发帖
雷达卡
大数据分析师的目标是帮助组织做出更好、更明智的决策。老派，传统的数据分析无法应对包括非结构化和结构化数据在内的大数据量。需要的远不止导航关系数据库和计算统计结果的能力。大数据分析师最需要的是将相关信息转化为有用观察的技能。这需要技术与创造力、直觉和经验相结合。
美国劳工统计局尚未报告大数据分析师，但他们估计 2016-2026 年信息和计算机研究领域的科学家就业增长 19%。与其他职业相比，这种增长速度异常快。根据 Glassdoor 的 工资报告，大数据分析师的年收入在 76,000 美元到 130,000 美元之间，一般平均为 81,850 美元。大数据处理是一个相对较新的领域，可以为企业提供竞争优势，目前大数据分析师和数据科学家短缺。
大数据分析应用程序旨在分析结构化和非结构化数据目的是识别有用的信息，例如可能的新收入来源或更好的营销策略。此过程包括分析互联网点击流数据、社交媒体内容、网络服务器日志、来自客户电子邮件的文本以及由物联网.
大数据分析师所需的关键技能
大数据分析师需要广泛的技能来实现他们的目标。有效的人际交往能力对于向雇主和团队成员传达大数据结果非常有用。此外，大数据分析师应具备工作所需的技术能力，包括与云服务例如亚马逊网络服务 (AWS) 或微软 Azure。自由大数据分析师拥有首选云服务的情况并不少见，但出于安全目的，他们可能不得不使用公司的云服务。管理技能也有助于监督员工和与助理一起工作。
大数据分析师通常需要以下资格：
行业经验：分析大数据需要了解行业，无论是天文学还是金融。这种理解提供了一个筛选过程，或范例，用于定义和构建所提出的问题。一个人在特定领域和一般生活中的经验越多，在做研究时就会有更多的理解。广泛的经验背景有助于理解如何解释数据。
统计学：处理大数据需要统计学知识。统计学是数据科学、概率分布和随机变量的基本组成部分。
语言： Java、R、Python、C++、Hive、Ruby、SQL、MATLAB、SAS、SPSS、Weka、Scala、Julia。大数据分析师至少应该熟悉 R、Python 和 Java。
计算框架：对 Apache Spark、Apache Samza、Apache Flink、Apache Storm 和 Hadoop 等框架有深入的了解是必不可少的。这些技术支持大数据的处理，在大多数情况下，可以在流式传输时对其进行处理。
数据仓库：了解数据的存储方式和访问方式很重要。非关系数据库系统的经验也非常有用。非关系 (NoSQL) 数据库的示例包括 Cassandra、Hbase、CouchDB、HDFS 和 MongoDB。
数据可视化：大数据可能难以理解和讨论。这就是为什么图片（也称为视觉效果）使讨论大数据变得更容易的原因。即使只是探索 Tableau 或 Qlikview 等数据可视化工具的样本，也可以显示数据的形状，揭示隐藏的细节。
沟通：虽然数据可视化是一种有用的工具，但智能清晰地说话的能力是大数据分析师的必要条件。必须向付账的人解释结果及其产生方式。在研究数据之后，大数据分析师可能还必须向组织内的不同部门进行演示。
书面报告：书面报告为客户或雇主提供观察和结论的永久记录。
正常的任务和职责
大数据分析师负责实现三个关键的实时解决方案——可负担性、速度和质量——并提供商业智能给客户或雇主。他们可能与数据质量团队合作，确保数据的完整性和完整性，或者可能与管理层一起计划和执行数据分析。大数据分析师还可以参与规划组织变革，以实现利润最大化和损失最小化。Abhishek Mehta，创始人兼首席执行官特雷萨塔，一家预测分析公司表示：“在正确的时间、正确的地点、立即向正确的客户交付产品和服务的能力是未来。”
大数据分析师将定期：
确定组织目标
与管理层、IT 团队或数据科学家合作
从各种来源进行数据挖掘
筛选和清理数据以删除无关信息
研究趋势和模式
发现和识别新机会
为管理提供清晰简洁的数据报表和可视化
相关帖子DA内容精选
|
京公网安备 11010802022788号
