原標題：瞭解數據分析工作狀態，提升自己數據分析能力

數據分析正像燎原之火一樣傳播，這正在創造大量有利可圖的工作機會。

根據IBM的一份報告，2020年在數據分析和其他與數據分析相關的角色中將有近270萬個工作崗位。這對於求職者和尋求增長的人來說是一個進入快速發展的職業的機會。

數據分析的發展日新月異。《哈佛商業評論》將數據分析師稱爲21世紀最性感的工作，這使人們非常希望獲得數據分析工作。

數據分析師做什麼？

數據分析師是分析型決策者，可幫助公司制定數據驅動型決策。這要求他們對統計，數學和機器學習有深入的瞭解。數據分析師與其他業務職能部門合作。他們收集，處理和分析數據以獲得最終結果並預測趨勢。

數據分析師的職責是什麼？

1.收集數據–移動應用程序，社交媒體和其他數字互動服務的日益使用導致大量數據存在。數據分析師從許多地方收集數據，包括雲數據庫，大型excel表格，PDF，CSV文件和其他形式的存儲。

2.清洗數據-在上述步驟中獲得的數據是原始數據，並且是高度非結構化的。數據分析師將這些數據轉換爲可用的形式，以後可用於分析和其他任務。幾乎90％的數據分析師和數據分析師都花時間清理數據。

3.分析數據–數據分析師使用複雜的統計技術，例如線性和邏輯迴歸，ANOVA，假設檢驗等來分析數據。

4.可視化–數據分析師以圖形和圖表的形式顯示已分析的數據，其他團隊的人員很容易理解。

5.建立模型–數據分析師工作中最後、最重要的部分是建立機器學習模型。這是數據分析師工作中最困難，最有影響力的部分。作爲數據分析師，你需要建立預測模型。

成爲數據分析師需要具備的技能有哪些？

1.統計–它是數據分析的基礎。描述性和推理性統計對於掌握數據分析知識至關重要。諸如概率分佈，集中趨勢和分散度的度量，總體抽樣之類的概念對於在數據分析中更好地工作至關重要。

2.計算機科學/程序設計–數據分析師使用R和Python執行所有與數據相關的操作，包括分析。R和Python都在全球範圍內使用，因此對這些語言的全面理解對於在世界各地的數據分析中取得出色成績至關重要。除編程外，數據分析師還精通陣列，矩陣，數據結構和其他重要技術方面的知識。

3.機器學習–這是數據分析中最難的部分。你應該瞭解所有常用的機器學習算法，包括K近鄰算法，隨機樹，SVM，決策樹等。數據分析師經常建立預測/預測模型。

4.批判性思維–數據分析師是解決問題的人，並致力於組織中最緊迫的挑戰。這需要高水平的批判性思維才能理解項目，業務問題和提議，解決業務問題很重要。