数据分析师：数据驱动型业务决策的关键角色

数据分析师通过解释大量数据来帮助组织了解业务的当前状态。

什么是数据分析师?

数据分析师使用数据帮助组织做出更好的业务决策。数据分析师使用计算机编程、数学、统计学和其他学科从数据中得出结论来描述、预测和提高业务绩效。他们是分析团队的核心，通常是精通数学和统计分析方法的多面手。

对数据分析师的需求不断增长

随着组织快速发展其分析能力，数据分析师的角色需求量很大。根据国际数据公司4月份的预测，大数据和业务分析解决方案的收入将达到1891亿美元，到2022年将有两位数的增长。

Gartner尊敬的副总裁丽塔·萨拉姆(Rita Sallam)表示:“商业和技术从未变化如此之快，尤其是在分析方面。随着许多企业经历数字转型，数据和分析变得越来越重要，因为它们将数字流程添加到所有业务中，包括产品本身。”咨询公司卡鲁泽斯的总经理、英国国有铁路公司前首席数据官卡洛琳·卡鲁泽斯说，尽管该组织在过去几年一直专注于数据科学、机器学习和人工智能，但现在可能转向分析。杰克逊是《首席数据官的行动手册和数据驱动的业务转型：如何颠覆、创新和保持领先于竞争对手》的作者之一。

卡鲁泽斯说，“许多人不再关注分析技术，因为许多人对机器学习和人工智能的应用感到兴奋，然后他们可能会说我们必须做所有这些美妙的事情。”许多人忘记了组织实际上从分析中获得了巨大的价值。因此，它开始转向推动组织中的数据分析。”

数据分析师与数据科学家

数据分析师的角色

数据分析师试图通过将数据转换成企业可以访问的信息来描述他们组织的当前状态。他们收集、分析和报告数据以满足业务需求。这一角色包括确定新的数据源和方法，以改进数据收集、分析和报告。另一方面，数据科学家通常从事长期研究和预测，而数据分析师则寻求通过报告和特别调查来支持商业领袖做出决策。

Looker的首席数据科学家希拉里·格林-勒曼说，数据分析师和数据科学家之间的差异是由时间尺度造成的。数据分析师试图描述当前状态，数据科学家试图预测和/或理解未来。数据分析师可以帮助组织更好地理解他们的客户如何使用他们的产品——，哪些产品对他们有用，哪些产品不有用。数据科学家可以利用这项工作产生的洞察力来帮助设计一种可以预测新客户需求的新产品。

格林-勒曼说:“许多人认为数据分析师只是初级数据科学家。他们将在提高水平后成为数据科学家。有时候这是真的，但是我发现一个真正好的数据分析师和一个数据科学家有不同的技能。“

数据分析师的职责

数据分析师的薪酬

数据分析师技能

从事数据分析师工作

根据沃克尔的说法，关键数据分析师的职责包括:

数据分析师的教育和培训

数据分析师的认证

另一方面，就业搜索引擎将美国数据分析师的平均年薪设定为65，152美元。事实上，数据分析师通常可以在非传统技术领域赚得更多。

数据分析师薪资排名前5位的城市(按生活成本调整)

@

其他的数据分析工作

根据Inded的调查数据，以下是数据分析师最需要的技能:

尽管机器学习名列榜首，但Inded指出只有3%的数据分析师职位包括机器学习。格林-勒曼解释说，机器学习仍然是数据科学家的领域。

Green-Lerman说:“数据科学家开始进入广泛的领域来研究一切数据，然后把它分成机器学习科学家和数据分析师。”

Green-Lerman说，她认为该组织将越来越多地公布数据科学家作为“机器学习数据科学家”的职位，以及数据分析师作为“分析数据科学家”的职位。

她说，“我认为这种措辞的原因是工资问题。数据分析师的工资通常要低得多，但从事分析工作的人员可能需要与从事机器学习的人员具有相似的教育背景。”

除了分析和数学技能以及使用诸如SQL等语言的能力之外，沟通技能也很重要。数据分析师通常需要联系业务部门来理解业务目标和收集需求。

Green-Lerman说，在申请数据分析师的职位时，技能和经验的折衷结合是获得关注的关键，尽管需要使用SQL和统计分析功能。

格林-勒曼说，“我通常在团队中寻找优秀的沟通者和作家。简历上的一切都应该看起来专业，因为分析师所做的就是写报告。我通常希望那些有经验的人能参加培训或硕士学位课程。我希望他们有一些实际经验，即使是实习生。”

此外，她希望收到详述几个分析项目的简历。

她说:“我喜欢列出一些数字简历，因为这意味着他们已经在考虑显示价值和关键绩效指标。但不是每个人的工作都适合这一点，所以这不是一个硬性要求。”

虽然对数据分析师没有具体的教育和培训要求，但大多数数据分析师至少拥有数学、经济学、计算机科学、信息管理或统计学的学士学位。编码培训可以有所帮助，实习经历可以提供许多组织正在寻找的经验。对

数据分析技能的需求很高且相对较小。有丰富经验和技能的个人可能要求高工资。获得正确的大数据认证和商业智能认证可以帮助数据分析师。