한 사람이 데이터 분석에 적합한지 어떻게 판단할 수 있습니까?

모든 데이터 분석을 믿는 초보자와 면접관은 마음속에 이런 의문이 있다. 선임 데이터 분석가 @ Joe GH(webdataanalysis.net 사이트 데이터 분석 블로거) 와 조정이 어떻게 대답했는지 보세요. 질문: @ 작은 모기 천국이 웨이보에서 당신과 토론했습니다. 부서 채용입니다. 현재 몇몇 사람들은 이전에 서로 다른 직위에 있었고, 이전에는 데이터 분석을 해본 적이 없다. 어떻게 하면 자신이 데이터 분석에 적합한지, 경쟁 취업할 때 어떤 제목이 더 적합하고 효과적인지 알 수 있을까? 당신은 무슨 묘책이 있습니까? 질문 1: @ 작은 모기 천국이 웨이보에서 당신과 토론했고, 부서에서 채용했습니다. 현재 몇몇 사람들은 이전에 다른 직위에 있었고, 이전에는 데이터 분석을 해본 적이 없다. 어떻게 하면 자신이 데이터 분석에 적합한지, 경쟁취업할 때 어떤 제목이 더 적합하고 효과적인지 알 수 있을까? 당신은 무슨 묘책이 있습니까? @joegh: 업무에 대한 관심이 가장 중요하든, 데이터 분석가가 되는 가장 기본적인 것은 숫자를 싫어하지 않는 것이라고 생각합니다. 만약 네가 그에게 그 지표가 곱셈과 덧셈을 통해 어떻게 얻어졌는지 알려주면, 그는 짜증이 날 것이다. 그렇다면 그는 분명히 데이터 분석에 적합하지 않다. 데이터에 더 민감하다면, 물론 이상치와 데이터 분포를 한눈에 발견하는 것이 좋다. (존 F. 케네디, 데이터명언) 그런 다음 논리가 있습니다. 아인슈타인의 고전적인 논리 문제를 시험해 보라고 해, 풀 수 있는지, 얼마나 걸릴지 보자. 논리적 사고는 데이터 분석에 특히 중요합니다. 그렇지 않으면 다양한 지표의 정의 규칙과 업무와의 연결에 얽매여 논리적 사고가 좋은 사람이 SQL 과 같은 데이터 처리 스크립트를 작성하는 것이 더 효율적입니다. 그런 다음 비즈니스 이해 능력이 있습니다. 가장 간단한 것은 그에게 사이트의 목표가 무엇인지, 어떤 지표가 KPI 가 될 수 있는지, 사용자가 웹 사이트에 들어가는 것에서 웹 사이트 목표 달성으로의 전환을 어떻게 실현할 수 있는지, 비즈니스 순서도를 그릴 수 있는지 물어보는 것이다. (거시적인 수준, 군더더기 없음) 만약 기술을 편향한다면, 일부 데이터베이스 구조와 SQL 을 이해해야 한다. 표현에 치우친다면, 자신의 차트에 대한 통제력, 언제 어떤 차트를 사용하는지, 심지어 색깔을 어떻게 맞추는지 테스트해야 한다. 마지막으로 세심, 인내, 의사소통 능력도 있다. 데이터 분석을 하는 것은 때때로 매우 얽혀 있고, 세심하고 인내심이 필요하다. 원활한 의사 소통 기술을 통해 데이터 분석가는 다양한 문제를 더 잘 설명할 수 있습니다. 이것들은 모두 비교적 기초적인 것들로, 단기간에 배양하기 어려운 기술이다. 다른 업무와 관련된 지식은 교육을 통해 얻을 수 있다. 너의 사이트 업무를 접한 적이 없는 사람에게 어떤 업무 지식을 묻는 것은 불공평하다. 사실, 이러한 점들을 가지고 있다면, 일단 웹사이트와 업무에 익숙해지면 훌륭한 데이터 분석가가 될 것입니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언) 질문 2: 어떤 주제가 더 효과적입니까? 조정: 1. 그가 평소에 무엇을 좋아하는지, 무엇에 관심이 있는지 물어보고, 복권을 사는 것과 같이 그가 이런 일에 관심을 갖고 있는 데이터를 발굴해 낸다. (존 F. 케네디, 공부명언) 주식거래? Nba 를 보세요? 사실 여기에는 많은 데이터가 있습니다. 자신이 좋아하는 분야에 대한 데이터를 집계하고 데이터를 적절히 해석할 수 있다면 (예: NBA 스타의 데이터와 그에 상응하는 표현 상태에 대해 논평하는 등), 적어도 그는 강한 데이터 의식을 가지고 있다. 데이터의 감각이 데이터 분석의 최우선 과제다. 2. 데이터 분석에 대한 이해와 목표에 대해 물어보고 그가 이 일을 어떻게 알았는지 알아보세요. 일반적인 데이터 분석 오해에는 많은 고전적인 예가 있습니다. 몇 가지 시험 문제 (오판하기 쉬운 데이터 사례) 를 그에게 분석해 보라고 했다. 4. 일반적인 장면 분석: 일부 비즈니스 시나리오에서 가장 주목해야 할 데이터 및 일부 데이터 특징을 해석하는 방법 물론 3 과 4 는 면접관이나 시험관이 매우 경험이 많은 장면 파악과 풍부하고 건전한 패러다임이 필요하다. 시험관 자신도 파악하지 못한다면 어쩔 수 없다.