什么是数据分析？
数据分析是从数据中收集见解以告知更好的业务决策的过程。分析数据的过程通常经过五个迭代阶段：
- 识别您想要分析的数据
- 收集数据
- 清理数据，为分析做准备
- 分析数据
- 解释分析结果
数据分析可以采取不同的形式，具体取决于您试图回答的问题。简而言之，描述性分析告诉我们发生了什么，诊断分析告诉我们为什么会发生，预测分析形成对未来的预测，规范分析为采取什么行动提供可操作的建议。
数据分析员的任务和职责
数据分析师的工作是收集和解释数据以解决特定问题的人。该角色包括花大量时间处理数据，但也需要沟通发现。
以下是许多数据分析师的日常工作：
- 收集数据： 分析师经常自己收集数据。这可能包括进行调查，跟踪公司网站上的访问者特征，或从数据收集专家那里购买数据集。
- 干净的数据 ：原始数据可能包含重复、错误或异常值。清理数据意味着保持电子表格或通过编程语言的数据质量，以便您的解释不会错误或扭曲。
- 模型数据： 这需要创建和设计数据库的结构。您可以选择存储和收集的数据类型，确定数据类别如何相互关联，并研究数据的实际显示方式。
- 解释数据： 解释数据将涉及找到可以回答手头问题的数据模式或趋势。
- 当前： 传达您的调查结果将是您工作的关键部分。您通过将图表和图形等可视化组合在一起、编写报告并向感兴趣的各方展示信息来做到这一点。
数据分析师使用什么工具？
在数据分析过程中，分析师通常使用各种工具来使他们的工作更加准确和高效。数据分析行业中一些最常见的工具包括：
- Microsoft Excel
- Google Sheets
- SQL
- Tableau
- R or Python
- SAS
- Microsoft Power BI
- Jupyter Notebooks
数据分析师工资和工作前景
据Glassdoor称，2021年12月，美国数据分析师的平均基本工资为69,517美元。这可能取决于你的资历、你在美国的什么位置以及其他因素。
数据分析师的需求量很大。世界经济论坛将其列为美国不断增长的就业岗位第二[1]。劳工统计局还报告相关职业的增长率极高。
从2020年到2030年，运营研究分析师职位预计将增长25%，市场研究分析师预计将增长22%，数学家和统计学家预计将增长33%。这比7.7%的总就业增长率高得多。
数据分析师的类型
随着技术的进步迅速扩大了我们可以收集的信息类型和数量，知道如何收集、排序和分析数据已成为几乎任何行业的重要组成部分。你会发现刑事司法、时尚、食品、技术、商业、环境和公共部门以及其他许多领域的数据分析师。
进行数据分析的人可能还有其他头衔，例如：
- 医疗和医疗保健分析师
- 市场研究分析师
- 商业分析师
- 商业情报分析师
- 运营研究分析师
- 情报分析师
数据分析员技术技能
- 数据库工具： Microsoft Excel和SQL应该是任何数据分析师工具箱中的支柱。虽然Excel在各行业中无处不在，但SQL可以处理更大的数据集，并被广泛认为是数据分析的必要条件。
- 编程语言： 学习Python或R等统计编程语言将允许您处理大量数据并执行复杂的方程。虽然Python和R是最常见的，但最好查看您感兴趣的职位的几个职位描述，以确定哪种语言对您所在行业最有用。
- 数据可视化： 以清晰而令人信服的方式呈现您的发现对于成为一名成功的数据分析师至关重要。知道如何最好地通过图表呈现信息，将确保同事、雇主和利益相关者了解您的工作。Tableau、Jupyter Notebook和Excel是用于创建视觉效果的众多工具之一。
- 统计学和数学： 了解数据工具实际在做什么背后的概念将极大地帮助你工作。扎实掌握统计学和数学将帮助您确定最适合使用哪些工具来解决特定问题，帮助您捕捉数据中的错误，并更好地了解结果。
