運用データ分析の職務責任 (データ分析のポジションは何ですか?)

データ分析におけるポジションは何ですか?

データ関連の職種は、データ運用、データ製品、データ分析、データ開発、データマイニング、ビジネス分析など、数多くあります。多くの募集職種の名前は単にデータ分析かもしれませんが、実際にはデータ運用またはデータマイニングの仕事です。以下では、これらの職種の仕事内容と必要なスキルを特定し、整理するのに役立ちます。

多くの人がこの職種を看護師の職種と比較します。看護師は看護業務を行いますが、医療知識も必要です。データ操作は操作に関するものですが、データ分析機能と組み合わせる必要があります。データ操作の敷居は比較的低く、基礎ゼロから転職したい方にも最適です。まずは水を試してみて、徐々に上達していくことができます。

職務内容には、運用関連のデータ分析を担当することが含まれます。データ分析戦略の開発において運用スタッフを支援する。日常業務のためのデータサポートの提供クローズドループの調整と促進など。具体的な職務内容や責任は求人票に記載される内容によって異なります。操作を理解し、データ思考を使用して操作する必要があります。おそらく、この立場はこのように理解できるでしょう。

ツール: Excel+SQL+PPT+基本統計+運用思考

ツールの使用に関しては、Excel は分析に使用され、SQL はデータの取得に使用され、PPT はレポートの作成に使用されるため、非常に重要です。 SQL を必要としない企業もあるかもしれませんが、自分自身に高い要求を持つデータアナリストとしては、やはり SQL を習得する必要があります。

例えば、以下のJDはデータ操作の採用に適しています。

データ操作が看護師だとすると、データ分析は医師と考えることができます。開発者よりもビジネスを理解し、製品/運用よりも優れたデータ分析能力を持ち、ビジネスとテクノロジーを結び付けます。この立場は実のところ少し一般的です。多くのビジネス分析/データマイニングはデータ分析とも呼ばれますが、ここでは「実際の」データ分析についてのみ説明します。

職務内容:データの抽出とクリーニング。建物表示システム;多次元分析;予測;実行を促進するための戦略を策定する。

ツール: Excel+SQL+Python/R/SPSS/SAS+高度な統計+PPT

Excel+SQLは必須スキルで、Python/R/SPSS/SASのいずれかを選択できます。下記のデータ分析のJDなど、データ操作よりも統計知識のレベルが高くなければなりません。

業務と製品の関係は何ですか?データ操作とデータ製品の関係も同様です。データプロダクトマネージャーという役職は、近年比較的人気のある役職となっています。データ操作に比べると、より高いハードルが要求されますが、最終的には製品の分岐となります。製品思考に重点を置きながら、一定のデータ分析能力とビジネスに対する深い理解も必要であり、分野横断的な才能も求められます。

職務内容:データ駆動型の製品反復。データ製品設計需要分析;データ追跡;データ運用システムの構築。

ツール: Excel+SQL+Python/R/SPSS/SAS+高度な統計+PPT+製品思考

データ分析職に比べ、ツールスキルにプラスしてプロダクト思考をプラスしました。つまり、データ プロダクト マネージャーは、プロダクト マネージャーが行う必要のあるすべての作業を実行できなければならず、また、データ アナリストのスキルも習得する必要があります。つまり、まだ閾値があるということです。詳細は下記JDをご参照ください。

データ開発エンジニアは、データウェアハウス エンジニアとも呼ばれ、より開発志向が強く、より幅広い技術スキルを習得する必要があるため、学歴が求められる場合があります。

職務内容:データ ウェアハウスの構築。データベーステーブルを開発する。データを収集、整理、保存、モデル化、視覚化、マイニング、適用する。データ プラットフォームを構築および最適化します。

高度な統計 + プログラミング言語 (Python/Java/R) + データベース開発

以下の職務内容に示されているように、プログラミングおよびデータフレーム開発スキルに対する高い要件

アルゴリズムの観点からデータの価値を掘り出すには、データマイニングには専門性と精度、そして技術の継続的な深化が必要である。

職務内容:未知の貴重な情報を発掘するためのモデルアルゴリズムを構築してソリューションを提供します。

ツール: Excel + SQL + 高度な統計 + プログラミング言語 (Python / Java / R) + データベース開発 + 機械学習モデル / アルゴリズム フレームワーク

ビジネス上の問題やシナリオに基づいて、データの洞察を活用して、企業の戦略や意思決定にデータサポートを提供します。コンサルティング銀行や投資銀行では、このポジションに対する需要が高まり、国内外の政策にさらに注意を払い、統計能力やビジネス能力に対する要件が高くなります。

職務責任分析;フレームワーク/戦略レベルの分析。分析レポート

ツール: Excel+SQL+SPSS/SAS/R+PPT+高度な統計

私の友人は製造業界でデータアナリストとして働いています。彼の主な仕事は、さまざまな事業ラインからデータを収集し、ビジネス指標の分析レポートとモニタリングを準備することです。これは、前述の[データ分析]の位置付けと多少似ています。このクラスメートは、データのクリーニングに時間がかかる問題にも言及しました。解決策は、基本的なデータベースを確立することですが、そのためには、データをクリーンアップ、改善、最適化するためのデータ開発が必要です。

友人の中には、電子商取引業界のデータ分析についても言及した人もいました。初期の電子商取引は比較的単純なファネル モデルであり、各段階のコンバージョン率に重点を置いていました。その後、電子商取引のプロセスはより複雑になり始めましたが、コンバージョン率は今でも電子商取引業界を評価するための最も基本的な指標の 1 つです。電子商取引で一般的に使用される指標システムは何ですか?これは、eコマースのデータ分析を行う際に注意する必要がある点です。

その後、データミドルプラットフォームについてお話しました。データミドルプラットフォームとは何ですか?コカコーラが降りてきた後、データ関連チームの統合、ビジネスを主眼に置いた取り組み、各事業ラインのデータの連携など、多くの情報が得られました。分散していたデータポジションをまとめて、作業をパッケージ化するだけのような気がしました。このコンセプトは大々的に宣伝されましたが、実際に実行した人はほとんどいませんでした。多くの企業は、表示段階しか達成していません。しかし、データがビジネスに役立たない場合、単に表示するだけでは何の意味があるのでしょうか?

上記内容は【Colaデータ分析交流会】での交流・議論の結果です。今後も同様の活動を行っていきます。 WeChatを追加します: data_cola。注: グループに参加すると、グループへの参加を招待されます。

@ 著者: コーク

@ WeChat公式アカウント/知乎コラム/Toutiao/Jianshu: コカコーラのデータ分析への旅

@個人WeChatを追加: data_cola、注:グループに参加して、コカコーラのデータ分析グループに引き込み、あらゆる分野のパートナーとコミュニケーションを取り、データ分析関連のコンテンツについて話し合ってください。