## 1.职业简介 从事数据搜集、整理、分析，通过分析工具，并依据数据做出行业研究、评估和预测的专业人员。 ## 2.工作职责 1. 熟悉行业知识、公司业务及流程，汇总统计分析所需要的信息，整理并分析统计资料 2. 负责对接各业务团队，搭建数据分析体系，收集有效的数据指标体系，并持续迭代优化 3. 通过数据分析，维护和更新统计数据平台结合统计指标体系、监控体系 4. 创建数据分析模型和数据采集整理方案，并不断完善和改进统计方法 5. 撰写数据分析报告，进行业务开展效果评估，业务诊断，提供数据咨询服务，助力业务发展 ## 3.数据分析师的分类 以下各节重点介绍数据中的不同角色，以及他们在总体范围内的数据发现和理解中的具体责任： * 业务分析师 * 数据分析师 * 数据工程师 * 数据科学家 * 数据库管理员 ### 业务分析师 尽管数据分析师与业务分析师之间存在一些相似之处，但这两个角色之间的主要区别在于他们用数据来干什么。 业务分析师离业务更近，是解释来自可视化效果的数据的专家。 通常，数据分析师和业务分析师的角色由单人承担。 ### 数据分析师 数据分析师使企业可以通过可视化和报告工具（如 Microsoft Power BI）来最大限度地提高数据资产的价值。 数据分析师负责分析、清除和转换数据。 此外，还负责设计和构建可缩放的高性能数据模型，在报表中启用和实现高级分析功能，用于分析报表。 数据分析师会与相关利益干系人合作来确定合适且必要的数据和报表要求，然后将原始数据转换为相关且有意义的见解。 数据分析师还负责管理 Power BI 资产，包括报表、仪表板、工作区和报表中使用的基础数据集。 他们结合利益干系人的要求来实施和配置适当的安全过程，确保安全保存所有 Power BI 资产及其数据。 数据分析师与数据工程师合作，确认并找到满足利益干系人要求的合适数据源。 此外，数据分析师需要与数据工程师和数据库管理员协作，确保分析师能够正确访问所需的数据源。 数据分析师还与数据工程师合作来确定新的流程，或改善现有流程来收集数据以供分析。 ### 数据工程师 数据工程师预配和设置本地和云中的数据平台技术。 他们管理并保护来自多个源的结构化和非结构化数据流。 他们使用的数据平台可以包括关系数据库、非关系数据库、数据流和文件存储。 数据工程师还确保数据服务安全且无缝地跨数据服务进行集成。 数据工程师的主要职责包括使用本地和云数据服务和工具来引入、传出和转换来自多个源的数据。 数据工程师与业务利益干系人协作以识别和满足数据需求。 他们设计和实现解决方案。 尽管数据工程师和数据库管理员的任务和责任可能有一定的结合，但数据工程师的工作范围远远超出了照管数据库和托管它的服务器，并且可能不包括总体操作数据管理。 数据工程师为商业智能和数据科学项目增添了巨大价值。 数据工程师将数据聚在一起（通常称为数据整理）时，项目的进展更快，因为数据科学家可以专注于自己的工作区域。 作为数据分析师，你可以与数据工程师密切合作，确保能够访问各种结构化和非结构化数据源，因为他们为优化通常源自于新式数据仓库或数据湖的数据模型提供支持。 数据库管理员和商业智能专业人员可以通过学习用于处理大量数据的工具和技术，过渡为数据工程师角色。 ### 数据科学家 数据科学家执行高级分析，以从数据中提取价值。 他们的工作各不相同，比如描述性分析和预测分析。 描述性分析通过称为探索性数据分析 (EDA) 的过程来评估数据。 预测分析用于机器学习，以应用可以检测异常或模式的建模技术。 这些分析功能是预测模型的重要组成部分。 描述性分析和预测分析只是数据科学家的部分工作内容。 一些数据科学家的工作可能涉及深度学习领域，需要反复尝试使用自定义算法来解决复杂的数据问题。 有传闻表示，数据科学项目的大部分工作是数据整理和特征工程。 数据工程师利用其技能成功地整理数据时，数据科学家可以加快试验过程的速度。 表面上看，数据科学家和数据分析师的工作方式似乎大为不同，但这一猜测并不正确。 数据科学家查看数据来确定需要回答的问题，并经常设计假设或实验，然后求助于数据分析师来帮助进行数据可视化和报告。 ### 数据库管理员 数据库管理员实施和管理 Microsoft Azure 数据服务和 Microsoft SQL Server 上构建的云原生和混合数据平台解决方案的操作方面。 数据库管理员负责数据库解决方案的总体可用性及一致的性能和优化。 他们与利益干系人合作，为数据备份和恢复计划确定并实施策略、工具和过程。 数据库管理员的角色与数据工程师的角色不同。 数据库管理员监视和管理数据库及其所在的硬件的总体运行状况，而数据工程师涉及进行数据整理，即引入、转换、验证和清理数据以满足业务需求和要求的过程。 数据库管理员还负责管理数据的总体安全性，根据业务需要和要求授予和限制用户对数据的访问权限和特权。