‧
8 分钟阅读
商业智能职业路径
Metabase 团队
‧ 8 分钟阅读
分享本文
在这篇文章中,我们将探讨数据团队中的一些常见角色,以及如何获得这些角色。
企业的构建数据团队的方式各不相同——没有一种放之四海而皆准的结构或组织图适用于所有组织。
虽然数据专业人员从一个角色转到另一个角色并不少见,但它们各自有自己的侧重点,需要不同的技能组合。如果您对探索 BI 职业并喜欢处理数据感兴趣,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洞察。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,产品经理根据这些调查结果塑造产品方向。最终,分析师旨在帮助其组织做出更明智、更知情的决策。
作为数据分析师,您需要扎实的 SQL 知识、数据可视化技能以及统计学和统计编程经验才能成功。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向组织内的其他人传达他们的发现。
如果数据分析是您选择的职业道路,那么晋升空间很大。由于分析师除了技术知识外还依赖软技能,他们通常能够很好地管理团队,并且在拥有几年经验后,可能会获得分析经理、数据主管或数据副总裁的头衔。如果您对管理团队不感兴趣,您仍然可以作为分析师提升自己,因为您在一般分析技能或特定领域分析方面变得越来越专业。
数据科学家
数据分析师分析历史数据,而数据科学家则处理数据建模和预测性分析。例如,数据科学家可以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的产品、预测需求或预测欺诈等内部事务。
了解 SQL 和如何最好地可视化数据对数据科学家很重要,同时还要掌握 Python 和 R 等编程语言。由于数据科学家广泛使用预测模型,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时)、多元微积分和统计学。作为数据科学家,您可能不会每天每时每刻都独自处理机器学习模型——沟通技能和与团队良好合作的能力也很重要。
数据科学家的职业发展轨迹与分析师类似。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个人贡献者,尤其是在他们在组织中开辟了宝贵的利基市场之后。
BI 开发者
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存在一些重叠,但 BI 开发人员的工作倾向于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服务分析,创建可重复使用的报告,以及了解如何通过分析和基础设施的角度,最好地利用组织数据堆栈中的工具。
优秀的 BI 开发人员在数据库技术和构建复杂且高性能的查询(很可能使用 SQL)方面拥有坚实的基础,但也知道他们的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。拥有一些商业头脑也很有帮助,因为 BI 开发人员会预测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
数据工程师对组织数据基础设施和管道的内部运作非常熟悉,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传输到数据仓库,再传输到组织的 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最初捕获哪些数据。
对于担任这些角色的人员来说,强大的编码技能是必不可少的,这些角色对分析和解释的关注度低于上面讨论的职位。熟悉数据管道的各个元素也很重要;了解如何使用不同的数据仓库平台将为您提供优势。
分析工程师
分析工程师通常负责建模数据、进行 ETL 工作,以及转换和整理数据集中的数据,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拥有干净数据集可供使用的人员,这是行业范围内鼓励组织内 自助式分析 的转变的一部分。
分析工程师往往比数据工程师拥有更广泛的技能组合,并且对最终用户如何使用他们转换和准备的数据拥有一些应用知识。如果您想走这条路,提高您的 SQL 技能是个好主意,同时也要知道如何使用不同的数据转换工具。也不要忽视软技能,因为在这种角色中,跨团队协作时沟通至关重要。
BI 职业的教育途径
近年来,数据科学项目(例如本科专业、硕士学位、训练营和证书)呈爆炸式增长,但仍然没有万无一失的教育途径来获得这些角色。
或许不足为奇的是,许多 BI 职位,尤其是工程方面的职位,吸引了来自 STEM 背景的人员,例如那些拥有统计学、计算机科学或数学专业知识的人。然而,许多来自人文学科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找到一份工作,请考虑在您感兴趣的领域寻找实习机会。实习是获得真实工作环境中实践经验的好方法,还可以帮助您更好地了解自己想做什么或不想做什么,喜欢哪种工作环境,并提供指导机会。
如果您目前在组织中担任非 BI 职位,但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。如果暂时不可能,可以从更小的范围开始,例如与数据团队的人员进行信息性访谈,或者旁听他们的团队会议。如果您的组织使用 BI 工具,您可以自己深入分析数据,那么花一些时间了解它的工作原理以及在使用它时可以了解哪些数据。
与大多数以技术为重点的工作一样,通过实践学习会让你受益匪浅。虽然 了解 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的 SQL 命令才能找到数据工作。事实上,不要那样做!这个指导不仅仅适用于学习 SQL;它是你在发展数据技能时所有技术和应用程序的经验法则。对一个概念有基础知识是重要的第一步,但是当你构建作品集时,自己构建项目比告诉雇主你读过的所有 SQL 书籍更能说明问题。一种开始的方式是学习分析你感兴趣的数据集——也许是天气模式或棒球统计数据。一旦你有了要深入挖掘的数据集,学习运行特定的查询或分析某些信息将会在你踏上 BI 职业旅程时更加引人入胜和富有成效。