데이터 분석가의 일상 업무는 무엇인가요?

(1) SQL 스크립트 작성: 일반적으로 "실행 데이터"로 알려져 있습니다. 리더는 분기별 데이터/월별 데이터/주별 데이터 세트를 원하고 하나 또는 N개의 SQL을 작성하여 데이터를 소진합니다. 보통은 임시 요구사항이지만, 암묵적으로 정규 요구사항으로 진화한 것이 확인되면 SP(저장 프로시저)를 직접 캡슐화하는 것이 가장 좋다... 매번 실행하는 것이 편리하고 문제가 없다. 이 작업에 필요한 기술은 다음과 같습니다: 데이터베이스, SQL

(2) 초기 및 중기 데이터 분석 프로젝트: 이는 매우 시간이 많이 걸리고 번거로운 부분입니다. 초기 단계에는 기본 데이터의 처리 및 정리, 기본 요약 및 집계, 모니터링 지표 설계가 포함됩니다. 지표 설계는 수학적 분석뿐만 아니라 결국 비즈니스 수요 측면에서도 이해되어야 합니다. 목표는 모델의 높이를 강조하기 위해 다른 사람들이 사용하도록 하고 효율성을 높이는 것입니다. 필요한 데이터가 모두 확보되면 비즈니스 모델(수학적 모델) 구축을 시작합니다. 전체 모델링 프로세스도 일정량의 데이터를 조건으로 반복적으로 탐색하는 프로세스입니다. 이런 문제발라발라 짜증나네요... 앞으로는 적용하면서 조정하고 최적화하겠습니다. 기술 포인트: 데이터베이스, SQL, 엑셀, R 언어, 수학 통계, 데이터 마이닝, 비즈니스 지식.

(3) 파트타임 제품 관리자: 비즈니스 모델이 완성되면 지표 결과를 확인할 수 있습니다. 데이터를 데이터베이스에 넣습니다. 그런 다음 시각적 사이트를 만드는 데 도움을 줄 개발자를 찾아야 합니다. 데이터 분석가로서 저는 이 프로젝트의 논리적 프로세스, 핵심 알고리즘 및 비즈니스 애플리케이션을 가장 잘 알고 있습니다. 다른 사람들이 지표의 전반적인 상태를 한눈에 볼 수 있도록 곡선 차트, 막대 차트, 원형 차트, 발라발라 등 시각화 사이트를 만드는 데 도움을 줄 개발자를 찾으세요. 스킬 포인트: 논리적 사고, 프로세스 계획, 데이터 시각화, 특정 개발 지식(개발과의 의사소통을 촉진하기 위한), 표현 능력 및 표현력.

(4) 모델과 지표가 공식적으로 적용된 후: 비즈니스 부서로부터 피드백을 수집하고 이메일을 통해 지속적으로 소통하며 모델과 데이터 테이블을 지속적으로 최적화합니다. 비즈니스 부서의 특정 요구 사항(임시 요구 사항)에 대한 분석 및 평가 보고서도 포함됩니다. 스킬 포인트: 논리적 사고, 표현 능력

(5) 개인 학습: 때로는 다른 사람의 작업 진행을 기다리는 상황에 직면하게 됩니다. 예를 들어, 다른 사람의 마지막 데이터가 아직 완료되지 않았습니다. 나와서 일을 전혀 할 수 없습니다. 그런 다음 온라인에 접속하거나 책을 읽어 지식을 배우십시오. 수학적 통계와 데이터 마이닝은 광범위하고 심오합니다. 이를 어떻게 잘 적용하고 최고의 비용 효율성을 달성하는지는 과학입니다. 더 많이 아는 것은 결코 나쁠 것이 없습니다.

(6) 빅데이터 부분: '빅데이터'는 더 이상 개인 작업의 일부가 아니라 그룹 전체의 작업입니다. 특히 Hadoop과 Spark에 대해 구체적으로 아는 사람이 데이터를 실행하고 최종 구현 코드를 작성해야 합니다. 우리 팀의 업무 분장은 대략 다음과 같습니다. 데이터 분석가, 데이터 엔지니어(반쪽은 제품 관리자). 이 세 가지를 모두 수행하는 사람도 있고 전문화만 하는 사람도 있습니다. 스킬 포인트: 특별한 포인트 추가 규칙은 없으며 포인트는 팀 단위로 추가됩니다.