Questo articolo è stato pubblicato nell'ambito del Blogathon sulla scienza dei dati.
Esplora il percorso semplice per diventare un grande narratore di dati visuali
Non tutti sono interessati alla programmazione, la matematica e le statistiche. tuttavia, la passione per lavorare con i dati, esplorare le conoscenze nascoste nei dati e presentarle in modo semplice può essere qualcosa in cui desideri cimentarti. Questo articolo ti guiderà attraverso le competenze, strumenti e risorse necessari per diventare un analista di dati.
Competenze tecniche
Il ruolo di un analista di dati non richiede conoscenze informatiche o matematiche. Puoi acquisire le competenze tecniche necessarie per questa posizione anche se non hai un background tecnico. Prossimo, include un elenco delle competenze tecniche chiave necessarie per svolgere il ruolo di analista di dati:
- Programmazione: Il livello di esperienza nella programmazione richiesto per un analista di dati non è così alto come quello di uno scienziato dei dati. Deve avere la capacità di esplorare e analizzare grandi set di dati. Questo si ottiene tramite strumenti di visualizzazione dei dati come Power BI e Tableau. tuttavia, non tutte le aziende possono permettersi di acquistare questi strumenti. Perciò, l'opzione onnipresente è utilizzare Chiodo e le sue estese librerie di visualizzazione dei dati. Python è la scelta migliore per chiunque sia nuovo alla programmazione. È molto facile da imparare ed è il linguaggio di programmazione più usato nella scienza dei dati. Puede administrar con habilidades básicas de Python y dominar las bibliotecas clave necesarias para este rol que incluye Pandas, Matplotlib, Seaborn, Numpy y Scikit Learn..
Conocimientos básicos de SQL también es útil ya que le dará control sobre el acceso a los datos de varias fuentes. Comprender la recuperación e integración de datos ayudará a administrar bien los datos.
- Strumenti: Las herramientas de visualización de datos son las que impulsan la mayoría de las funciones de los analistas de datos. Dominar estas herramientas no requiere conocimientos técnicos. La mayoría de estas herramientas funcionan haciendo clic y arrastrando. El aspecto importante es comprender las diversas funcionalidades necesarias para analizar y visualizar datos utilizando estas herramientas. Secondo il Quadrante Magico 2020 di Gartner, Gli strumenti di analisi e business intelligence migliori sul mercato sono Potenza BI e FotoPuoi imparare entrambi o concentrarti su uno solo e padroneggiarlo. Entrambi gli strumenti hanno versioni gratuite nel cloud disponibili che comprendono la maggior parte delle funzionalità necessarie per l'analisi dei dati. La conoscenza di base dell'uso di questi strumenti si ottiene in poche settimane con l'aiuto di tutorial gratuiti disponibili online. Sarà necessario un certo impegno per acquisire esperienza a livello avanzato nell'uso di questi strumenti, che includono vari calcoli, formule, sviluppo di visualizzazioni personalizzate e taglio / taglio dei dati. È fondamentale padroneggiare a fondo almeno uno di questi strumenti.
Distinguersi es otra herramienta de análisis de datos ampliamente utilizada pero subestimada por su capacidad. Sus características están a la par con las de Power BI, ya que Microsoft ha incorporado la mayoría de las herramientas de Power BI, como el editor de Power Query, a Excel. Hay muchas funciones en Excel, como tablas dinámicas, fórmulas para la manipulación de datos y gráficos para la visualización que se utilizan de manera efectiva para desarrollar algunos cuadros de mando asombrosos.
- Conocimiento de dominio / attività commerciale: El conocimiento del dominio implica comprender los entornos comerciales de los clientes, la competencia y el futuro previsible general de la empresa. Cada analista de datos debe dedicate suficiente tiempo a adquirir el conocimiento comercial / di dominio correlato all'approccio del problema. Questo gli fornirà la capacità di comprendere il problema da diverse prospettive e trovare la soluzione migliore possibile.
Competenze trasversali
L'analista di dati richiede maggiore competenza nelle competenze trasversali rispetto a un data scientist. Sarà responsabilità di un analista di dati presentare in modo efficace il risultato dell'analisi dei dati a un pannelloUn panel è un gruppo di esperti che si riunisce per discutere e analizzare un argomento specifico. Questi forum sono comuni alle conferenze, seminari e dibattiti pubblici, dove i partecipanti condividono le loro conoscenze e prospettive. I pannelli possono riguardare una varietà di aree, Dalla scienza alla politica, e il suo obiettivo è quello di favorire lo scambio di idee e la riflessione critica tra i partecipanti.... che potrebbe includere stakeholder importanti, come il manager, il cliente e la PMI (esperto nel settore). Deve avere le competenze trasversali essenziali per trasformare le informazioni tecniche in un elemento d'azione non tecnico facile da capire. Deve presentare con fiducia i suoi risultati e proporre soluzioni tramite una presentazione impressionante. Queste sono alcune delle aree chiave di focalizzazione necessarie per questa posizione:
- Narrazione: La sua dashboard composta da tutti i grafici e dati non è sufficiente se è semplicemente colorata e piacevole da vedere. Ogni elemento della dashboard deve trasmettere un messaggio e insieme devono tessere un problema combinato con una storia basata su soluzioni per gli stakeholder. Nel periodo di tempo assegnato, deve avere la capacità di trasmettere una storia dei suoi risultati senza confondere l'utente. La sua storia deve essere concisa, semplice e mettere in risalto con precisione l'area del problema.
- Presentazione: 'Un'immagine vale più di mille parole', è un detto popolare che enfatizza l'importanza delle immagini. Un analista visivo sa esattamente quale tipo di grafici utilizzare per diverse analisi / confronto dei dati. La dashboard utilizzata per la presentazione non deve essere un caos di figure ed elementi visivi difficile da comprendere per l'utente finale. La tua presentazione deve dirigere l'attenzione delle parti interessate verso le aree chiave dei dati.
- Comunicazione: Avere buone capacità di comunicazione è molto importante, poiché comunicare quanto siano perspicaci i risultati e come possano aiutare i clienti a migliorare i profitti è cruciale. È necessario guardare il problema da diverse prospettive. Il pensiero strutturato è fondamentale per questo. Fare domande continuamente è uno degli aspetti più importanti per avere successo in questo ruolo. Un analista dei dati deve essere curioso e essere sempre in apprendimento.
Certificazioni
Ci sono molte certificazioni disponibili per convalidare le proprie competenze in questo ruolo. tuttavia, Consiglierei di optare per quelle offerte dai leader del settore come Tableau (Forza vendita) e Microsoft. Includo anche due importanti certificazioni relative all'analisi dei dati di IIBA e TDWI. Le seguenti sono le principali certificazioni che puoi consultare:
Prospettive di lavoro
L'Ufficio di Statistiche del Lavoro degli Stati Uniti. UU. Ha riportato che la domanda di competenze in data science genererà un aumento dell'occupazione del 27,9% fino a 2026. La domanda di professionisti qualificati nell'analisi dei dati supera attualmente l'offerta.
Como ya se mencionó, avere solo conoscenze tecniche non è sufficiente per questo ruolo. Il pensiero analitico e la capacità di rappresentare i numeri in schemi sono molto importanti per questo ruolo. Cosa c'è di più, il ruolo di analista aziendale si sta fondendo con quello di analista di dati, e gli analisti aziendali sono tra i professionisti più richiesti. Quindi, approfittando di questa opportunità, è il momento giusto per le persone che desiderano fare il passaggio a questo campo dalla professione del marketing / saldi / attività commerciale.
Sia che tu sia appena uscito dall'università o sia un veterano del settore, le prospettive di iniziare la tua carriera come analista di dati o di fare il passaggio a questo ruolo sono molto possibili con il giusto equilibrio di competenze tecniche e sociali.. Utilizza piattaforme online come Tableau Gallery per mostrare le tue competenze. Tableau tiene una gran comunità en linea che es muy attiva.
conclusione
Estos fueron algunos de los puntos clave que quería discutir para convertirme en un analista de datos exitoso. Concéntrese en sus deficiencias y domine esas habilidades, ya que este es un campo muy competitivo. Sviluppe paneles de control interesantes con Tableau / Potenza BI / Excel y compártalos su LinkedIn para hacerse notar y arrivare a empleadores potenciales.
PD: He proporcionado todos los recursos necesarios como hipervínculos a lo largo de mi article.
