为什么每个组织都需要数据分析师
如今，当数据公司需要专家从数据中获得一些见解时，围绕数据科学家的角色如此大肆宣传，首先想法是寻找数据科学家。但它真的是最好的选择吗？让我们看看数据科学家和数据分析师的角色有何不同，以及为什么您可能希望在任何其他角色之前聘请分析师。
数据科学家或数据分析师？
那么，数据科学家和数据分析师之间的区别是什么？这些角色的定义可能有所不同，但通常认为数据科学家结合了三个关键角色 – 数据分析师，统计学家和机器学习工程师。换句话说，这些公司希望数据科学家能够熟练掌握初步数据分析，善于揭示因果关系，并且能够建立机器学习模型。有了这样的期望，很明显三合一优于一合一，数据科学家变得更受公司的青睐。
但等等……有可能某人在这三个角色中都是完美的吗？更重要的是，所有这些角色都需要类似的技能吗？或者说数据分析师和机器学习工程师使用的技能和方法完全不同？
事实上，这些专家的方法确实有很大不同。谷歌首席决策科学家Cassie Kozyrkov对这种差异提供了精彩的解释。她声称数据分析师在公司内部提供快速结果，例如，回答问题是否有任何有趣的数据相关性？为了满足决策者对快速和简短答案的期望，数据分析师使用相应的编码风格 – 使用更少的代码行并为管理者生成易于理解的相关矩阵。机器学习工程师有一个完全不同的编码风格 – 他们的目标是建立一个“完美”的模型，这通常需要很多，很多，很多时间。
统计学家也无法提供快速结果 – 他们会说：“等等，等等我们无法从这些数据中得出任何因果关系。我们甚至不知道结果是否具有统计意义“是的，有时您需要擅长统计数据的统计学家或数据科学家来回答这类问题。但是你真的需要这些答案才能了解数据中的相关性吗？实际上，没有。在获得数据分析师的初步结果后，您需要聘请一位领域专家，他们决定哪些已识别的模式对业务确实很重要，值得进一步调查。因此，正如您所看到的，最好在初步数据分析之后和深入的假设检验之前获得领域专家的意见 – 当同一个人执行数据分析和深入测试显示模式时难以安排的事情。
您可能已经看到数据分析师在某些情况下比数据科学家更令人满意。但现在让我们澄清数据分析师应该具备哪些技能来满足决策者的需求并成为组织的资产。
组织真正需要什么样的数据分析师？
数据分析师在组织中的主要作用是通过识别数据中有趣且重要的模式并提供埋藏在大量表格，K线走势图和日志文件中的快速答案来帮助决策者。简而言之，如果领域专家发现这些领域很重要，数据分析师会确定需要统计人员和机器学习工程师注意的领域。
因此，您希望在数据分析师中看到以下品质：
- 数据讲故事。一个优秀的数据分析师可以阅读数据并讲述令人兴奋的故事。但真正重要的是，高知名度的数据专家永远不会超越数据并始终允许多种可能的解释。例如，他们可以说：“在我们在Facebook上推出我们的上一个广告活动后，看起来我们获得了更多的潜在客户。这可能是关于此活动有效性的信号，但潜在客户数量的增长也可能是由季节性变化引起的。需要进行更深入的分析。“
- 数据可视化技能。创建视觉上吸引人的，有意义且易于理解的图形的能力对于数据分析师来说也是非常重要的。故事总是受益于出色的可视化，这使得决策者的生活变得更加容易。
- 技术专长。专业数据分析师可以为您提供隐藏在数据中的许多有趣见解，只需使用电子表格即可。但是，为了提供真正快速的结果并创建专业的可视化，数据分析师通常需要除电子表格之外的技术专业知识。因此，今天您可以期望数据分析师熟悉Python编程语言，并熟练使用Tableau或Microsoft Power BI等工具。
- 编码风格针对速度进行了优化。您不需要数据分析师具有与软件工程师或机器学习工程师相同的编程技能。数据分析师应该知道如何使用Python清理数据，如何执行数据分析，以及如何使用清晰的可视化和表格来呈现信息。网上有一些非常好的价格可以教授这些技能。此外，数据分析师应熟悉为数据分析创建的最流行的包，并使用这些包以最有效的方式执行所有分析。
- 领域专业知识（可选）。并非所有公司都需要数据分析师的专业知识，但这绝对是一项技能，可以成为专业数据分析师的关键优势。换句话说，如果有人想要成为最佳数据分析师的队列，他们应该熟悉一个域。这项技能将帮助他们区分对业务非常重要的模式和不值得数据专家和决策者花时间的发现。
既然我们知道什么样的数据分析师可以成为公司的宝贵资产，那么让我们总结一下我们对优秀数据分析师的期望，以及为什么每个组织都需要这样的专家。
每个公司都需要数据分析师
如果组织的经理做出数据驱动的决策，那么该组织肯定需要数据分析师。有幸找到具有上述技能的优秀专家的公司将拥有以下专家：
- 收集正确的数据;
- 清理数据;
- 进行数据分析;
- 用精美而有意义的可视化来呈现信息;
- 发现有趣的数据模式，并提供可能需要统计人员和机器学习工程师进一步关注的见解;
- 在执行分析时，优先考虑对业务更重要的区域。
总而言之，优秀的数据分析师是决策者的主要助手，他们将数据转化为有意义的故事，快速回答疑难问题，并推动业务朝着正确的方向发展。