关于如何从不同背景过渡到数据分析的5点思考

关于如何从不同背景过渡到数据分析的5点思考

您是否正在寻找在数据分析领域中的角色?您来对地方了!

如今,感觉像是世界上一半的人都希望进入数据分析领域,并获得了令人赞叹的待遇,并且在行业中提供了很多开放机会。组织正在对数据分析人才进行大量投资,以保持或领先于竞争对手。作为数据分析的追求者,您不可能选择一个更好的时间来改变您的职业!

但这带来了自己的挑战。我的网络中经常有人问我应该如何过渡到数据分析。来自各种背景(IT,销售,财务,人力资源,医疗保健等)的人们都希望获得数据分析的一份子。

首先让我消除您的疑虑- 从您当前的工作(或研究)完全有可能过渡到数据分析。这就是我们将在本文中讨论的内容!

在本文中,我整理了从互联网上获得的最佳答案。我们将讨论如何从这些背景过渡到数据分析:

软件工程/开发

金融

UX(用户体验)

应用开发

没有相关/技术背景的新生

1.从软件工程师角色转变为数据分析师角色 – Yassine Alouini

这个选择是为寻求过渡到数据分析的软件工程师而设计的。Yassine列出了进入数据分析应该做的事情。他还解释了什么样的角色适合软件工程师进入该领域。

从技术上讲,这些角色并不是“规范”的数据分析师角色,而是足够紧密并在较大的数据分析领域中得到了考虑。

如果您仍然想成为一名数据分析师,那么您应该研究以下技能:

基本概率和统计:没什么花哨的,只是基本的东西

SQL:您可能熟悉这种(古怪的)语言。您可能已经使用ORM与其他数据库进行交互。了解更多有关它的信息:窗口函数,CTE,触发器,良好的SQL样式指南等

建模:同样,没有什么太花哨的。学习一些好的模型以及何时使用它们。需要时在线阅读文档和教程。此技能还需要您所从事工作的领域知识(从健康保险到仓库物流)

数据可视化:数据分析在变成图表之前不是很有价值:可以是地图,时间序列,3D饼图(开个玩笑,请不要那样做)或其他任何东西

报告:一旦您有了扎实的见解,就应该将其提供并组织成一份引人注目的报告。它可能是文档或仪表板(总是喜欢这些)

沟通:最后,您已经生成了报告和/或仪表板。与同事和上司讨论时,请放心。这是一项很难掌握的技能,但从长期(和短期!)的角度来看完全值得

2.从金融到数据分析的职业过渡 –理查德·萨尔达尼亚

金融似乎很适合数据分析,不是吗?这是一个数字字段,与数据分析领域很好地融合在一起。BFSI部门在数据分析采用方面处于领先地位并非偶然!

因此,如果您来自会计/财务背景,那么您就已经实现梦想成为数据分析角色了。

如果您想担任金融业的数据分析师,则可能需要以下大多数(如果不是全部)属性:

数学/统计学,计算机科学,物理,工程或具有重大数学内容的学科的学位

具有多种语言(包括编译和解释)的编程能力,例如C / C ++,S(例如,以R实现),Matlab,Python和/或Java

在任何传统的RDBMS(例如MySQL,PostgreSQL,Oracle,SQL Server)中都具有良好的数据库技能(即至少SQL编程)

擅长处理来自彭博社,路透社的时间序列数据或任何可用的大量财务数据流

但是,在金融领域从事数据分析工作的人还有两个非常重要的特征,这些特征很少被讨论:

您需要能够与非专业人士进行口头和视觉上的数学思想交流

您需要知道如何利用他们的数学训练来解决真正的商业问题

除此之外,您还需要对优化(在学校学习到的线性代数和微积分作为基础),统计推断,模拟,多元分析和适当的数据可视化有很好的理解。

如果您接受过此类培训,那么理解诸如支持向量机,神经网络,随机森林和梯度增强之类的技术仅仅是跳,跳,跳。

3. UX设计人员/研究人员应该成为数据分析师吗?–克里斯·贝克尔(Chris R. Becker)

这是一个有趣的职业过渡!老实说–我没有考虑过要过渡到数据分析的UX用户。

克里斯·贝克尔(Chris R. Becker)的答案侧重于学习数据分析工具,同时牢记UX体验。他陈述了UX设计人员已经在使用的一些工具,以及这些工具如何用于数据分析目的。他强调与数据分析团队合作,以更深入地研究关键数据分析主题。

这些是执行UX和查找数据模式所必需的数据工具和方法。但是,它们的范围和范围有限。

如果您想更深入地研究数据分析工具和语言,这将变得更加复杂。您可以学习高级Excel,Tableau或sci-sense之类的数据工具,或者使用D3.js或R这样的数据库来学习JavaScript之类的代码。这些工具和代码语法很难学习。

作为UX研究人员,我宁愿与数据分析师一起工作,也不必学习其他职业才能有效地完成工作。我认为了解数据的可能性,然后根据需要寻找专业知识至关重要。在这种情况下,显然会精通数据分析工具,并与数据分析师合作。寻找可以帮助您在研究数据中找到新的相关模式的团队成员。

 4.我如何成功地从应用程序开发转向数据分析 – Ankita Ghoshal

考虑到它的相关性,我从Analytics Vidhya文章本身中得到了这个答案。许多应用程序开发人员希望过渡到数据分析,但不确定他们是否具备足够的资格。

Ankita Ghoshal撰写的这篇文章将消除任何疑问!她详尽地解释了,如果您现在就开始,如何才能成功地完成这一职业过渡!

进入新领域的最佳方法是首先了解当前技术。您可能已经猜到,2016年的流行语是“数据分析”和“机器学习”。

我已经通过在线文章模糊地听说了这些术语。我开始探索该领域的职业选择,发现统计学是数据分析的基础。这与我的兴趣完美契合-统计信息一直让我着迷。没有什么比在您喜欢的领域里工作更好了!

Google在“ Analytics机器学习教程”上进行了快速搜索,使我进入了印度最大的数据分析社区“ Analytics Vidhya”。我浏览了他们关于教育机构的文章,这些机构提供了数据分析职业课程。

在转用数据分析之前,我将大部分职业都花在了编程上。小时候,我学习了统计学,但是那些概念早已被遗忘了(因为我敢肯定您会与之联系的!)。进行这种过渡确实很艰难,但并非没有可能。

关键是永远不要停止学习。在此切换过程中,我意识到您不需要学习现有技能就可以学习新技能。我将编程技能用作IT和数据分析之间的桥梁,以更合理地构造机器学习代码。

这一过渡也帮助我理解了项目结果的呈现方式因行业而异。

例如,在IT行业中,Web开发项目的输出是涉众完全可以理解的网页。在数据分析领域,输出通常是数字。数据分析专业人员的作用是使用指示性故事向客户/利益相关方透露这些数字。

对于准备开始向数据分析过渡的人员,我建议您仔细阅读以下建议:

1.问问自己- 您是否真的对数据分析感兴趣并且很合适?不要仅仅因为魅力和炒作而倒下。在线上有大量资源,例如有关Analytics Vidhya的各种文章和博客,以了解该领域的全部内容。

2.统计人员和编程专业人员无疑将拥有一些优势。但这是个好消息– 即使非技术人员也可以过渡。最重要的是您的思维过程以及质疑和分析手头信息的技巧

3.如果您是其他任何领域的经验丰富的专业人员,那么在转向数据分析时,都准备好被视为一个相对较新的职业。对于许多人来说,接受您必须放弃多年资历的过渡可能会非常困难。我明白那个。但是,如果您尽力而为,那么这个行业将为您提供更多的知识,更大的成功和惊人的加薪

5.成为数据分析师不需要任何背景 – Arun Korupolu

我们看到的最常见的问题之一是–我可以成为没有技术/工程背景的数据分析师吗?简短的答案–是的!

以下Arun的答案完美地总结了我们的想法。您不一定需要博士学位。甚至是要开始的编程背景(尽管如果您有这种经验,那可能会有所帮助!)。

从长远来看,成为一名数据分析师并不需要任何背景,这与您的兴趣有关,您询问是否有兴趣使用数据并设想自己将数据和决策制定结合在一起。

我可以建议一个高级学习途径,但是个人在时间和精力上的学习需求可能需要在这些步骤中进行适当的调整。

理想情况下,如果没有任何经验,那么初学者将需要开始学习编程。您可以按照以下三个步骤进行学习:

学习编程(R或Python)并精通该语言

获得这些学科的知识- 中级统计与概率,大学代数,线性代数,机器学习算法和方法

与独立项目合作。在解决这些项目的目标的同时,尝试逐步进行学习

发表评论

您的电子邮箱地址不会被公开。