全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 数据分析师(CDA)专版
3644 16
2016-03-19

一名数据分析师走过的路【分享·只为更好的成长】


所谓世上没有蠢人,只要懒人。而我恰恰就在青春的几年岁月里将自己推到了懒人的行列。在数据分析师的行业里“懒”过了几年,如今回头来看看自己,觉得自己挺乐观的,也挺好玩的。一名数据分析师走过的路,就是我,与你分享分享我的股市,只为让你们更好的成长。希望我的一番经历和总结,可以给你带来一些帮助和借鉴,让你的数据分析师可以走得更坚定、更顺畅!不过纯属借鉴,一切还是得自己慢慢去领悟和体会喔!


(60).jpg



走过的路,成长还在继续


疏于总结自己走过的路做过的事就是我的“懒”体现之一,最近看到不少童靴在各种渠道问各种关于数据分析师的问题,比如“快要毕业了想做数据分析师要如何准备面试”,“现在是做XX工作,换工作时想转行做数据分析师应该补充些什么指示”等等,所以决定摆脱拖延症就从总结自己作为一个数据分析师走过的路开始,各位看官觉得有所收益,欢迎点赞,若想拍砖也请求大侠给小女子一些指点。


2008年在黑龙江省某大学统计学本科毕业,放眼我龙江招收统计学学生的岗位只有各种车间统计员(也许是本人没有找到好的机会,不同意这个就业现状的童靴请鄙视我好了)。去几个厂子面试下来,出于不想每天进出车间的原因,开始寻找北京上海的工作机会,于是乎就来到了上海。


第一份工作是在一个对外贸易电商公司做会员统计分析,将当时的工作情况总结为下图,如果现在工作内容和我这份工作相似的童靴可以参考下我转换到下一份工作的方向和需要准备的知识。


工作两年后由于再无法从这份工作中得到提升,于是开始考虑换工作的事情了,由于技术能力有限和机缘巧合,得到了“数据库营销”这份工作,在原有知识和经验的基础上,恶补了SQL数据处理技能和营销知识,当时正值数据库营销的黄金时代,每年对公司的应收贡献不小,工作内容见下图。



做了三年数据库营销之后,由于各大email公司对广告邮件管控愈加严厉以及中国网民非工作邮箱使用活跃度大幅下降,营销效果大打折扣,我的工作热情也渐渐消退,于是开始谋划新的出路。此时数据分析师的职业已经开始风生水起,依靠我的统计学本科背景、SQL数据处理能力以及以往的业务分析经验顺利挤进数据分析师的队伍。目前在做运营岗位的童靴如果想转行做数据分析师可以参考我的转折路径和知识准备,工作内容总结如下图。



做好一名数据分析师,我总结下来12个字,懂业务、勤学习、沟通畅、工具熟,具体展开如下图,各位分析大侠们如果持不同观点,还请不吝赐教,小女子先谢过了。




二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2016-3-19 18:26:08
一名数据分析师走过的路
                    ——分享,只为更好的成长!!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2016-3-19 18:27:09
是的,分享,就是为了更好的成长。说的很对,说的很好。我喜欢分享的感觉,更期待成长的快乐。。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2016-3-19 18:28:19
篇幅不长,但讲的都挺有用的。谢谢分享,分享,可以使得自己和别人都更好地成长,很美好。。。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2016-3-19 18:29:40
谢谢分享,数据分析师,很多人都曾走过一段迷茫的时光,是挫折,但也是财富!!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2016-3-19 18:30:09
做好一名数据分析师,我总结下来12个字,懂业务、勤学习、沟通畅、工具熟。
随着企业花越来越多的时间来分析数据,清理和准备数据的解决方案将会变得更有价值。现在大数据是热门话题,你在任何地方与任何人交谈很难不提到大数据。事实上,大数据的术语有点被过度使用,它对不同的人意味着不同的东西,但所有这些定义都有一个共同点,那就是数据!

上面我们说大数据依赖于数据,这似乎很明显,但大数据分析的成功需要的不仅仅是原始数据,还需要好的高质量数据。所以,更准确的说法应该是,大数据的成功需要准备好的数据。对于分析,有句古老的格言,“进来是垃圾,出去也是垃圾”,这意味着如果你把大量参差不齐的数据放到分析解决方案,你将会得到不好的结果。


数据的清理和准备历来都是漫长的艰巨的耗时的过程。当笔者还在Yankee Group公司时,他们迁移CRM系统,在迁移工作之前,该公司花了一年时间来清理现有系统中的记录数据,以确保不会迁移不好的数据。虽然他们做了这么多工作,仍然有很多不良信息被迁移过去。

最近,笔者看到一家被称为Paxata的公司,该公司提供的解决方案可以进行所谓的“自助服务自适应数据准备”。在分析或运营报告工作之前,该技术可以整合、清理和形成数据。市面上很多现有的商业智能产品声称可以简化分析过程,但事实是,大多数数据科学家和数据分析师花费大量时间来为分析准备数据。鉴于此,笔者认为,大多数企业宁愿聘请高薪人才找出数据的含义,而不是清理数据。


Paxata提供数据整个生命周期的准备,包括探索、清理、更换、形成和发布数据以进行分析。该产品还允许不同的数据团队共享相同的数据集,让不同的团队可以同时编辑和访问多个设备的信息。该产品还是一个管理解决方案,它会追踪项目内的每个步骤,并有完全的重放功能来审查已经完成的更改。

Paxata的用户可以提高对大型数据集的分析生产率,同时最小化数据蔓延的危险。该产品既可作为云服务—确保数据准备的灵活性,也可以作为内部部署的解决方案,它可以整合到Hadoop以更快获取价值。

正如上文所述,大数据现在是一个热门话题,但企业和IT领导者需要明白,分析糟糕的数据意味着糟糕的分析结果,可能会造成错误的商业决策。正因为如此,笔者希望看到数据准备技术会开始像大数据一样热门。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群