2022 年 1 月 4 日,发布于 分析与 BI

8 分钟阅读

商业智能职业道路

The Metabase Team Portrait
Metabase 团队
‧ 2022 年 1 月 4 日,发布于 分析与 BI

‧ 8 分钟阅读

分享这篇文章

在这篇文章中,我们将了解数据团队中一些常见的角色,以及如何胜任这些角色。

企业构建数据团队的方式各不相同 —— 没有一种适用于所有组织的通用结构或组织结构图。

虽然数据专业人士从一个角色转到另一个角色并非闻所未闻,但每个角色都有自己的侧重点,并且需要不同的技能组合。如果您对探索 BI 职业生涯感兴趣,并且喜欢与数据打交道,那么以下角色之一可能与您的技能和职业目标相符。

数据分析师

数据分析师的典型任务是收集、处理和评估其组织生成的数据。这包括分析和解释信息、创建报告以及从不同数据集中提取见解。数据分析师倾向于深度参与业务方面的工作,例如向重要的公司利益相关者展示调查结果;他们经常与产品经理密切合作,产品经理会根据这些发现来塑造产品的方向。最终,分析师的目标是帮助他们的组织做出更明智、更明智的决策。

作为一名数据分析师,您需要牢牢掌握 SQL 才能获得成功,同时还需要掌握数据可视化技能以及统计学和统计编程方面的经验。您应该知道如何使用(但不一定开发)电子表格软件、数据库和数据仓库应用程序。您还应该培养批判性思维和讲故事等软技能,因为分析师必须能够从数据中得出结论,并将他们的发现传达给组织内的其他人。

如果数据分析是您选择的职业道路,那么发展空间很大。由于分析师除了技术知识外还依赖软技能,因此他们通常能够很好地管理团队,并且在几年工作经验后,可能会担任分析经理、数据主管或数据副总裁等职位。如果您对管理团队不感兴趣,随着您在通用分析技能或特定领域分析方面变得越来越专业,您仍然可以作为分析师不断晋升。

数据科学家

虽然数据分析师检查历史数据,但数据科学家处理数据建模和预测分析。例如,数据科学家可能会构建机器学习模型,以对其组织的数据进行预测。这些预测可能涉及他们公司的产品、预测需求或预测内部事务(如预测欺诈)。

了解 SQL 以及如何最好地可视化数据对于数据科学家来说非常重要,编程语言(如 Python 和 R)也是如此。由于数据科学家广泛使用预测模型,因此这些角色还需要强大的数学技能,如线性代数(尤其是在涉及机器学习的情况下)、多元微积分和统计学。您可能不会将数据科学家的每一天每一刻都独自花在机器学习模型上 —— 沟通技巧和团队合作能力也很重要。

数据科学家的职业发展轨迹可能与分析师相似。然而,就像在软件工程中一样,并非所有数据科学家最终都会管理人员。许多数据科学家仍然是独立贡献者,尤其是在他们在组织中开辟了宝贵的利基市场之后。

BI 开发人员

您可以将商业智能开发人员视为介于数据科学家和分析师等分析密集型角色与分析工程师或数据工程师等工程角色之间。“BI” 部分在这里很重要 —— 虽然可能与数据分析师有一些重叠,但 BI 开发人员的工作往往更侧重于直接影响业务决策和结果的数据。这可能涉及创建和跟踪指标(如 KPI),以及更深入地使用 BI 工具。这项工作的很大一部分涉及构建仪表盘以鼓励自助分析,创建可以反复使用的报告,并了解如何最好地利用组织数据堆栈中的工具,无论是通过分析还是基础设施的角度。

优秀的 BI 开发人员拥有扎实的数据库技术基础,并能编写复杂且高性能的查询(最有可能使用 SQL),但也知道他们的同事在仪表盘中需要哪些信息以及如何最好地呈现这些信息。具备一定的商业头脑也很有帮助,因为 BI 开发人员可以预测组织的需求以及他们的分析结果如何才能带来成功的结果。

数据工程师

数据工程师非常熟悉组织数据基础设施和管道的内部运作,因为他们的任务是构建和/或维护这些管道。这些工程师确保数据可以从源头流向数据仓库,然后再流向组织的 BI 工具。他们还负责为分析师和数据科学家准备数据,确保系统功能正常且结构高效,并与其他工程师合作定义首先捕获哪些数据。

对于承担这些角色的人来说,强大的编码技能是必不可少的,这些角色更侧重于数据管道的元素;了解如何使用不同的数据仓库平台将使您更具优势。

分析工程师

分析工程师的典型任务是建模数据、进行 ETL 工作,以及在数据集中转换和整理数据,使其可供分析师和科学家使用。分析工程师是团队中确保最终用户拥有干净数据集进行工作的人员,这是行业范围内鼓励组织内部自助分析的转变的一部分。

分析工程师的技能组合往往比数据工程师更广泛,并且对最终用户如何使用他们转换和准备的数据具有一些应用知识。如果您想走这条路线,磨练您的 SQL 技能是个好主意,了解如何使用不同的数据转换工具也是如此。也不要忽视软技能,因为沟通是在此类角色中跨团队工作的基础。

BI 职业的教育途径

数据科学课程 —— 如本科学位、硕士学位、训练营和证书 —— 近年来蓬勃发展,但仍然没有确保获得这些角色之一的教育途径。

毫不奇怪,许多 BI 工作,尤其是工程方面的工作,吸引了来自 STEM 背景的人,例如那些在统计学、计算机科学或数学方面具有专业知识的人。然而,许多来自人文或传播学等非传统背景的数据专业人士在这个领域蓬勃发展,他们利用批判性思维和有效决策等技能来分析和解释数据。

进入商业智能领域

如果您最近获得或正在攻读学位,并希望在商业智能领域开始您的职业生涯,请考虑在您感兴趣的领域寻找实习机会。实习是在真实工作环境中获得实践经验的好方法,同时也有助于更好地了解您想从事或不想从事的领域、您喜欢的工作环境类型,并为您提供获得指导的机会。

如果您目前在一家组织中担任非 BI 职位,但想试水商业智能领域,请看看是否可以参与任何涉及数据工作的项目。如果目前还不可能,那就从小处着手,例如与数据团队的人员进行非正式访谈,或参加他们的团队会议。如果您的组织使用了 BI 工具,您可以自己深入进行数据分析,请花一些时间了解它的工作原理以及在使用它时您可以从数据中学到什么。

与大多数以技术为中心的工作一样,边做边学对您更有利。虽然了解 SQL 是许多商业智能职业的基础,但不要认为您需要记住所有 SQL 命令才能找到一份数据工作。事实上,不要那样做!这个指导原则不仅适用于学习 SQL;它也是您发展数据技能时适用于所有技术和应用程序的良好经验法则。对概念有一些基础知识是重要的第一步,但当您构建作品集时,创建您自己的项目比告诉雇主您读过多少本 SQL 书籍更能向他们展示您的能力。一种入门方法是学习分析您感兴趣的数据集——也许是天气模式或棒球统计数据。一旦您有了可以深入研究的数据集,学习运行特定的查询或分析某些信息将更具吸引力和成效,助您开启您的 BI 职业之旅。

您可能也喜欢

所有文章
地图数据可视化:最佳实践 图像 2024 年 12 月 19 日,发布于 分析与 BI

地图数据可视化:最佳实践

学习如何创建有影响力的地图数据可视化,其中包含有关使用点地图、网格地图和区域地图来突出显示模式并做出数据驱动决策的技巧。

Alex Yarosh Portrait
Alex Yarosh

6 分钟阅读

如何可视化时间序列数据:最佳实践 图像 2024 年 11 月 20 日,发布于 分析与 BI

如何可视化时间序列数据:最佳实践

了解时间序列数据以及如何可视化它。包含最佳实践和方便的速查表。

Alex Yarosh Portrait
Alex Yarosh

3 分钟阅读

所有文章
Close Form Button

订阅我们的新闻资讯

随时了解 Metabase 的更新和新闻。绝无垃圾邮件。