1、数据分析师
解读数据,定位问题提出答案
数据分析师这群人,对于数据的处理已经不是问题了,他们的重点已经转化到怎么样去解读数据了,同样的数据,在不同人的眼中有不一致的内容。
好的数据分析师,是能通过数据找到问题,准确的定位问题,准确的找到问题产生的原因,为下一步的改进,找到机会点的人。
往往科班出身的人,欠缺的不是在处理数据上,而是在解读数据上,至于将数据和产品结合到一起,则是其更缺少的能力了。
注意是对数据、数据指标的解读,通过对数据的分析,来解决商业问题。
主要有以下几个层次:
✅ 1)业务监控:
诊断当前业务是否正常?是否存在问题?业务发展是否达到预期(KPI)?
如果没有达到预期,问主要问题在哪?是什么原因引起的?
✅2)建立分析体系:
这些数据分析师已经对业务有一定的理解,对业务也相对比较熟悉,更多帮业务方建立一套分析体系,或者更高级是做成数据产品。
🌰例如:营销活动。
分析师会告诉业务方,在活动前你应该分析哪些数据,从而制定恰当的营销计划。
在营销过程中,你应该看哪些数据,从而及时做出营销活动调整。
在营销活动,应该如何进行活动效果评估。
✅3)行业未来发展的趋势分析:
这应该是数据分析师最高级别,有的公司叫做战略分析师/商业分析师。
这个层次的数据分析师站的更高,在行业、宏观的层面进行业务分析,预测未来行业的发展,竞争对手的业务构成,帮助公司制定战略发展计划,并及时跟踪、分析市场动态,从而及时对战略进行不断优化。
2、数据挖掘工程师
更多是通过对海量数据进行挖掘,寻找数据的存在模式、或者说规律,从而通过数据挖掘来解决具体问题。
数据挖掘更多是针对某一个具体的问题,是以解决具体问题为导向的。
例如:聚类分析
通过对于会员各种人口统计学、行为数据进行分析,对会员进行分类,对不同的类型的会员建立相应的profiling
从而更好的理解会员,知道公司会员是到底如何?高、中、低低价值的会员构成,既可以为后期各种会员的运营提供指导,提高活动效率。
又可以指导公司的营销,例如广告的投放策略。以及用于公司各种战略的制定。
主要技能要求:
✅1)数据库必须精通。
很多时候,你模型的数据预处理,可能完成在数据库里完成,你用到的数据库技巧更高。
✅2)必须要会成熟的数据挖掘工具、数据挖掘算法
例如:SPSS/CELEMENTINE、SAS/EM等
当然如果你会一、二款开源软件,并会写一些程序代码那是最好的,大公司都喜欢用开源的软件,例如:R、WEKA。
3、数据建模师
这个职位与数据挖掘工程师还是有本质区别的。
数据建模师,更多偏向于中、小数据量,而且其使用更多更多是统计学的方法
而数据挖掘中的例如:决策树、神经网络、SVM等在这里是不会涉及的。
当然二者有一个共同之处都是,针对很具体的问题,都是会解决某个具体问题,
例如:营销反应率
你就可能历史的邮箱、短信的反应情况,来建模型进行预测,从而提高邮件反应率,或者减少对用户来说的“垃圾”邮箱,提高用户体验。
所以从掌握的技能上讲,这二者就有很大的区别,数据建模师其实很少会提到算法这个词,更多说使用什么模型。
但是从实务界来看,这二个模型越来越没有明确的分工。
一般来说都会二个职位的人都会去学习对方的知识,所以这二个职位有合并的趋势,但在未来几年来,公司要招人的时候应该还是要有区别的。🧐
新进入数据行业的同学,可以根据自己的背景选择相应的职位,学数据、统计学的朋友更多可以偏向于建模师,
而计算机特别是写编程出现和同学,可以走数据挖掘工程师,也许适应性更好,但这不是绝对的。