发帖
雷达卡
很明显，分析技术的发展正在创造新的职业。由于第四次工业革命（即人工智能和机器人技术的影响），关于新工作将来自何处以及许多现有工作变得多余，已经有很多讨论。Analytics（分析）正在逆转这一趋势。
分析领域的一些新职业包括数据勘探者和数据收集者。数据探矿者与黄金探矿者一样，负责在互联网和其他大型数据存储库上搜索和查找数据。数据收集者负责从这些来源中提取数据和信息。数据收集器例如通过网络抓取来完成此任务。需要具有高超技能和知识的人员来执行这些功能-尤其是探索像互联网这样庞大而复杂的事物。
另一个新职业是数据侦探。他们是发现数据知识和见解的分析师。这听起来很简单而直接。
建议有很多分析员可以执行提取和清理任务，但是他们很少或根本没有能力探索数据来找到难题和问题的答案，并且难以识别重要的和有意义的发现。也就是说，他们可以执行提供数据的技术任务，但不能使用它来查找此资源中的“金块”。
所需要的是高技能的专业人员，像警探一样，擅长分析和解决问题。他们需要精通数据整理，遵循数据线索，检验假设和预感，加入“点”并从已知的结论中得出结论。简而言之，他们需要夏洛克·福尔摩斯的知识和技能。
数据侦探所需的主要技能是探索数据的能力和识别感兴趣项目的能力。他们可以通过使用桌面程序包（例如Microsoft Excel和Microsoft Access）以及数据可视化程序包（例如Tableau，QlikView和Power BI）的功能来实现此目的。他们还可以使用SQL和结构化数据以及SPARQL和语义数据来查询数据。
数据侦探增加价值的地方在于，他们会问一些有见识的问题，以帮助理解具有挑战性和困难性的问题。当他们遇到困难和障碍以获取所需的答案时，他们会找到解决方法。他们有心，有耐心，并且坚持不懈地走一公里，找到有趣的数据模式和趋势。
数据侦探可以在其中增加价值的三个示例包括使用风险分析工具来洞悉威胁和机遇。他们可以对主题和问题采取不同的数据视图，并在找到有趣的模式的地方进行调查，以进一步了解正在发生的事情可能会损害或惠及个人，组织和个人的发展。社区。
第二个示例是对人群进行分层，以找到有趣的层次，例如那些疾病高发的人群，例如COVID-19。他们可以分析不同阶层的病例，以了解为什么他们具有高感染率，并将其与低感染率的阶层进行比较。这些分析可以揭示可以采取哪些措施来降低疾病的发病率。
第三个示例是分析保险索赔异常的案例。可以为那些表现出异常模式的人编写业务规则，并且可以将这些规则级联起来以找到人口中与他们非常匹配的其他人，因为他们的主张也可能有问题。
建议将数据侦探工作视为一种专业技能，在此基础上，具有必要属性的人员将被选择，培训和雇用以进行此项工作。组织需要采取措施，确定那些在执行侦探任务时有天赋并利用其才能的人。
它们补充了使用挖掘和建模技术从数据中提取知识的数据科学家。数据侦探的方法更具定性，而数据科学家的定位则更具定量。但是，数据侦探使用数据科学家开发的工具和程序来探索数据，例如使用人口划分技术。
数据侦探可以采取额外的步骤来解释数据科学家在数据中发现的内容，并可以为发现或检测到的内容提供背景信息。例如，数据科学家可以生成使用机器学习模型检测到的高风险案例的列表，但是通常他们无法解释为什么以这种方式对它们进行分类。数据侦探可以探索数据以为案例提供背景信息，并解释为什么模型可以识别它们。他们还可以发现误报或看似令人担忧但属于虚假警报的案例，因此不值得关注。这样可以节省时间，金钱和精力，因为不会浪费资源。
数据侦探是处理数据的更广泛且正在发展的职业大家庭的一部分。这个家族包括数据勘探者，数据收集者，数据科学家，数据分析师，数据工程师，数据架构师，数据经纪人，数据律师，数据记者，数据艺术家，数据质量官和数据库管理人员。它们各自扮演着离散而重要的角色，并且在利用现在称为新油的石油中彼此互补。数据现在是使组织运转并提供业务成果的动力。
谈到正规教育，现在全球各地的大学都有许多分析硕士课程。这些程序可以扩展为包括不同的专业化流，以满足上述不同的数据职业。也就是说，它们成为综合课程，学生可以在其中选择相关主题，使他们能够专注于数据科学或数据工程或数据代理或数据侦探工作，以使用示例。这些专业需要提供实践分析的专业人士，以满足政府，行业和商业在21多样化需求ST世纪。
关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！
京公网安备 11010802022788号
