متن فیلم

در این ویدیو در مورد مسئولیت‌های یک تحلیلگر داده صحبت می کنیم. یک تحلیلگر داده چه مهارت هایی باید داشته باشد و این مهارت ها به چند دسته تقسیم می شوند؟ اگرچه نقش یک تحلیلگر داده بسته به نوع سازمان و میزان اتخاذ شیوه‌های داده‌ محور توسط آن متفاوت است، اما برخی مسئولیت‌ها وجود دارد که در سازمان‌های امروزی برای یک تحلیلگر داده معمول است. این مسئولیت‌ها عبارتند از: جمع‌آوری داده‌ها از منابع داده اولیه و ثانویه، ایجاد پرس‌وجو برای استخراج داده‌های مورد نیاز از پایگاه‌های داده و سایر سیستم‌های جمع‌آوری داده، فیلتر کردن، تمیز کردن، استانداردسازی و سازماندهی مجدد داده‌ها در آماده‌سازی برای تحلیل داده‌ها، استفاده از ابزارهای آماری برای تفسیر مجموعه داده‌ها، استفاده از تکنیک‌های آماری برای شناسایی الگوها و همبستگی‌ها در داده‌ها، تحلیل الگوها در مجموعه داده‌های پیچیده و تفسیر روندها، تهیه گزارش‌ها و نمودارهایی که به طور موثر روندها و الگوها را منتقل می‌کنند، ایجاد مستندات مناسب برای تعریف و نشان دادن مراحل فرآیند تحلیل داده‌ها. مطابق با این مسئولیت‌ها، بیایید به برخی از مهارت‌های ارزشمند برای یک تحلیلگر داده نگاهی بیندازیم. فرآیند تحلیل داده‌ها نیاز به ترکیبی از مهارت‌های فنی، عملکردی و نرم دارد. ابتدا بیایید به برخی از مهارت‌های فنی مورد نیاز شما در نقش یک تحلیلگر داده نگاهی بیندازیم. این موارد عبارتند از: تخصص در استفاده از صفحات گسترده مانند مایکروسافت اکسل یا گوگل شیت، تسلط بر ابزارها و نرم‌افزارهای تحلیل و مصورسازی آماری مانند IBM Cognos، IBM SPSS، Oracle Visual Analyzer، Microsoft Power BI، SAS و Tableau، تسلط بر حداقل یکی از زبان‌های برنامه‌نویسی مانند R، Python و در برخی موارد C++، Java و MATLAB، دانش خوب در SQL و توانایی کار با داده‌ها در پایگاه‌های داده رابطه‌ای و NoSQL، توانایی دسترسی و استخراج داده‌ها از مخازن داده مانند data martها، data warehouseها، data lakeها و data pipelineها، آشنایی با ابزارهای پردازش کلان داده مانند Hadoop، Hive و Spark. در ادامه دوره، بیشتر در مورد ویژگی‌ها و موارد استفاده برخی از این زبان‌های برنامه‌نویسی، پایگاه‌های داده، مخازن داده و ابزارهای پردازش کلان داده خواهیم فهمید. اکنون به برخی از مهارت‌های کاربردی مورد نیاز برای نقش تحلیلگر داده خواهیم پرداخت. این موارد عبارتند از: تسلط در آمار برای کمک به شما در تحلیل داده‌هایتان، اعتبارسنجی تحلیلتان و شناسایی مغالطه‌ها و خطاهای منطقی. مهارت‌های تحلیلی که به شما در تحقیق و تفسیر داده‌ها، نظریه‌پردازی و پیش‌بینی کمک می‌کنند. مهارت‌های حل مسئله، زیرا در نهایت، هدف نهایی همه تحلیل‌های داده‌، حل مشکلات است. مهارت‌های کاوش که برای فرآیند کشف، یعنی برای درک یک مشکل از دیدگاه ذینفعان و کاربران مختلف ضروری هستند - زیرا فرآیند تحلیل داده‌ها واقعاً با بیان روشنی از بیان مسئله و نتیجه مطلوب آغاز می‌شود. مهارت‌های مصورسازی داده‌ها که به شما کمک می‌کند تا بر اساس مخاطب، نوع داده، زمینه و هدف نهایی تحلیل خود، در مورد تکنیک‌ها و ابزارهایی که یافته‌های شما را به طور مؤثر ارائه می‌دهند، تصمیم‌گیری کنید. مهارت‌های مدیریت پروژه برای مدیریت فرآیند، افراد، وابستگی‌ها و جدول زمانی ابتکار عمل. این ما را به مهارت‌های نرم شما به عنوان یک تحلیلگر داده می‌رساند. تحلیل داده‌ها هم یک علم و هم یک هنر است. شما می‌توانید در تخصص فنی و عملکردی تبحر داشته باشید، اما یکی از عوامل کلیدی موفقیت شما، مهارت‌های نرم خواهد بود. این شامل توانایی شما در همکاری با تیم‌های تجاری و بین بخشی است. ارتباط مؤثر برای گزارش و ارائه یافته‌های خود؛ گفتن یک داستان جذاب و قانع‌کننده؛ و جمع‌آوری حمایت و مشارکت برای کارتان. مهم‌تر از همه، کنجکاو بودن، در قلب تحلیل داده‌ها قرار دارد. در طول کار خود، به الگوها، پدیده‌ها و ناهنجاری‌هایی برمی‌خورید که ممکن است مسیر متفاوتی را به شما نشان دهند. توانایی طرح پرسش‌های جدید و به چالش کشیدن فرضیات و فرضیه‌هایتان، شما را به یک تحلیلگر عالی تبدیل می‌کند. همچنین خواهید شنید که متخصصان تحلیل داده در مورد شهود به عنوان یک ویژگی ضروری صحبت می‌کنند. توجه به این نکته ضروری است که شهود، در این زمینه، توانایی داشتن درکی از آینده بر اساس تشخیص الگو و تجربیات گذشته است.