为什么每个组织需要有数据分析师

数据科学家 和 数据分析师 的不同：
数据科学家 需要三个主要的能力：数据分析，统计，机器学习。似乎是比数据分析师强很多。数据分析师只会数据分析。
一般，数据分析师提供快速的结果，例如感兴趣的数据关系，给决策者希望的快速而简洁的答案。使用统一的编码系统，编写较短的代码，产生容易解读的关系矩阵。
而数据科学家，他们的目标是去构建一个 “完美”的模型，而这会花费很多很多的时间。
统计学家也无法给出快速的结果，他们会说：“等等，我无法从这些数据中找出任何因果关系，我甚至不知道这些结果是否有统计学上的意义”。

当一个公司 需要从数据中获取洞见时，通常会首先倾向于寻找一个数据科学家，但是，这果真是最好的选择吗？非也！

当从数据分析师那里得到初步的结果后，再向 资深的领域专家咨询 ，他会辨识出哪种模式确实是对商业重要的以及值的投资的。看是否值的进一步的深入 假设验证。

所以，一个组织首先需要一个好的 数据分析师，那么，什么样的数据分析师是称得上好的呢？

不逾越数据，但是尽可能地进行多种解释

数据可视化技术，故事有了 吸引人的，含义丰富的，易于解读的图表，会更富感染力。

技术专长，运用处理数据的工具，
编程技术，知道如何与数据打交道。

领域专长，什么领域的数据，含有什么意义。

 Companies that are lucky enough to find a good specialist with the above-mentioned skills 
 will have an expert for:
	collecting the right kind of data.
	cleaning the data.
	performing data analysis.
	presenting information with nice and meaningful visualizations.
	discovering interesting patterns in data, and providing insights that may require further attention 
from statisticians and machine learning engineers.
	when performing analysis, prioritizing areas that are more important for the business.
To sum up, a good data analyst is a primary assistant to decision-makers that 
translates data into meaningful stories, 
provides quick answers to difficult questions, and drives business in the right direction.