商业智能职业路径

在本文中，我们将探讨数据团队中一些常见的角色及其所需的技能。

企业的数据团队结构各不相同——没有一种放之四海而皆准的结构或组织图适用于所有公司。

尽管数据专业人士在这些角色之间进行转换并非闻所未闻，但每个角色都有其自身的重点并需要独特的技能集。如果您有兴趣探索商业智能职业并喜欢处理数据，那么以下角色之一可能符合您的技能和职业目标。

数据分析师

数据分析师通常负责收集、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。数据分析师往往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研究结果；他们经常与产品经理密切合作，而产品经理则根据这些研究结果塑造产品的方向。最终，分析师的目的是帮助其组织做出更明智、更充分的决策。

作为一名数据分析师，您需要牢固掌握 SQL，以及 数据可视化 技能，并拥有统计学和统计编程经验。您应该了解如何使用——但不一定需要开发——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其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，那么成长空间将非常广阔。由于分析师除了技术知识外还依赖软技能，因此他们通常具备管理团队的能力，并且在积累一些经验后，可能会获得分析经理、数据主管或数据副总裁等头衔。如果您对管理团队不感兴趣，随着您在一般分析技能或特定领域分析方面的专业性越来越强，您仍然可以作为分析师晋升。

数据科学家

数据分析师检查历史数据，而数据科学家则处理数据建模和规范性分析。例如，数据科学家可能会构建机器学习模型来预测其组织的数据。这些预测可能涉及公司产品、需求预测或内部事项，例如预测欺诈。

了解 SQL 和如何最好地可视化数据对数据科学家很重要，此外还需要掌握 Python 和 R 等编程语言。由于数据科学家广泛使用预测模型，因此这些职位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时）、多元微积分和统计学。作为一名数据科学家，您可能不会每天都在独自开发机器学习模型——沟通技巧和团队协作能力也很重要。

数据科学家的职业轨迹可能与分析师的轨迹相似。然而，就像软件工程一样，并非所有数据科学家最终都会管理他人。许多数据科学家仍然是独立的贡献者，尤其是一旦他们在组织中开辟了宝贵的利基市场。

商业智能开发人员

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侧重分析的角色以及分析工程师或数据工程师等工程角色之间的位置。这里的“商业智能”很重要——虽然可能与数据分析师存在一些重叠，但商业智能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 KPI 等指标，以及更深入地使用 BI 工具。这项工作很大一部分涉及构建仪表板以鼓励自助式分析，创建可重复使用的报告，并了解如何通过分析和基础架构的视角来最好地利用组织 数据栈 中的工具。

优秀的商业智能开发人员应具备扎实的数据库技术基础和创建复杂且高性能的查询（最可能是 SQL）的能力，但也了解同事在仪表板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有很大帮助，因为商业智能开发人员会预见组织的需求以及他们的分析结果如何带来成功。

数据工程师

数据工程师对组织的 data infrastructure 和 pipelines 的内部运作了如指掌，因为他们负责构建和/或维护这些 pipelines。这些工程师确保数据能够从源头流向数据仓库，并进一步流向组织的 BI 工具。他们还负责为分析师和数据科学家准备数据，确保系统功能完善且结构高效，并与其他工程师合作定义最初捕获哪些数据。

对于担任这些职位的人来说，扎实的编码技能是必须的，与上述职位相比，分析和解释的重点较少。熟悉 data pipeline 的各个方面也很重要；了解如何使用不同的数据仓库平台会让你更具优势。

分析工程师

分析工程师通常负责数据建模、进行 ETL 工作，以及转换和处理数据集中的数据，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能够获得干净数据集进行工作的人员，这是行业内鼓励组织内 自助式分析 的转变的一部分。

分析工程师通常比数据工程师拥有更广泛的技能集，并对最终用户如何使用他们转换和准备的数据有一定的实践知识。如果您想走这条路，提高您的 SQL 技能是个好主意，同样重要的是了解如何使用不同的数据转换工具。也不要忽视软技能，因为沟通对于在这样的角色中跨团队协作至关重要。

走向商业智能职业的教育途径

数据科学项目——如本科专业、硕士学位、训练营和证书——近年来呈爆炸式增长，但仍然没有万无一失的教育途径可以让你获得这些职位。

毫不奇怪，许多商业智能工作，尤其是工程方面的工作，吸引了 STEM 背景的人才，例如拥有统计学、计算机科学或数学专业知识的人。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，他们运用批判性思维和有效的决策能力来分析和解释数据。

进入商业智能领域

如果您最近获得了学位或正在攻读学位，并希望为您的商业智能职业生涯打下基础，可以考虑在您感兴趣的某个领域寻求实习机会。实习是获得真实工作环境中实践经验的绝佳方式，同时也有助于您更好地了解自己想做什么或不想做什么、喜欢什么样的工作环境，并提供获得指导的机会。

如果您目前在一家组织中担任非商业智能职位，但又想尝试商业智能领域，看看您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，可以从小处着手，例如安排与数据团队成员进行信息性访谈，或旁听他们的团队会议。如果您的组织使用的 BI 工具允许您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可以学到哪些关于您数据的信息。

与大多数技术相关的工作一样，通过实践来学习会让你受益更多。虽然 掌握 SQL 是许多商业智能职业的基础，但不要认为你需要记住所有 SQL 命令才能获得数据工作。事实上，不要那样做！这个建议不仅限于学习 SQL；当您发展数据技能时，这是所有技术和应用程序的一个很好的经验法则。拥有对某个概念的基础知识是重要的第一步，但通过构建自己的项目来构建作品集，比告诉招聘人员你读过多少本 SQL 书更能展示你的能力。开始的一个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。一旦有了要深入研究的数据集，学习运行特定查询或分析特定信息将使您在 BI 职业生涯的旅程中更加投入和富有成效。