- 相關(guān)推薦
數據分析師的層級
前段時(shí)間在微博上看到一張某集團的數據分析師職位層級表，由于表格太大，在網(wǎng)頁(yè)上顯得字體太小，很難看清楚，因此我將它簡(jiǎn)化處理成如下兩張表格，分為層級1和層級2：
從表中可以看出，專(zhuān)家級的數據分析在分析方法的要求方面與資深數據分析師是相同的，層級2與層級1的能力差別主要體現在業(yè)務(wù)分析能力、管理能力和影響力等方面。要從“使命必達”的助理數據分析師，成長(cháng)為“獨擋一面”的數據分析專(zhuān)家，其中必然需要學(xué)習很多知識、積累很多經(jīng)驗、提升很多技能，這對從事數據分析的人有一定的指導意義，在做職業(yè)規劃時(shí)可以參考。
按照不同分析方法所能給人帶來(lái)的智能程度，可以把分析能力劃分為以下8個(gè)等級。
上面的8級劃分源自SAS網(wǎng)站的Eight levels of analytics，由IDMer編譯而成，個(gè)人覺(jué)得其中的8張圖片非常形象生動(dòng)，網(wǎng)友@數據小宇軍用兩個(gè)圖表將它們更好地展示出來(lái)了：
數據分析師的級別
1、數據跟蹤員：機械拷貝看到的數據，很少處理數據
雖然這個(gè)工作的人還不能稱(chēng)作數據分析師，但是往往作這樣工作的人還都自稱(chēng)是數據分析師，這樣的人，只能通過(guò)×××系統看到有限的數據，并且很少去處理數據，甚至不理解數據的由來(lái)和含義，只是機械的把自己看到的數據拷貝出來(lái)，轉發(fā)給相應的人。這類(lèi)人發(fā)出來(lái)的數據，是否有意義，怎么解讀，他自己是不知道的，只能期望收到數據的人了。
2、數據查詢(xún)員/處理員：數據處理沒(méi)問(wèn)題，缺乏數據解讀能力
這些人可以稱(chēng)為分析師了，他們已經(jīng)對數據有一定的理解了，對于大部分數據，他們也知道數據的定義，并且可以通過(guò)監控系統或者原始的數據，處理得到這些數據。統計學(xué)的方法，這批人還是很精通的，統計學(xué)的工具，他們也是用起來(lái)得心應手，你讓他們做一下因子分析，聚類(lèi)肯定是沒(méi)問(wèn)題，各類(lèi)檢驗也是用的爐火純青。他們的不足是：1、如果不告訴他們命題，那么他們就不知道該應用什么樣的方法去得到結論了。2、對于數據的處理沒(méi)問(wèn)題，但是卻沒(méi)有一個(gè)很好的數據解讀能力。只能在統計學(xué)的角度上解釋數據。
3、數據分析師：解讀數據，定位問(wèn)題提出答案
數據分析師這群人，對于數據的處理已經(jīng)不是問(wèn)題了，他們的重點(diǎn)已經(jīng)轉化到怎么樣去解讀數據了，同樣的數據，在不同人的眼中有不一致的內容。好的數據分析師，是能通過(guò)數據找到問(wèn)題，準確的定位問(wèn)題，準確的找到問(wèn)題產(chǎn)生的原因，為下一步的改進(jìn)，找到機會(huì )點(diǎn)的人。往往科班出身的人，欠缺的不是在處理數據上，而是在解讀數據上，至于將數據和產(chǎn)品結合到一起，則是其更缺少的能力了。
4、數據應用師：將數據還原到產(chǎn)品中，為產(chǎn)品所用
數據應用，這個(gè)詞很少被提到。但是應用數據被提的很多，分析了大量的數據，除了能找到問(wèn)題以外，還有很多數據可以還原到產(chǎn)品中，為產(chǎn)品所用。典型的是在電子商務(wù)的網(wǎng)站中，用戶(hù)的購買(mǎi)數據，查看數據和操作的記錄，往往是為其推薦新商品的好起點(diǎn)，而數據應用師就是要通過(guò)自己的分析，給相應的產(chǎn)品人員一個(gè)應該推薦什么產(chǎn)品，購買(mǎi)的可能性會(huì )最大的一個(gè)結論。國內能做到這個(gè)級別的數據人員還真是少的可憐，甚至大部分人員連數據的視圖都搞不定，而真正意義上的能數據應用師，可以用數據讓一個(gè)產(chǎn)品變得更加地簡(jiǎn)單高效。
5、數據規劃師：走在產(chǎn)品前面，讓數據有新的價(jià)值方向
數據規劃師，不能說(shuō)水平上比數據應用師高多少，而是另外一個(gè)讓數據有價(jià)值的方向。往往在實(shí)際的應用中，數據都是有其生命周期的，用來(lái)分析、應用的數據也是，這點(diǎn)上，尤其是在互聯(lián)網(wǎng)公司更加明顯，一個(gè)版本的更新，可能導致之前的所有數據都一定程度的失效。數據規劃師在一個(gè)產(chǎn)品設計之前，就已經(jīng)分析到了，這個(gè)產(chǎn)品應該記錄什么樣的數據，這些數據能跟蹤什么問(wèn)題，哪些記錄到的數據，應該可以用到數據中去，可以對產(chǎn)品產(chǎn)生什么樣的價(jià)值。
以上資料來(lái)源于網(wǎng)絡(luò )，如有侵權，請聯(lián)系博主。
| 1. 標準報表 回答: 發(fā)生了什么？什么時(shí)候發(fā)生的？ 示例：月度或季度財務(wù)報表 我們都見(jiàn)過(guò)報表，它們一般是定期生成，用來(lái)回答在某個(gè)特定的領(lǐng)域發(fā)生了什么。從某種程度上來(lái)說(shuō)它們是有用的，但無(wú)法用于制定長(cháng)期決策。 | |
| 2. 即席查詢(xún) 回答：有多少數量？發(fā)生了多少次？在哪里？ 示例：一周內各天各種門(mén)診的病人數量報告。 即席查詢(xún)的最大好處是，讓你不斷提出問(wèn)題并尋找答案。 | |
| 3. 多維分析 回答：?jiǎn)?wèn)題到底出在哪里？我該如何尋找答案？ 示例：對各種手機類(lèi)型的用戶(hù)進(jìn)行排序，探查他們的呼叫行為。 通過(guò)多維分析(OLAP)的鉆取功能，可以讓您有初步的發(fā)現。鉆取功能如同層層剝筍，發(fā)現問(wèn)題所在。 | |
| 4. 警報 回答：我什么時(shí)候該有所反應？現在該做什么？ 示例：當銷(xiāo)售額落后于目標時(shí)，銷(xiāo)售總監將收到警報。 警報可以讓您知道什么時(shí)候出了問(wèn)題，并當問(wèn)題再次出現時(shí)及時(shí)告知您。警報可以通過(guò)電子郵件、RSS訂閱、評分卡或儀表盤(pán)上的紅色信號燈來(lái)展示 | |
| 5. 統計分析 回答：為什么會(huì )出現這種情況？我錯失了什么機會(huì )？ 示例：銀行可以弄清楚為什么重新申請房貸的客戶(hù)在增多。 這時(shí)您已經(jīng)可以進(jìn)行一些復雜的分析，比如頻次分析模型或回歸分析等等。統計分析是在歷史數據中進(jìn)行統計并總結規律。 | |
| 6. 預報 回答：如果持續這種發(fā)展趨勢，未來(lái)會(huì )怎么樣？還需要多少？什么時(shí)候需要？ 示例：零售商可以預計特定商品未來(lái)一段時(shí)間在各個(gè)門(mén)店的需求量。 預報可以說(shuō)是最熱門(mén)的分析應用之一，各行各業(yè)都用得到。特別對于供應商來(lái)說(shuō)，能夠準確預報需求，就可以讓他們合理安排庫存，既不會(huì )缺貨，也不會(huì )積壓。 | |
| 7. 預測型建模 回答：接下來(lái)會(huì )發(fā)生什么？它對業(yè)務(wù)的影響程度如何？ 示例：酒店和娛樂(lè )行業(yè)可以預測哪些VIP客戶(hù)會(huì )對特定度假產(chǎn)品有興趣。 如果您擁有上千萬(wàn)的客戶(hù)，并希望展開(kāi)一次市場(chǎng)營(yíng)銷(xiāo)活動(dòng)，那么哪些人會(huì )是最可能響應的客戶(hù)呢？如何劃分出這些客戶(hù)？哪些客戶(hù)會(huì )流失？預測型建模能夠給出解答。 | |
| 8. 優(yōu)化 回答：如何把事情做得更好？對于一個(gè)復雜問(wèn)題來(lái)說(shuō)，那種決策是最優(yōu)的？ 示例：在給定了業(yè)務(wù)上的優(yōu)先級、資源調配的約束條件以及可用技術(shù)的情況下，請您來(lái)給出IT平臺優(yōu)化的最佳方案，以滿(mǎn)足每個(gè)用戶(hù)的需求。 優(yōu)化帶來(lái)創(chuàng )新，它同時(shí)考慮到資源與需求，幫助您找到實(shí)現目標的最佳方式。 |
【數據分析師的層級】相關(guān)文章：
數據分析師的職責02-07
數據分析師工作職責05-27
數據分析師的崗位職責11-03
數據分析師崗位職責07-01
數據分析師的職責15篇02-07
數據分析師的職責(15篇)02-08
數據分析師的職責精選15篇02-08
數據分析師個(gè)人簡(jiǎn)歷03-03
高級數據分析師的工作職責12-30
數據分析師工作職責（精選15篇）04-14