Это непростой путь к карьере, поскольку должность может означать многое

Аналитика данных о должностях сложно описать, потому что каждая компания или отрасль будет иметь собственное определение самой роли, поэтому требования, перечисленные в описании должности, также будут различаться. Имейте в виду, что аналитик данных может быть похож на бизнес-аналитика, финансового аналитика, аналитика-исследователя или любой другой вариант со словом «аналитик». Следующие ниже требования не являются исключительно техническими, есть некоторые другие качества и атрибуты, которые также принимаются во внимание потенциальными работодателями. Что общего у большинства должностей аналитиков данных, когда дело доходит до минимальных требований:

  • Степень в дисциплине, связанной с количественными данными (идеально). Обычно любой человек, имеющий степень бакалавра в области бизнеса, экономики, финансов, информатики, инженерии, математики, физики и т. д., имеет право подать заявку на аналитику данных. роль. Если вы чувствуете, что ваша степень не связана с количественной областью, ничего страшного! В настоящее время многие работодатели хотят, чтобы вы просто имели степень бакалавра. Лица, у которых нет высшего образования, также могут подать заявку. Однако имейте в виду, что труднее получить работу аналитика данных без ученой степени, потому что работодатели обычно ожидают большего опыта работы вместо бакалавра или магистра.

  • Microsoft Excel. Это, вероятно, хлеб насущный для каждого аналитика. Основные аспекты Excel, которые каждый должен знать перед подачей заявки на этот тип роли, - это табличные таблицы, сводные таблицы, Vlookup, как создавать графики / диаграммы, уметь различать различные доступные типы данных и импортировать текстовые файлы. Если вы хотите пройти лишнюю милю, вам следует изучить базовый Visual Basic для приложений (VBA) или как записывать простые макросы. Изучение предыдущих атрибутов займет около 3 недель. Кроме того, способность определять тенденции и закономерности в таблицах - это нетехническая аналитическая способность, которая идет рука об руку с Excel. По сути, вам нужно будет понять значение данных и спросить себя, чего вы пытаетесь достичь.

  • Microsoft Word. В настоящее время большинство рабочих мест требуют от вас написания документации, отчетов, меморандумов и т. д. Основные характеристики Word, которые вы должны знать, - это то, как вставлять / удалять объекты (например, ссылки или изображения). , форматируйте текст и изменяйте стили текста или размеры шрифта. Этот инструмент требует меньше времени для изучения, чем Excel, но для вас крайне важно иметь эффективные навыки письма (и, следовательно, общения). При написании убедитесь, что все ваши идеи ясны и по существу.

  • Microsoft PowerPoint. В большинстве случаев аналитикам данных необходимо представить свои данные (или выводы) коллегам, членам вашей организации, клиентам, поставщикам и т. д. Для вас важно визуально резюмировать любой набор данных, которым вы являетесь. работаю и, возможно, представлю его. Аналитики часто используют шаблоны и вставляют данные путем копирования и вставки. Однако, если это не так, вам нужно знать, как создавать диаграммы / графики с нуля, вставлять текст или изображения и вручную настраивать каждый контент на каждом слайде. Как упоминалось в предыдущем пункте, коммуникативные способности или способности «рассказывать истории» также важны. Публичные выступления также могут быть включены в качестве мягкого навыка, никогда не угадаешь, когда придется выступать перед толпой.

  • Outlook. Если вы ищете свою первую работу и у вас никогда раньше не было профессиональной электронной почты, напрямую связанной с именем вашего работодателя, они, вероятно, не ожидают, что они будут знать этот инструмент Microsoft на должности начального уровня. Единственное предварительное условие для Outlook - это знать, как отправлять электронные письма с вложениями, а остальному (включая этикет письма) можно легко научиться на рабочем месте. При использовании Outlook будьте осторожны, чтобы по ошибке не отправить что-то конфиденциальное не тому человеку, я на собственном опыте видел, как это происходило!

  • Язык структурированных запросов (SQL). Если вы работаете с данными, вы, вероятно, будете работать с SQL (MySQL или PostgreSQL). SQL - это язык, используемый для извлечения информации из реляционной базы данных. Извлеченные данные могут использоваться для обеспечения качества (QA) или тестирования, или вы также можете создавать отчеты (электронные таблицы) на основе результатов вашего запроса. Имейте в виду, что изучить синтаксис SQL в первый раз сложно. Вам может потребоваться несколько недель, чтобы понять это, просмотрев учебные пособия или пройдя дешевые онлайн-курсы. Во всяком случае, это не так сложно, как понять логику и смысл информации внутри любой базы данных. Например, если вы работаете с информацией, основанной на результатах компьютерного моделирования профиля крыла авиалайнера, будет ли это то же самое, что и работа с данными по управлению инвестициями или финансовыми данными? Конечно, нет! Обратите внимание, что PostgreSQL имеет незначительные отличия между MySQL и SQL Server. Следовательно, не имеет значения, какой вариант SQL вы хотите изучить.

  • Python 3 и R. Не каждый работодатель ожидает, что его аналитики знают, что вы знаете какой-либо язык программирования общего назначения, но хорошо иметь хотя бы один за плечами, так как это, возможно, поможет вам оказаться в числе лучших. толпа людей! R и Python актуальны из-за их аналитических / научных библиотек (пакетов кода, написанных кем-то другим). Кроме того, Python - это мощный инструмент, который может автоматизировать некоторые повторяющиеся задачи (во всех алгоритмах). Некоторые соответствующие библиотеки Python: NumPy, Pandas, SciPy и Matplotlib. Изучение основ Python и R, скорее всего, займет у вас больше времени, чем изучение SQL и Excel. Вы можете найти рекомендации на недорогих онлайн-курсах или на YouTube.

  • Tableau Public. Это инструмент визуализации данных. Это бесплатная платформа, в отличие от остальных инструментов Tableau. Не каждому работодателю нужно, чтобы вы знали Tableau Public, но всегда полезно включить его в свое резюме. Изучение этого инструмента не займет у вас много времени, однако будет проще, если вы заранее познакомитесь с Excel.

  • Навыки межличностного общения и общения. Они универсальны для большинства (если не для всех) рабочих мест. Аналитики обычно группируются по командам, поэтому вам важно работать и общаться с другими. Обратной стороной мягких навыков в целом является то, что их очень сложно доказать потенциальным работодателям. Так как же решить эту проблему при поиске первой постоянной работы? Я предлагаю, если у вас возникают трудности с прохождением собеседования, в первую очередь, это найти работу с частичной занятостью, которая позволила бы вам взаимодействовать с людьми / клиентами! Даже волонтерская работа может помочь. Необязательно быть самым социально квалифицированным человеком в своей команде, но если вы очень застенчивы, вам следует над этим поработать, иначе этот барьер помешает вам получить потрясающие возможности.

  • Базовые знания в области управления данными. Каждый работодатель работает с данными и процессами по-своему, поэтому простое понимание того, откуда поступают данные и как они используются для бизнеса, сделает вас отличным кандидатом. Вы можете найти короткие и недорогие курсы в Интернете, и их изучение не займет у вас больше недели.

  • Математика. Чтобы стать эффективным аналитиком, вам необходимо иметь базовое понимание статистики (проценты, скорость изменения, средние, минимальные, максимальные), элементарных операций и алгебры. Если вы никогда не посещали занятия по математике или не получали «C» по классу статистики, не волнуйтесь! Большинство отчетов и наборов данных, скорее всего, будут основаны на простой математике, а не на сложных интегралах или разделимых дифференциальных уравнениях первого порядка.

  • Навыки ввода данных. В большинстве случаев в наборах данных не будет "хороших", непротиворечивых данных. Во многих случаях данные будут иметь повторяющиеся значения, содержать неправильное форматирование, что угодно! Аналитикам приходится вручную манипулировать набором данных, чтобы исправить это. Задачи ввода данных являются синонимами «очистки данных», «анализа данных», «сбора данных» и т. Д. Итак, как вы можете продемонстрировать этот навык? Я рекомендую выполнить проект анализа данных (если применимо), в котором вы вручную собираете данные из разных источников и представляете свои выводы! Прочтите следующий пункт, чтобы выяснить, как лучше всего отобразить любой проект.

  • Базовый HTML, CSS и Github (необязательно). Вы можете подумать, а разве это не инструменты веб-разработки? Однако они есть, если вы хотите сделать все возможное в качестве кандидата, я настоятельно рекомендую вам разработать и развернуть простой статический веб-сайт и продемонстрировать проекты или опыт. Кроме того, этим вы покажете, что быстро обучаетесь. Под «статикой» я имею в виду простую страницу, в которой не задействовано сложное объектно-ориентированное программирование или она связана с некоторой базой данных. HTML обеспечивает структуру страницы, CSS заботится о стиле, а Github - это бесплатная платформа, на которой вы развертываете свою страницу в Интернете! Единственное предварительное условие для Github - знать основные команды Git (управление версиями) через командную строку вашего компьютера. Все эти инструменты звучат пугающе, но на YouTube есть множество руководств, которые шаг за шагом покажут вам, как это сделать, однако весь этот процесс может занять у вас несколько недель в зависимости от ваших способностей к обучению.

  • Разное. Как уже упоминалось в подзаголовке этого сообщения, здесь возникает сложный аспект ... Вы сразу заметите, что несколько описаний должностей аналитика данных включают специальные знания в таких вещах, как специальная отчетность, ключевые показатели эффективности, поисковая оптимизация, расширенные инструменты анализа данных. , Обслуживание клиентов, программное обеспечение для продаж, специальные наборы данных, соответствующие нескольким отраслям, и т. Д. Сделайте себе одолжение и не пытайтесь изучить КАЖДОЕ требование. Выберите несколько, которые, по вашему мнению, наиболее важны для вас, и придерживайтесь их.

Вывод:

После прочтения этого сообщения в блоге вы можете подумать, что изучение Microsoft Office, SQL, Python и разработка остальных минимальных требований - это большая работа. Помните, что все должностные инструкции для ролей аналитика различны, некоторые из них имеют меньше требований, чем другие, поскольку каждая компания имеет собственное определение того, что такое аналитик данных. Моя цель - не ошеломить вас, а рассказать, как лучше всего подготовиться перед подачей заявки на роль аналитика данных.