## 1.職業簡介
從事數據搜集、整理、分析,通過分析工具,并依據數據做出行業研究、評估和預測的專業人員。
## 2.工作職責
1. 熟悉行業知識、公司業務及流程,匯總統計分析所需要的信息,整理并分析統計資料
2. 負責對接各業務團隊,搭建數據分析體系,收集有效的數據指標體系,并持續迭代優化
3. 通過數據分析,維護和更新統計數據平臺結合統計指標體系、監控體系
4. 創建數據分析模型和數據采集整理方案,并不斷完善和改進統計方法
5. 撰寫數據分析報告,進行業務開展效果評估,業務診斷,提供數據咨詢服務,助力業務發展
## 3.數據分析師的分類
以下各節重點介紹數據中的不同角色,以及他們在總體范圍內的數據發現和理解中的具體責任:
* 業務分析師
* 數據分析師
* 數據工程師
* 數據科學家
* 數據庫管理員
### 業務分析師
盡管數據分析師與業務分析師之間存在一些相似之處,但這兩個角色之間的主要區別在于他們用數據來干什么。 業務分析師離業務更近,是解釋來自可視化效果的數據的專家。 通常,數據分析師和業務分析師的角色由單人承擔。
### 數據分析師
數據分析師使企業可以通過可視化和報告工具(如 Microsoft Power BI)來最大限度地提高數據資產的價值。 數據分析師負責分析、清除和轉換數據。 此外,還負責設計和構建可縮放的高性能數據模型,在報表中啟用和實現高級分析功能,用于分析報表。 數據分析師會與相關利益干系人合作來確定合適且必要的數據和報表要求,然后將原始數據轉換為相關且有意義的見解。
數據分析師還負責管理 Power BI 資產,包括報表、儀表板、工作區和報表中使用的基礎數據集。 他們結合利益干系人的要求來實施和配置適當的安全過程,確保安全保存所有 Power BI 資產及其數據。
數據分析師與數據工程師合作,確認并找到滿足利益干系人要求的合適數據源。 此外,數據分析師需要與數據工程師和數據庫管理員協作,確保分析師能夠正確訪問所需的數據源。 數據分析師還與數據工程師合作來確定新的流程,或改善現有流程來收集數據以供分析。
### 數據工程師
數據工程師預配和設置本地和云中的數據平臺技術。 他們管理并保護來自多個源的結構化和非結構化數據流。 他們使用的數據平臺可以包括關系數據庫、非關系數據庫、數據流和文件存儲。 數據工程師還確保數據服務安全且無縫地跨數據服務進行集成。
數據工程師的主要職責包括使用本地和云數據服務和工具來引入、傳出和轉換來自多個源的數據。 數據工程師與業務利益干系人協作以識別和滿足數據需求。 他們設計和實現解決方案。
盡管數據工程師和數據庫管理員的任務和責任可能有一定的結合,但數據工程師的工作范圍遠遠超出了照管數據庫和托管它的服務器,并且可能不包括總體操作數據管理。
數據工程師為商業智能和數據科學項目增添了巨大價值。 數據工程師將數據聚在一起(通常稱為數據整理)時,項目的進展更快,因為數據科學家可以專注于自己的工作區域。
作為數據分析師,你可以與數據工程師密切合作,確保能夠訪問各種結構化和非結構化數據源,因為他們為優化通常源自于新式數據倉庫或數據湖的數據模型提供支持。
數據庫管理員和商業智能專業人員可以通過學習用于處理大量數據的工具和技術,過渡為數據工程師角色。
### 數據科學家
數據科學家執行高級分析,以從數據中提取價值。 他們的工作各不相同,比如描述性分析和預測分析。 描述性分析通過稱為探索性數據分析 (EDA) 的過程來評估數據。 預測分析用于機器學習,以應用可以檢測異常或模式的建模技術。 這些分析功能是預測模型的重要組成部分。
描述性分析和預測分析只是數據科學家的部分工作內容。 一些數據科學家的工作可能涉及深度學習領域,需要反復嘗試使用自定義算法來解決復雜的數據問題。
有傳聞表示,數據科學項目的大部分工作是數據整理和特征工程。 數據工程師利用其技能成功地整理數據時,數據科學家可以加快試驗過程的速度。
表面上看,數據科學家和數據分析師的工作方式似乎大為不同,但這一猜測并不正確。 數據科學家查看數據來確定需要回答的問題,并經常設計假設或實驗,然后求助于數據分析師來幫助進行數據可視化和報告。
### 數據庫管理員
數據庫管理員實施和管理 Microsoft Azure 數據服務和 Microsoft SQL Server 上構建的云原生和混合數據平臺解決方案的操作方面。 數據庫管理員負責數據庫解決方案的總體可用性及一致的性能和優化。 他們與利益干系人合作,為數據備份和恢復計劃確定并實施策略、工具和過程。
數據庫管理員的角色與數據工程師的角色不同。 數據庫管理員監視和管理數據庫及其所在的硬件的總體運行狀況,而數據工程師涉及進行數據整理,即引入、轉換、驗證和清理數據以滿足業務需求和要求的過程。
數據庫管理員還負責管理數據的總體安全性,根據業務需要和要求授予和限制用戶對數據的訪問權限和特權。