得的经验写下来。如果我在工作中构建一个项目,我会在Kaggle上找类似的数据集并复制分析,而且围绕它写一个教程。
最开始这只是我的个人爱好,也能提升自己的作品集。但同时,这类文章也让我认识了许多志同道合的数据分析师。这也是我展示自己编写和构建ML模型能力的一种方式。
起初,我从未想过通过自己的写作会得到报酬。然而,在过去的一年里,这项爱好开始为我创造收入。现在,我可以通过创建与数据相关的教程、项目和写自己的经历来获得被动收入。
当我在数据分析社区活跃起来后,我开始收到多个项目的邀约,也接了一些数据分析的私活。我为客户建立了机器学习模型,创建竞争对手分析报告,并撰写数据科学文章。
当我最初想到自由职业时,我以为必须在某个在线平台上竞标项目。然而,我所有的客户都是在阅读了我的文章或看了我的数据分析项目后主动与我联系的。
几个月前,我构建了一个聚类算法,并在网上发布了关于它的教程。第二天,就有人主动联系我,问我是否有兴趣为他们的客户构建聚类模型。
接手这些项目让我掌握了很多我在日常工作领域以外的技能。
在我的公司,我处理的数据通常以某种预处理的格式提供,我用SQL和Python对数据进行查询和处理。
而接私活时,客户的数据的格式非常不同。大部分数据都没有经过处理或结构化,我要花很多时间来弄清数据集之间的关系并进行理解。
我还需要收集外部数据来进行分析,这通常包括爬取第三方网站和使用开源工具。这些工程中让我接触到了目前日常工作外的知识,而且我能够在从事的每一个项目中学到新的东西。
我是如何做到的
之前提到,我参加了一个数据科学在线课程。其实在刚上完课程后,我感到很失落和茫然。之后我又花了大约一个月的时间用Scikit Learn学习不同的算法和训练模型。
当时我也不知道今后该怎么发展。
之后我看到一些文章,当中分享了别人是如何在没有相关学位或任何专业资格的情况下成功地获得了数据分析工作。我意识到领域知识和借助现有数据解决问题的重要性。
对我来说,建立最精确的模型或理解模型背后的基本算法并不是必须的。
我意识到,最重要的技能是利用数据解决问题的能力,而不是局限于机器学习的算法。
之后我又我参加了商业分析和ML工程的课程。这次我花在学习代码上的时间比花在理论上的时间多,我还花时间学习了SQL和数据处理。
随后,我通过网络爬取,从在线网站收集数据。我用这些数据解决问题,并用它构建了简单的机器学习web应用。
通过这种方式,我慢慢获得了成为端到端数据科学家所需的技能。
在公司的数据分析团队中,如果有任何超出我们日常工作范围的项目,比如需要收集外部数据或新算法的项目,我通常会被分配到该项目中。
如果你对数据分析行业感兴趣,或者已经在从事数据分析工作,现在网上有很多资源可供使用。事实上,这些资源太多了,有时你会不知道该如何选择。
虽然知道构建和训练模型的基本原理是很重要的,但大多数现有工作都要求你超越这一点。真正的需求在于,你能够借助现有数据去解决实际问题。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20